Complex Event Processing und maschinelle Lernverfahren: Entwicklung eines Hybrid-Modells zur Erkennung von Identitätsdiebstahl beim Online-Banking

摘要

Betrugserkennung ist im Bankenbereich ein wichtiges Thema. Betrug tritt in diesem Umfeld in unterschiedlichen Formen auf, wie beispielsweise organisierte Geldwäsche, Geldautomatenmanipulation oder Identitätsdiebstahl beim Online-Banking. Die Analyse der Banktransaktionen kann aufgrund des hohen täglichen Transaktionsvolumens der Kreditinstitute nicht von Hand bewältigt werden. Das Ziel dieser Arbeit ist in diesem Zusammenhang die automatische Entdeckung von Betrugstransaktionen innerhalb der kompletten Transaktionsmenge bei Banken mit Hilfe des Einsatzes eines Hybrid-Modells aus maschinellen Lernverfahren und Complex Event Processing-Technologie in Echtzeit. Die Betrugstransaktionen sind die Folge von erfolgreich durchgeführten Identitätsdiebstählen beim Online-Banking durch Betrugsmethoden wie Phishing, Pharming oder Trojanische Pferde. Die Anzahl dieser Betrugsfälle in diesem Bereich nimmt auch in Deutschland von Jahr zu Jahr stetig zu. udDiese Transaktionen bzw. Transaktionsevents beinhalten bestimmte Attribute, deren Werte bei der Betrugsanalyse untersucht werden, wie z.B. Transaktionsbetragshöhe, Verhältnis von Transaktionsbetrag zum maximal verfügbaren Betrag oder das Vorliegen einer Auslandsüberweisung. Konkret soll erforscht werden, mit welcher Wahrscheinlichkeit eine aktuell untersuchte Online-Banking Transaktion eines Kunden im Vergleich mit his-torischen Transaktionen dieses Kunden, einen Betrugsfall darstellt. Bei dieser Arbeit wird die Kombination von drei maschinellen Lernverfahren (Entscheidungsbaum, Diskriminanzanalyse und neuronales Netzwerk) als Betrugserkennungskomponente verwendet. Diese Algorithmen werden im Zusammenspiel mit der relativ neuen Technologie Complex Event Processing in Form eines Hybrid-Modells eingesetzt um solche Betrugsszenarien in Echtzeit erkennen und präventiv handeln zu können. Die Complex Event Processing-Technologie dient dabei als Daten- bzw. Eventversorgungs-komponente für die Betrugserkennungskomponente. udIm Rahmen dieser Arbeit wurde das gesamte Hybrid-Modell zur Betrugsanalyse als Prototyp mit Hilfe der Programmiersprache Java unter Verwendung der Complex Event Processing-Lösung des Herstellers StreamBase Inc. namens StreamBase Studio imple-mentiert und getestet. Auf Basis simulierter Trainings- und Testevents erreichte das Modell im Optimalfall eine Erkennungsgenauigkeit von über 99% richtig klassifizierter Transaktionsevents.ud