USI-Projekt verhindert Betrug mit Kreditkarten

03. Mai 2021 15:00

Lugano - Das Data Lab der Universität der italienischen Schweiz (USI) hat ein Forschungsprojekt gegen betrügerische Kreditkartentransaktionen abgeschlossen. Algorithmen sollen den Kreditkartenunternehmen helfen, ihren Schaden zu minimieren. Dieser könnte sich bis 2025 weltweit auf bis zu 50 Milliarden Dollar belaufen.

Ein an der Universität der italienischen Schweiz (USI) entwickelter Algorithmus soll künftig betrügerische Kreditkarten-Transaktionen aufdecken und verhindern. Er wurde im Rahmen eines vom AXA-Forschungsfonds finanzierten Forschungsprojekt entwickelt. Nach Angaben der Projektbetreuerin und Leiterin des Data Science Lab an der USI, Prof. Antonietta Mira, stehen die Chancen gut, dass sowohl AXA als auch andere Kreditkartenunternehmen künftig mit dem Algorithmus arbeiten werden.

„Wir haben ein System entwickelt, das in zwei Phasen arbeitet – einer Trainingsphase und einer anschliessenden Einordnungsphase“, erklärt Dr. Bruno Buonaguidi aus dem Team von Prof. Mira in einer Medienmitteilung. Er hatte 2016 die entsprechende Post-Doc-Ausschreibung des AXA-Forschungsfonds gewonnen.

Zunächst studiere der Algorithmus sowohl das Verhalten der Nutzerinnen und Nutzer von Kreditkarten als auch Merkmale gemeldeter betrügerischer Transaktionen. Für jede Person berechne er einen individuellen Schwellenwert. Er zeige an, dass eine Transaktion wahrscheinlich entweder in Ordnung oder betrügerisch sei. Ein Betrugsalarm werde ausgelöst, wenn etwa der Zeitraum zwischen zwei Transaktionen sehr eng ist oder diese mit ungewöhnlich hohen Beträgen und an anderen Orten als üblicherweise getätigt werden. 

Nach Angaben der USI beläuft sich der jährliche Betrugsschaden für Kreditkartenunternehmen weltweit auf rund 25 Milliarden Dollar. Bis 2025 könnte er sich verdoppeln. 

Laut Antonietta Mira „sind die Aussichten für eine Anwendung durch unseren Projektpartner und andere Kreditkartenunternehmen gut“. Der Algorithmus sei an realen Daten getestet und mit anderen gängigen maschinellen Lernmethoden verglichen worden. Dabei habe ihr Team zeigen können, dass der Prozentsatz gefundener betrügerischer Transaktionen den von Falschmeldungen übersteige. mm

Aktuelles im Firmenwiki