Présentation de Probayes
    “La maîtrise des incertitudes”



     “ProbayesCard”
         Solution
            de
   dét...
La société


  Créée en 2003 – Basée à Grenoble
  Spin-off du INRIA/CNRS

  Label JEI, accréditée Crédit Impôt Recherch...
Notre métier 

Développer des solutions logicielles
  d’aide à la décision
     basée sur la prévisions des
          comp...
Notre approche unique

    Mixer:
         Modélisation des incertitudes
         Modélisation des connaissances
     ...
Nos points forts
Prendre en compte l’incertitude
   Dans presque toutes les applications réelles, les paramètres et les mo...
Nos Marchés 
    Finance
            Risque opérationnel
            Détection fraude & blanchiment
    Gestion de pro...
Nos Références



    CNCE, La Banque Postale, GCB
    Toyota, Hitachi, Schneider
    Orange, DCNS, Areva, Yahoo
    S...
Fraude CB: le dilemme 

    Les fraudeurs sont intelligents, informés et
     s’adaptent en permanence.
    Les porteurs...
Limites des solutions actuelles

Moteurs de règles:
       Les fraudeurs savent en déduire les seuils
       Ces seuils ...
Notre réponse: ProBayesCard

ProbayesCard est une solution de détection de fraude à la carte bancaire
   travaillant sur l...
ProBayesCard
Solution logicielle de détection de fraudes CB
Composants:
  Un moteur de calcul probabiliste dédié


  Dif...
Exemple d’intégration
                                           + Score OFFICE
                                          ...
Notre démarche
1/Étude==>un modèle adapté aux données et à la fraude visée,
              testé et mesuré.
2/ Intégration ...
L’étude

Probayes définit avec le client :
 le périmètre du modèle (ex: la fraude e-commerce),
 voire le comportement à ...
Pré-requis pour l’étude
Le client fournit un historique d’autorisations annotées, au format
   CSV ou de fichier à plat, a...
Modélisation
À moins qu’un comportement particulier soit spécifié
par le client et identifié dans les données à analyser
P...
Méthode de calcul des résultats

 Grace aux données fournies, on «connaît» les autorisations effectivement
 frauduleuses, ...
Méthode de calcul des résultats(2)
On déduit, pour chaque seuil :
                                                        ...
Livrables de l’étude
A l’issue de l’étude, on a:
   un modèle utilisable dans ProbayesCard,

    et on connaît son effic...
Environnement technique

Support de:
 Windows XP, Windows VISTA,
 MAC OS
 Linux Ubuntu, RedHat 32 et 64 bits
 d’autres...
Intégration : Un interfaçage simple
L’installation
    Définir simplement les emplacements des différents fichiers
      ...
ProBayesCard: Les bénéfices
Efficacité
•  Taux très élevés de détection pertinente, temps de calcul court
•  Modèles conçu...
Pour conclure

ProBayesCard

 complète les solutions existantes

    en particulier pour

      des fraudes difficiles à c...
Nous contacter

Contact Technique :
      Diana Pétrot
      e-mail : diana.petrot@probayes.com
      www.probayes.com
...
Upcoming SlideShare
Loading in...5
×

Probayes card oct2009_v2

785

Published on

Published in: Economy & Finance, Business
0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total Views
785
On Slideshare
0
From Embeds
0
Number of Embeds
0
Actions
Shares
0
Downloads
11
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

Probayes card oct2009_v2

  1. 1. Présentation de Probayes “La maîtrise des incertitudes” “ProbayesCard” Solution de détection de fraude à la carte bancaire Octobre 2009 Copyright © 2009 Probayes All Rights Reserved Page: 1 Ref:D091001-PBC-01
  2. 2. 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 Copyright © 2009 Probayes All Rights Reserved Page: 2 Ref:D091001-PBC-01
  3. 3. 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 Copyright © 2009 Probayes All Rights Reserved Page: 3 Ref:D091001-PBC-01
  4. 4. 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 ++ Copyright © 2009 Probayes All Rights Reserved Page: 4 Ref:D091001-PBC-01
  5. 5. 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. Copyright © 2009 Probayes All Rights Reserved Page: 5 Ref:D091001-PBC-01
  6. 6. 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, … Copyright © 2009 Probayes All Rights Reserved Page: 6 Ref:D091001-PBC-01
  7. 7. Nos Références   CNCE, La Banque Postale, GCB   Toyota, Hitachi, Schneider   Orange, DCNS, Areva, Yahoo   SAMSE, CCIAG , Somfy, Cotherm Copyright © 2009 Probayes All Rights Reserved Page: 7 Ref:D091001-PBC-01
  8. 8. 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 Copyright © 2009 Probayes All Rights Reserved Page: 8 Ref:D091001-PBC-01
  9. 9. 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 Copyright © 2009 Probayes All Rights Reserved Page: 9 Ref:D091001-PBC-01
  10. 10. 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. Copyright © 2009 Probayes All Rights Reserved Page: 10 Ref:D091001-PBC-01
  11. 11. ProBayesCard 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 Copyright © 2009 Probayes All Rights Reserved Page: 11 Ref:D091001-PBC-01
  12. 12. Exemple d’intégration + Score OFFICE FRONT demande interne Autos d’autorisation Le serveur d’autorisation H-x TPE, ajuste sa réponse si la carte GAB, est dans la liste des cartes en e-commerce alerte, selon ProbayesCard X: réponse Calibrage Alertes Cartes en PBC ProBayesCard NRT : alerte Outil détection fraude quasi temps-réel Détection Temps Réel Les alertes ProbayesCard ont un score précis et sont @ présentées classées selon le risque. Histo Autos j-1 Autos//TF N mois Calibrage Alertes PBC TF X: Autos Outil gestion J-1 d’alertes et ProbayesCard WorkShop détection BACK OFFICE outil étude fraude Service Fraude différée monétique Etudes LCLF Copyright © 2009 Probayes All Rights Reserved Page: 12 Ref:D091001-PBC-01
  13. 13. 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. Copyright © 2009 Probayes All Rights Reserved Page: 13 Ref:D091001-PBC-01
  14. 14. 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 Copyright © 2009 Probayes All Rights Reserved Page: 14 Ref:D091001-PBC-01
  15. 15. 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 Copyright © 2009 Probayes All Rights Reserved Page: 15 Ref:D091001-PBC-01
  16. 16. 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 Copyright © 2009 Probayes All Rights Reserved Page: 16 Ref:D091001-PBC-01
  17. 17. 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. Copyright © 2009 Probayes All Rights Reserved Page: 17 Ref:D091001-PBC-01
  18. 18. 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. Copyright © 2009 Probayes All Rights Reserved Page: 18 Ref:D091001-PBC-01
  19. 19. 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). Copyright © 2009 Probayes All Rights Reserved Page: 19 Ref:D091001-PBC-01
  20. 20. 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) Copyright © 2009 Probayes All Rights Reserved Page: 20 Ref:D091001-PBC-01
  21. 21. 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 Copyright © 2009 Probayes All Rights Reserved Page: 21 Ref:D091001-PBC-01
  22. 22. 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 Copyright © 2009 Probayes All Rights Reserved Page: 22 Ref:D091001-PBC-01
  23. 23. Pour conclure ProBayesCard complète les solutions existantes en particulier pour des fraudes difficiles à caractériser avec des règles (VAD par exemple) Copyright © 2009 Probayes All Rights Reserved Page: 23 Ref:D091001-PBC-01
  24. 24. Nous contacter Contact Technique :   Diana Pétrot   e-mail : diana.petrot@probayes.com   www.probayes.com   +33 (0)4 76 42 64 13 Contact Commercial:   Serge Rigori   e-mail : commercial_contact@probayes.com   www.probayes.com   +33 (0)4 76 42 34 24 Copyright © 2009 Probayes All Rights Reserved Page: 24 Ref:D091001-PBC-01
  1. Gostou de algum slide específico?

    Recortar slides é uma maneira fácil de colecionar informações para acessar mais tarde.

×