Development of machine learning methods for detection of tax evasion and avoidance

Abstract

Η απάτες πιστωτικών καρτών είναι μια σημαντική οικονομική απειλή, με σημαντικές οικονομικές απώλειες ετησίως. Ο αποτελεσματικός εντοπισμός δόλιων συναλλαγών είναι κρίσιμος για τον μετριασμό αυτών των απωλειών, με τους σύγχρονους αλγόριθμους να βασίζονται σε μεγάλο βαθμό σε προηγμένες τεχνικές μηχανικής εκμάθησης. Η ανάπτυξη αποτελεσματικών αλγορίθμων ανίχνευσης απάτης είναι ιδιαίτερα δύσκολη λόγω πολλών παραγόντων, όπως οι εξαιρετικά ανισόρροπες κατανομές των κατηγοριών απάτη ή όχι απάτη και η συνεχής ροή δεδομένων συναλλαγών σε πραγματικό χρόνο στα σύνολα δεδομένων. Επίσης, η πρόσβαση σε δημόσια δεδομένα σε αυτόν τον τομέα είναι περιορισμένη λόγω θεμάτων εμπιστευτικότητας που προκύπτουν από τους κανονισμούς των χρηματοπιστωτικών οργανισμών.Ο πυρήνας της ανάλυσής μας είναι ένα πραγματικό σύνολο δεδομένων πιστωτικών καρτών που ελήφθη από μια συνεργασία της Worldline και της Machine Learning Group του Universit ́e Libre de Bruxelles, παρέχοντας μια πρακτική βάση για την κατανόηση της πολυπλοκότητας που συνεπάγεται η ανίχνευση απάτης σε αυτόν τον τομέα.Το προαναφερθέν σύνολο δεδομένων έχει προηγουμένως διερευνηθεί από άλλους ερευνητές, εστιάζοντας κυρίως σε εποπτευόμενες τεχνικές για τον εντοπισμό απάτης με πιστωτικές κάρτες. Εκτενώς έχουν χρησιμοποιήσει μια σειρά εποπτευόμενων τεχνικών όπως Logistic Regression, Decision Tree Algorithms, Gradient Boosting. Περνώντας πέρα από τις παραδοσιακές προσεγγίσεις, η έρευνά μας εμβαθύνει στον τομέα των τεχνικών unsupervised, όπως η clustering, εισάγοντας ένα καινοτόμο στοιχείο. Αυτή η νέα συμπερίληψη εμπλουτίζει την ανάλυση αποκαλύπτοντας ενδιαφέροντα μοτίβα και σχέσεις μέσα στα δεδομένα συναλλαγής. Επιπλέον, η μελέτη κάνει ένα πρωτοποριακό βήμα συνδυάζοντας εποπτευόμενες μεθόδους με μη εποπτευόμενες και προσεγγίσεις που βασίζονται σε spectral graph clustering. Ο κύριος στόχος μας είναι να τονίσουμε τον ζωτικό ρόλο των ισχυρών τεχνικών στην καταπολέμηση της απάτης, τονίζοντας τη σημασία της μόχλευσης προηγμένων προσεγγίσεων μηχανικής μάθησης.

Credit card fraud is a significant financial threat, resulting in substantial losses annu- ally. Detecting fraudulent transactions efficiently is critical in mitigating these losses, with modern algorithms heavily relying on advanced machine learning techniques. The development of effective fraud detection algorithms is notably challenging due to several factors, including, highly imbalanced class distributions, and the real time continuous flow of transaction data in the datasets. Also access to public data in this domain is limited due to confidentiality concerns arising from financial organizations’ regulations.Core of our analysis is a real credit card dataset obtained from a colaboration of Worldline and the Machine Learning Group of the Universit ́e Libre de Bruxelles, providing a practi- cal foundation for understanding the complexities involved in fraud detection within this domain.The aforementioned dataset has previously been explored by other researchers, primarily focused on supervised techniques for credit card fraud detection. Extensively they have employed a range of supervised techniques such as Logistic Regression, Decision Tree Algorithms, Gradient Boosting methods. Going beyond traditional approaches our inves- tigation delves withn the domain of unsupervised techniques like clustering, introducing an innovative component. This novel inclusion enriches the analysis by uncovering in- teresting patterns and relationships within the transaction data. Furthermore, the study takes a pioneering step by combining supervised methods with unsupervised techniques and spectral graph-based approaches. Our main goal is to emphasize the vital role of ro- bust techniques in combating credit card fraud, highlighting the importance of leveraging advanced machine learning approaches.