Exjobb: Bedrägeridetektion genom användning av grafstrukturer med dataprogrammeringsmetoder

Job description

Vi tror på ett samhälle format av framgångsrika företag där entreprenörskap och samhällsnytta går hand i hand. Att vara en del av Fortnox är att vara en del av en ständig förändring - en förändring där du själv bestämmer hur långt du vill nå. Vårt största fokus är att ge dig rätt förutsättningar att få leva din passion tillsammans med oss. Var du kommer ifrån är inte relevant - det är vart du är på väg som är intressant för oss. Precis som vi igår inte kunde drömma om det Fortnox som finns idag, så kan du vara med och forma vilka vi är imorgon. Bakgrund Som en av de ledande aktörerna i Sverige när det kommer till affärssystem, så är Fortnox en viktig del i Sveriges finansierings- och betal-sektor. Denna centrala roll innebär en risk för att plattformen utnyttjas för bedrägliga ändamål. Traditionella detektionsmetoder, såsom regelbaserade system och individuella företagsanalyser, kräver en hel del resurser och misslyckas ofta med att identifiera komplexa, sammankopplade nätverk av olagliga aktiviteter. Dessa metoder har svårt att se helhetsbilden och missar de subtila kopplingarna mellan till synes orelaterade transaktioner och entiteter. Den data som finns tillgänglig genom affärssystemet kan användas för att modellera scenariot som en graf: företag och individer blir noder som är sammankopplade med edges som representerar transaktioner, relationer, ägande, etc.. Denna datamodelleringsstrategi fångar den komplexa sammankopplingen hos moderna företag, vilket möjliggör visualisering och vidare analys. Genom att utnyttja grafstrukturen möjliggör vi användningen av grafalgoritmer, både klassiska och maskininlärningsbaserade, för att upptäcka mönster och relationer som indikerar en hög risk för bedrägeri. Vi erbjuder därmed ett examensarbete med fokus på att undersöka metoder för att upptäcka bedrägerier i en grafstruktur med en labeling-metod som innefattar dataprogrammering. Forskningsmål Det primära syftet med detta examensarbete är att demonstrera hur grafalgoritmer (t.ex. GNN, PageRank) kan utnyttjas tillsammans med heuristiska signaler för att upptäcka komplexa bedrägerinätverk. De specifika forskningsmålen är: Utnyttja en dataprogrammeringsmetod (weak supervision) för att översätta affärslogik och domänkunskap till risksignaler inom en grafstruktur. Utvärdera och implementera grafalgoritmer, klassiska och maskininlärningsbaserade, för att sprida dessa svaga signaler över nätverket, för att slutligen producera en rankad "risk score" för entiteter (likt en rekommendationsmotor). Etablera mätetal och utvärderingsramverk för att jämföra prestandan för olika grafbaserade anomalidetektionsmetoder mot traditionella regelbaserade baslinjer. Kvalifikationer Vi söker studenter som: Läser ett masterprogram inom datavetenskap eller ett relaterat område. Har ett djupt intresse för maskininlärning, AI och finans. Har goda kunskaper i programmering. Kan arbeta självständigt och som en del av ett utvecklingsteam. Talar flytande svenska. Plats På Fortnox kontor i centrala Linköping. Omfattning 1-2 studenter, 30 hp vardera. Fortnox - mitt i företagslivet Fortnox hjälper företag att starta, växa och utvecklas. Med smarta tekniska lösningar för företag och redovisningsbyråer, smidig finansiering och ett ekosystem av starka partnerskap är Fortnox ett nav för företagande i Sverige. Vi drivs av visionen om ett välmående samhälle format av framgångsrika företag. Fortnox grundades 2001 med huvudkontor i Växjö. Läs mer på . Välkommen med din ansökan! Behandling av personuppgifter Vi på Fortnox värnar om din personliga integritet. När du skickar in din ansökan till oss kommer vi att behandla dina personuppgifter för att administrera rekryteringsprocessen. Personuppgiftsansvarig är det bolag som du söker arbete hos och är något bolag inom Fortnoxkoncernen. Du kan läsa integritetsmeddelandet i sin helhet på följande länk: