La frode (pagamenti, operazioni) si rileva con la stessa idea delle intrusioni: le operazioni normali seguono schemi, quelle fraudolente deviano.
Come funziona
Ogni operazione è descritta da caratteristiche (importo, ora, luogo, frequenza). Si può usare il rilevamento di anomalie (se non hai esempi di frode) o la classificazione (se hai casi di frode etichettati).
# con esempi etichettati di frode\nfrom sklearn.ensemble import RandomForestClassifier\nmodello = RandomForestClassifier(class_weight="balanced").fit(X, frode)\nprob = modello.predict_proba([operazione])[0][1] # rischio di frodeQui più che altrove contano i falsi positivi: bloccare un pagamento vero infastidisce il cliente. Si parte sempre in "solo segnalazione" e con revisione umana.