Not logged in.

Contribution Details

Type Master's Thesis
Scope Discipline-based scholarship
Title Scalable forensic transaction matching: and its application for detecting patterns of fraudulent financial transactions
Organization Unit
Authors
  • Daniel Strebel
Supervisors
  • Philip Stutz
Language
  • English
Institution University of Zurich
Faculty Faculty of Economics, Business Administration and Information Technology
Number of Pages 83
Date 2013
Abstract Text The detection of fraudulent patterns in large sets of financial transaction data is a crucial task in forensic investigations of money laundering, employee fraud and various other illegal activities. Scalable and flexible tools are needed to be able to analyze these large amounts of data and express the complex structures of the patterns that should be detected. This thesis presents a novel approach of locally identifying associations between incoming and outgoing transactions for each participant of the transaction network and then aggregating these associations to larger patterns. The identified patters can be pruned and visualized in a graphical user interface to conduct further investigations. The evaluation of our approach shows that it allows a stream-processing of real-world financial transactions with a throughput of more than one million transactions per minute. Furthermore we demonstrate the capability of our approach to express six sophisticated money laundering patterns, as reported by the Egmont group, and successfully retrieve components that correspond to these patterns. To the best of our knowledge, this approach is the first to scalably identify dependent financial transactions based on local transaction matching, while providing a flexible query language to cover a broad range of financial fraud cases.
Zusammenfassung Die Erkennung von Betrugsmustern in grossen Datenmengen von finanziellen Transaktionsdaten stellt ein integraler Bestandteil forensischer Untersuchungen dar und findet Anwendung bei der Identifizierung von Geldwäscherei, internem Mitarbeiterbetrug und anderen illegalen Aktivitäten. Um diese grossen Datenmengen verarbeiten zu können, werden skalierbare und flexible Lösungen benötigt. Diese Arbeit stellt ein neues Verfahren vor, bei dem Abhängigkeiten zwischen eingehenden und ausgehenden Transaktionen gesucht werden und die daraus entstehenden Komponenten zu grösseren Mustern verbunden werden. Die daraus resultierenden Muster können dann gefiltert und mithilfe einer speziellen graphischen Benutzeroberfläche untersucht werden. Die Evaluation dieses Verfahrens zeigt, dass es eine kontinuierliche Überprüfung von realen Finanztransaktionen mit einem Durchsatz von über einer Million Transaktionen pro Minute ermöglicht. Zudem zeigen wir, dass unser System in der Lage ist, sechs komplexe Geldwäschereimuster auszudrücken und zu erkennen. Das in dieser Arbeit vorgestellte System ist, nach unserem Wissen, das erste welches in der Lage ist, skalierbar und aufgrund lokaler Informationen Finanzbetrugsmuster zu erkennen und dazu eine Abfragesprache bereitstellt, die eine breite Spanne an finanziellen Betrugsmuster ausdrücken kann.
PDF File Download
Export BibTeX