Algoritmer, kunstig intelligens og big data skal bidra til å bekjempe hvitvasking og økonomisk kriminalitet blant DNBs kunder. Nå utvikles et helt nytt statistikkverktøy som med maskinlæring skal «støvsuge» alle reelle kundedata på jakt etter mistenkelig adferd og transaksjoner.

Tekst: Svein Åge Eriksen

I 2015 startet et forskningsprosjekt ved Big Insight, et senter for forskningsdrevet innovasjon ved Universitetet i Oslo. Senteret har spesialisert seg på å utvikle helt nye statistiske metoder for å avdekke irregulære mønstre i enormt store datamengder. Norsk Regnesentral er vert for prosjektet som har fått det klingende navnet persontilpasset svindeldeteksjon. Prosjektet finansieres av 13 deltakerne med DNB, Gjensidige og Skatteetaten i spissen.

NYE METODER

Selv om hvitvasking skiller seg fra forsikringssvindel og skattesvindel, fins det visse likheter. Likhetene brukes til å utvikle helt nye statistiske metoder som skal avdekke lurendreierne, skriver forskningsmagasinet Apollon.

Maskinlæring har gitt lovende resultater

De tre samarbeidspartnerne skal ikke utveksle hverandres datasett, men ved å bryne seg på forskjellige datasett med beslektete problemstillinger kan statistikerne komme et godt stykke videre. Dagens metoder fungerer ikke godt nok. Førsteamanuensis Ingrid Hobæk Haff på Matematisk institutt ved Universitetet i Oslo utvikler derfor nye metoder for å avsløre svindel.

– Hver gang det kommer inn en ny sak, ønsker vi å beregne sannsynligheten for at det er svindel. De nye statistiske metodene testes på datasett der innholdet allerede er kontrollert. Det betyr at statistikerne på forhånd vet hvem som er svindlere eller ikke.

– Vi kan da kontrollere resultatene våre opp imot fasiten. Ulempen er at vi ikke får sjekket programmet vårt på de sakene som ikke allerede er kontrollert. Sakene som ble kontrollert, hadde kanskje noe suspekt ved seg i utgangspunktet. Da er de ikke plukket ut tilfeldig, sier Ingrid Hobæk Haff til Apollon.

LOVENDE RESULTATER

– DNB ble med i prosjektet fra starten for fire år siden kort og godt fordi vi ønsket å øke vår kunnskap om hvordan vi best mulig forebygger hvitvasking. I samarbeid med Norsk Regnesentral utvikler vi maskinlæringsmodeller for å avdekke mistenkelige transaksjoner Dette kan vi i neste omgang bruke i transaksjonsovervåkningen, sier Data Scientist Lars Erik Bolstad i DNB til Finansfokus.

I fjor sommer nådde prosjektet en milepæl da det ble utviklet en modell på et anonymisert datasett, som ble vitenskapelig publisert. Nå skal DNB ta dette videre og trene opp en tilsvarende modell på reelle kundedata. Vi håper å sette dette i produksjon i løpet av noen få måneder, sier Data Scientist Lars Erik Bolstad i DNB. Ny IT-struktur med skyplattform gjør dette mulig.

– Så langt har testdatasettene gitt lovende resultater. Nå automatiserer vi tidligere manuelle og tidkrevende prosesser. På den måten vil langt raskere og enklere kunne avdekke mistenkelige saker. Treffsikkerheten vil også øke, sier Lars Erik Bolstad.