Robuuste fraudedetectie met causale ML

Betaalplatforms zoals Adyen zetten technologie in om fraude effectief op te sporen. Dat is geen eenvoudige opgave, omdat zowel legitiem als frauduleus klantgedrag voortdurend verandert, en ook per markt verschilt. Machine learning speelt hierin een sleutelrol, maar bestaande methoden zijn gevoelig voor het aanleren van misleidende verbanden. Dit project heeft als doel om machine learning-technieken te ontwikkelen die geïnspireerd zijn op causaliteit, om zo de robuustheid van fraudedetectie te verbeteren bij veranderingen in de data.

  • PhD Student: Jakub Reha
  • Begeleiders: Sara Magliacane (IvI), Ana Mickovic (ABS)
  • Externe Partner: Adyen

Cases

Vergelijkbare projecten & activiteiten

Bridging Tabular, Graph and Relational Foundation models

Mechanistic Interpretability for Tabular Transformers

ELSA lab AI for Health Equity

Advancing Machine Learning Methods for High-Frequency Financial Time-Series Data