Bij het authenticeren en autoriseren van transacties moeten verschillende beslissingen worden genomen, die momenteel vaak worden ondersteund door afzonderlijke modellen in een pipeline. Een meer geïntegreerde aanpak kan leiden tot beter onderbouwde beslissingen, maar vraagt om complexe optimalisatie in een hoog-dimensionale ruimte. In dit project zetten we reinforcement learning in om dit optimalisatieprobleem aan te pakken. Daarbij richten we ons op uitdagingen zoals een hoog-dimensionale actieruimte, off-line leren en evaluatie, en het balanceren van meerdere doelstellingen.
