Probayes card oct2009_v2

Copyright © 2009 Probayes All Rights Reserved Page: 1

Ref:D091001-PBC-01

Présentation de Probayes “La maîtrise des incertitudes”

“ProbayesCard” Solution

de détection de fraude

à la carte bancaire

Octobre 2009


Ref:D091001-PBC-01

La société

 Créée en 2003 – Basée à Grenoble  Spin-off du INRIA/CNRS  Label JEI, accréditée Crédit Impôt Recherche

 Effectif: 21personnes  Rentable depuis sa création

 Détenue à 100% par fondateurs et employés


Ref:D091001-PBC-01

Notre métier

Développer des solutions logicielles d’aide à la décision basée sur la prévisions des

comportements

Comportements d’objets, de processus, d’êtres vivants


Ref:D091001-PBC-01

Notre approche unique

  Mixer:   Modélisation des incertitudes   Modélisation des connaissances   Données expérimentales

  En utilisant des outils mathématiques puissants:   réseaux bayésiens, chaînes de Markov

CONNAISSANCE + MODELE+ DONNEES= ++ PERTINENCE ++


Ref:D091001-PBC-01

Nos points forts Prendre en compte l’incertitude

Dans presque toutes les applications réelles, les paramètres et les modèles utilisés ne sont pas connus précisément. Il est souvent important de propager quantitativement cette incertitude jusqu’aux résultats.

Utiliser les données expérimentales Raffiner les modèles avec des données expérimentales est l’idée de base de l’identification et de l’apprentissage.

Utiliser les modèles formels L’obtention de modèles fonctionnels précis reliant des variables d’un système à d’autres est la forme la plus achevée de la connaissance. Notre méthodologie peut utiliser ce type d’information et le combiner avec des modèles probabilistes.

Résoudre des problèmes inverses complexes. Beaucoup de problèmes concrets sont dit « inverses » dans le sens où il est facile de savoir le résultat d’une action donnée mais très difficile de connaître les actions menant à un résultat désiré.


Ref:D091001-PBC-01

Nos Marchés

  Finance   Risque opérationnel   Détection fraude & blanchiment

  Gestion de processus (BPM)   Gestion de stock, d’achat   Prévision sur des processus industriels

  Business Intelligence (BI)   Helpdesk, Call-center   Comportement consommateurs/utilisateurs

  Machine to Machine (M2M)   Sûreté, Défense, Automobile, Santé, domotique, énergie   Fusion capteurs, tracking, détection menaces, …


Ref:D091001-PBC-01

Nos Références

  CNCE, La Banque Postale, GCB

  Toyota, Hitachi, Schneider

  Orange, DCNS, Areva, Yahoo

  SAMSE, CCIAG , Somfy, Cotherm


Ref:D091001-PBC-01

Fraude CB: le dilemme

  Les fraudeurs sont intelligents, informés et s’adaptent en permanence.

  Les porteurs peuvent avoir des comportements inhabituels mais ce ne sont pas des fraudeurs

  L’institution financière doit :   Garantir la tranquillité d’usage des porteurs   Limiter le plus possible le montant de la fraude


Ref:D091001-PBC-01

Limites des solutions actuelles

Moteurs de règles:   Les fraudeurs savent en déduire les seuils   Ces seuils doivent être réévalués régulièrement et

manuellement   La multiplication de cas spécifiques fait grossir leur taille et

complique leur maintenance

Moteurs statistiques:   Perte de l’expérience des experts métier   «Boîte noire» empirique


Ref:D091001-PBC-01

Notre réponse: ProBayesCard

ProbayesCard est une solution de détection de fraude à la carte bancaire travaillant sur les demandes d’autorisation, au niveau de la banque émetteur ou au niveau interbancaire et calculant

un scoring carte et transaction en quasi temps réel.

Les algorithmes de détection sont des calculs probabilistes selon des modèles bayésiens comportementaux mis au point par

des experts en monétique et bayésien, spécifiquement pour chaque type de fraude selon les données analysables au

point de traitement.

Les modèles s’auto-adaptent aux évolutions grâce à un calibrage régulier.


Ref:D091001-PBC-01

Solution logicielle de détection de fraudes CB Composants:

  Un moteur de calcul probabiliste dédié   Différents Modèles Spécifiques de détection de fraudes

  Intégrant le meilleur des approches existantes:   Modélisation par expert   Apprentissage des comportements

  Exemple de modèles existants: VAD, Contrefaçon Carte   Modèles à la demande: fraude ciblée avec données client   Génère un score (probabilité de fraude)

Fonctionnement FrontOffice (NearRealTime) ou BackOffice Applicable pour Acquéreur/Interbancaire/ Emetteur

ProBayesCard


Ref:D091001-PBC-01

Exemple d’intégration

Autos J-1

TF

ProbayesCard WorkShop outil étude fraude

Etudes LCLF

Autos//TF N mois

demande d’autorisation

réponse

Histo Autos j-1

BACK OFFICE monétique

@

Service Fraude

X:\\

Alertes PBC

Outil gestion d’alertes et détection différée

Calibrage

Autos H-x

Alertes PBC

X:\\

ProBayesCard NRT : Outil détection

fraude quasi temps-réel

TPE, GAB, e-commerce

+ Score interne

FRONT OFFICE

Le serveur d’autorisation ajuste sa réponse si la carte est dans la liste des cartes en alerte, selon ProbayesCard

Cartes en alerte

Détection Temps Réel

Calibrage

Les alertes ProbayesCard ont un score précis et sont présentées classées selon le risque.


Ref:D091001-PBC-01

Notre démarche 1/Étude==>un modèle adapté aux données et à la fraude visée, testé et mesuré. 2/ Intégration du modèle dans ProbayesCard puis interfaçage chez le

client 3/ Exploitation ==> Constitution d’alertes sur les dernières

autorisations (ex. H+1) - à disposition du serveur Front Office pour action en quasi temps-réel - à disposition du Back Office Fraude pour analyse et action différée

4/ Calibrage ==> adaptation automatique du modèle 5/ Audit => audit/vérification des résultats, qui donnera lieu à:

Poursuite (le modèle est toujours efficace) Remodelage fin (iI reste efficace après aménagement) ou nouvelle étude (la fraude ou le système ont trop changé)

Cette démarche est adaptée pour la fraude récurrente, même mal connue.


Ref:D091001-PBC-01

L’étude

Probayes définit avec le client :   le périmètre du modèle (ex: la fraude e-commerce),   voire le comportement à détecter   le périmètre analysable (ex: les paiements à l’étranger)   les données sur lesquelles s’appuyer :

  Les champs, en détail   Le type de transactions (périmètre analysable)   La profondeur de l’historique

  Les pertinences/performances visées


Ref:D091001-PBC-01

Pré-requis pour l’étude

Le client fournit un historique d’autorisations annotées, au format CSV ou de fichier à plat, avec la structure précise, sur une profondeur de 4 mois au minimum.

Exemple de volume : 6 mois d’historique, pour 40 millions de transactions par mois soit 60 Go de données.

Il est INDISPENSABLE que toutes les transactions frauduleuses (correspondant à la fraude visée) de la période soient présentes et marquées comme telles, et qu’il y n’ait pas d’omission dans les autres.

Sinon : Probayes propose un outil rapide et efficace pour faire

le rapprochement À partir de données Autorisations/TF


Ref:D091001-PBC-01

Modélisation

À moins qu’un comportement particulier soit spécifié par le client et identifié dans les données à analyser Probayes procède à un démarche itérative à partir d’un

premier modèle:   1) Codage du modèle   2) Calibrage/analyse du calibrage   3) Application du modèle/analyse des résultats   4) Examen des bonnes et des mauvaises alertes   5) Au besoin : Modification du modèle, retour en 1 Jusqu’à ce que le modèle atteigne des résultats

satisfaisants


Ref:D091001-PBC-01

Méthode de calcul des résultats

Grace aux données fournies, on «connaît» les autorisations effectivement frauduleuses, ce qui permet de confronter l’avis du modèle et la réalité. La date d’opposition vient en renfort.

Lors de la validation, ProbayesCard questionne le modèle pour chaque autorisation et calcule :

  P(F)= Probabilité de fraude, valeur réelle (plusieurs décimales) entre 0 et 1

  PBC_i avec 0<i<=15, flag « alerte » =1 si P(F) > seuil, Valeur entière entre 0 et 15.

L’espace de probabilités est découpé en 10 ou 15 plages selon le modèle.


Ref:D091001-PBC-01

Méthode de calcul des résultats(2) On déduit, pour chaque seuil :

nombre d’alertes justifiées - Pertinence ou Taux de bonnes alertes ou « pert » = -------------------------------------

nombre d’alertes

nombre de fraudes détectées - Performance ou Taux de Couverture ou « perf » = --------------------------------------

nombre de fraudes

- Efficacité ou « eff » = Performance x Pertinence

- Montant de fraude « Sauvable » = montants fraudes

- Taux de couverture en montant ou « Perf-Mt »= montant fraudes détectées/montant fraudes

- Efficacité en nombre & montant ou « Res » = (pert.perf.perf-mt)1/3

Seuls les montants accordés sont pris en compte. c’est donc de la fraude non couverte par les autres outils de détection temps réel.


Ref:D091001-PBC-01

Livrables de l’étude A l’issue de l’étude, on a:   un modèle utilisable dans ProbayesCard,

  et on connaît son efficacité sur la période fournie:

performance, pertinence, montant sauvé.

  Un rapport décrivant le modèle (spécification, réseau bayésien)

  Un rapport avec les graphiques de distributions sur une période

  Un rapport avec les résultats pour chacun des seuils : pertinence, performance, nombre d’alertes, montant sauvable.

  Une version d’évaluation de ProbayesCard pour 3 mois, permettant au client d’essayer le modèle sur d’autres données (calibrage et détection/validation).


Ref:D091001-PBC-01

Environnement technique

Support de:   Windows XP, Windows VISTA,   MAC OS   Linux Ubuntu, RedHat 32 et 64 bits   d’autres Unix.

Du serveur dédié À la machine de bureautique !

(2 Go de mémoire, disque adapté aux données à traiter)


Ref:D091001-PBC-01

Intégration : Un interfaçage simple L’installation   Définir simplement les emplacements des différents fichiers

(binaires, répertoire de travail, fichiers d’entrée, de sortie)

Le lancement   se fait simplement en mode commandes   Possible depuis n’importe quel programme ou script par un appel système.

La détection

  on peut préciser simplement les paramètres   Seuil minimum pour générer les alertes   Dates et heures de début/fin   Répertoire et noms des fichiers d’entrée   Répertoire des alertes en sortie


Ref:D091001-PBC-01

ProBayesCard: Les bénéfices Efficacité •  Taux très élevés de détection pertinente, temps de calcul court •  Modèles conçus par des experts monétique et modélisation

Flexibilité •  Compromis possible entre performance/pertinence/alerte •  Visibilité sur impact des modèles avant mise en production Evolutivité •  Les modèles s’auto-adaptent à partir des données historiques •  Pas besoin d’intervention manuelle pour modifier des règles

Simplicité d’intégration •  Calibrage sur fichier autorisations/fraude (TF) •  Complète simplement les solutions en place •  En entrée : les demandes d’autos, en sortie les alertes


Ref:D091001-PBC-01

Pour conclure

ProBayesCard

complète les solutions existantes

en particulier pour

des fraudes difficiles à caractériser

avec des règles (VAD par exemple)


Ref:D091001-PBC-01

Nous contacter

Contact Technique :   Diana Pétrot   e-mail : [email protected]   www.probayes.com   +33 (0)4 76 42 64 13

Contact Commercial:   Serge Rigori   e-mail : [email protected]   www.probayes.com   +33 (0)4 76 42 34 24

Economy & Finance

Probayes card oct2009_v2