2차 이상탐지 기반의 이상 패턴 탐지 결과 : 보험, 임대업
Anomalous Pattern Classification Result based on Secondary Abnormality Detection : Insurance, Rental
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
늘어나는 부당청구건과 지능화된 보험사기 패턴을 색출하기 위해 부당청구 탐지 기술 개선이 필요하다. 본 연구에서는 이상 탐지 알고리즘을 2번 적용해 부당청구 패턴을 탐지하고, 패턴별 룰을 추출하였다. 패턴 탐지 방법으로 Isolation Forest 알고리즘과 K-means 클러스터링 알고리즘을 순차적으로 사용하였다. 그리고 Decision Tree 알고리즘이 룰 추출에 사용되었다. 1차, 2차 이상탐지를 거쳐 기존 데이터의 정상/이상으로 구분된 이진 라벨을 패턴 정의에 의해 의심 집단의 특성이 반영된 4개의 다중 라벨로 변경하고, 이를 다양한 분류 알고리즘에 적용하여 분류 성능을 측정하였다. 보험데이터의 부당청구 탐지 성능을 평가하고, 렌탈 데이터의 악성 연체 탐지에 적용하였다. 그 결과, 생명보험 부당청구 탐지 정확도는 92%까지 성능을 개선하였고, 렌탈 연체 탐지 정확도는 96%까지 성능을 높일 수 있었다.
Abstract
Improvements in fraud detection techniques are needed to detect increasing fraud and intelligent fraud patterns. In this paper, we applied anomaly detection algorithm two times in order to detect fraudulent billing patterns and extracted rules for each pattern. Isolation Forest algorithm and K-means clustering algorithm were used sequentially as pattern detection method. And Decision Tree algorithm is used as rule extraction method. The existing binary classification is newly classified and labeled into four patterns. And we applied various classification algorithms to classify patterns and measure the classification performance. We evaluated the performance of detection of fraudulent claims of insurance data and applied it to the detection of malicious overdue of rental data. As a result, the life insurance fraud detection accuracy improved by 92% and the rental overdue detection accuracy increased by 96%.
참고문헌 (11)
- H. L. Sithic, "Survey of Insuranc e Fraud Detection Using Data Mining Techniques", International Journal of Innovative Technology and Exploring Engineering (IJITEE), 2(3), pp.62~65 (2013)
- 김지혁, "머신러닝 기반의 부당청구 탐지시스템에 대한 연구", 한국IT정책경영학회 논문지, 9(6), pp.637~641 (2017), 한국IT정책경영학회
- J. M. Pérez, "Consolidated Tree Classifier Learning in a Car Insurance Fraud Detection Domain with Class Imbalance", Lecture Notes in Computer Science, 3686, pp.381~389 (2005)
- S. Subudhi, "Use of Optimized Fuzzy C-Means Clustering and Supervised Classifiers for Automobile Insurance Fraud Detection", Journal of King Saud University – Computer and Information Sciences (2017)
- Y. Wang, "Leveraging deep learning with LDA -based text analytics to detect automobile insurance fraud", Decision Support Systems, 105, pp.87~95 (2018)
- F.T. Liu, "Isolation Forest", Eighth IEEE International Conference on Data Mining, pp.413~422 (2008)
- F.T. Liu, "Isolation-based Anomaly Detection", ACM Transactions on Knowled ge Discovery from Data (TKDD), 6(1), pp.1~39 (2012)
- J. A. Hartigan, "Algorithm AS 136 : A K-M eans Clustering Algorithm", Journal of the Royal Sta tistical Society. Series C, 28(1), pp.100~108 (1979)
- N. Japkowicz, "The Class Imbalance Probl em: A Systematic Study", Intelligent Data Analysis, 6(5), pp.429~449 (2002)
- R. Longadge, "Class Imba lance Problem in Data Mining : Review", International Journal of Computer Science and Network (IJCSN), 2 (2013)
- H. He, "Learning from Imbalanced Data", IEEE Transactions on Knowledge & Data Engineering, 21, pp.1263~1284 (2008)