[논문 리뷰] Survey of Insurance Fraud Detection Using Data Mining Techniques

H. Lookman Sithic, T. Balasubramanian|arXiv (Cornell University)|2013. 09. 03.

Imbalanced Data Classification Techniques참고 문헌 2인용 수 40

한 줄 요약

이 종합 검토는 대규모이고 복잡한 데이터셋을 분석하여 사기 행위를 시사하는 패턴을 식별하는 데 초점을 맞춘 보험 사기 탐지에 대한 데이터 마이닝 기법을 검토한다. 분류, 군집화, 연관 규칙 마이닝을 핵심 접근법으로 평가하며, 실제 보험 시스템에서 탐지 정확도를 향상시키고 가짜 경고를 줄이는 데의 효과성을 강조한다.

ABSTRACT

With an increase in financial accounting fraud in the current economic scenario experienced, financial accounting fraud detection has become an emerging topics of great importance for academics, research and industries. Financial fraud is a deliberate act that is contrary to law, rule or policy with intent to obtain unauthorized financial benefit and intentional misstatements or omission of amounts by deceiving users of financial statements, especially investors and creditors. Data mining techniques are providing great aid in financial accounting fraud detection, since dealing with the large data volumes and complexities of financial data are big challenges for forensic accounting. Financial fraud can be classified into four: bank fraud, insurance fraud, securities and commodities fraud. Fraud is nothing but wrongful or criminal trick planned to result in financial or personal gains. This paper describes the more details on insurance sector related frauds and related solutions. In finance, insurance sector is doing important role and also it is unavoidable sector of every human being.

연구 동기 및 목표

• 급증하는 금융 사기 사례 속에서 데이터 마이닝이 보험 사기 탐지에 어떻게 기여하는지 분석하기 위해.
• 보험이나 사기 탐지에 적용 가능한 핵심 데이터 마이닝 기법을 특정하기 위해.
• 이러한 기법들이 대규모이고 복잡한 보험 데이터를 처리하는 데 얼마나 효과적인지 평가하기 위해.
• 자동 보험 사기 탐지 시스템의 현재 접근법과 과제에 대한 종합적인 개요를 제공하기 위해.

제안 방법

• 본 연구는 보험 사기 탐지 분야에서의 데이터 마이닝 응용에 관한 기존 문헌을 체계적으로 검토한다.
• 사기 탐지 방법을 분류, 군집화, 연관 규칙 마이닝 기법으로 분류한다.
• 의사결정 트리, 신경망, 서포트 벡터 머신과 같은 분류 기법은 사기성 청구를 예측할 수 있는 능력을 분석한다.
• 군집화 방법은 이질적 사례를 탐지하고 유사한 청구를 그룹화하여 추가 조사에 활용한다.
• 연관 규칙 마이닝은 청구 속성 간의 빈도 높은 패턴과 관계를 식별하여 사기 가능성을 시사한다.
• 본 종합 검토는 실제 보험 데이터셋에서의 정확도, 정밀도, 재현율 및 계산 효율성 기반으로 이러한 기법의 성능을 평가한다.

실험 결과

연구 질문

• RQ1 대규모 데이터셋에서 보험 사기를 탐지하는 데 가장 효과적인 데이터 마이닝 기법은 무엇인가?
• RQ2 분류, 군집화, 연관 규칙 마이닝은 사기 탐지 정확도와 효율성 측면에서 어떻게 비교되는가?
• RQ3 특히 데이터 품질과 복잡성 측면에서 데이터 마이닝을 보험 사기 탐지에 적용할 때의 주요 과제는 무엇인가?
• RQ4 이러한 기법들은 실제 보험 시스템에서 가짜 경고를 어떻게 줄이고 탐지율을 향상시키는가?
• RQ5 현재 데이터 마이닝 기반 보험 사기 탐지 프레임워크의 한계와 열린 연구 과제는 무엇인가?

주요 결과

• 데이터 마이닝 기법은 대규모 데이터셋 내 복잡한 패턴을 식별함으로써 보험 사기 탐지 능력을 크게 향상시킨다.
• 서포트 벡터 머신과 신경망과 같은 분류 기법은 사기성 청구와 정상 청구를 높은 정확도로 구분하는 데 효과적이다.
• 군집화 기법은 이질적 사례와 비정상적인 청구 패턴을 탐지하는 데 효과적이며, 이는 사기 가능성을 시사할 수 있다.
• 연관 규칙 마이닝은 청구 유형과 빈도 등의 청구 속성 간 숨겨진 관계를 밝혀내어 사기와 관련된 패턴을 발견하는 데 기여한다.
• 여러 데이터 마이닝 기법의 통합은 종합적인 탐지 성능을 향상시키고 가짜 경고 비율을 낮춘다.
• 그럼에도 불구하고 실제 보험 응용 분야에서 데이터 품질, 특징 선택, 모델의 해석 가능성 등의 과제가 남아 있다.