معماری تشخیص تقلب بر بستر کلان‌ داده و یادگیری ماشین

1. ‫هؼواری‬ُ‫داد‬ ‫کالى‬ ‫تستر‬ ‫تر‬ ‫تقلة‬ ‫تطخیع‬
ٍ‫هاضیي‬ ‫یادگیری‬
‫اًفَرهاتیک‬ ‫خذهات‬ ‫ضرکت‬ ‫تجاری‬ ‫َّش‬ ٍُ‫گر‬
‫ًػیری‬ ‫الذیي‬ ‫جالل‬ ‫دکتر‬
-‫اًفَرهاتیک‬ ‫خذهات‬ ‫ضرکت‬ ‫هطاٍر‬
-‫پایا‬ ‫آریا‬ ‫هلی‬ ًِ‫ساها‬ ‫در‬ ‫تقلة‬ ‫تطخیع‬ ُ‫پرٍش‬ ‫فٌی‬ ‫هذیر‬
-J_Nasiri@isc.co.ir
‫رضایی‬ ‫الْام‬ ‫هٌْذس‬
-‫هلی‬ ‫ّای‬ ًِ‫ساها‬ ‫در‬ ‫ارضذ‬ ‫تحلیلگر‬‫پرداخت‬
e_rezaee@isc.co.ir

2. 1
‫تقلة‬‫چیست‬‫؟‬
‫فؼالیت‬ ًَِ‫ّرگ‬ ِ‫ت‬‫هٌافغ‬ ‫جْت‬ ‫در‬ ‫دیگراى‬ ‫حقَق‬ ‫از‬ ُ‫استفاد‬ ‫سَء‬ ٍ ‫هجاز‬ ‫غیر‬‫گَیٌذ‬ ‫تقلة‬ ‫خَد‬.
1
‫آثار‬‫تقلة‬
‫زیاى‬‫هستقین‬‫تاًک‬‫ّا‬‫از‬‫اًجام‬‫تراکٌص‬‫ّای‬ًِ‫هتقلثا‬
‫خارج‬‫ضذى‬‫ترخی‬‫هطتریاى‬‫از‬ُ‫استفاد‬‫از‬‫ترخی‬‫سرٍیس‬‫ّا‬
‫از‬‫دست‬‫دادى‬‫اػتواد‬‫هطتریاى‬
...

3. 2
‫تقلة‬ ‫رضذ‬
2
‫است‬ ِ‫گرفت‬ ‫صَرت‬ ‫تقلب‬ ‫آًْا‬ ‫در‬ ِ‫ک‬ ‫هالی‬ ‫ّای‬ ‫ضرکت‬ ‫درصذ‬ ‫ارٍپا‬ ‫هرکسی‬ ‫باًک‬ ‫گسارش‬ ِ‫ب‬ ‫تقلب‬ ‫تغییرات‬ ‫رًٍذ‬

4. 33
‫سال‬ ‫در‬ ‫تقلب‬ ‫آهار‬2013 ‫تقلب‬ ‫ضٌاسایی‬ ‫عَاهل‬
‫تقلة‬ ‫رٍضْای‬ ‫تَزیغ‬ ٍ ‫تقلة‬ ‫ضٌاسایی‬ ‫ػاهل‬

5. 4
‫افسایص‬ ‫چرا‬‫تقلة؟‬
•‫هتَقف‬ ‫در‬ ‫تَاًایی‬ ‫ػذم‬‫تقلة‬ ِ‫ّو‬ ‫ًوَدى‬
•‫تکٌَلَشی‬ ‫پیطرفت‬‫ّا‬ ‫سرٍیس‬ ٍ ‫خذهات‬ ‫افسایص‬
•‫تقلة‬‫تیطتر‬ ‫درآهذ‬
•‫جذیذ‬ ‫اهٌیتی‬ ‫ّای‬ ‫رٍش‬ ‫سازی‬ ُ‫پیاد‬ًِ‫هتقلثا‬ ‫رٍضْای‬ ‫افسایص‬‫جدید‬
4

6. 5
‫تقلة‬ ‫کطف‬ ‫سیستن‬ ‫هؼواری‬
5

7. 6
‫تقلة‬ ‫کطف‬ ‫سیستن‬ ‫اطالػاتی‬ ‫اقالم‬
6
‫تراکٌص‬ ‫اًجام‬ ‫تاریخ‬
‫اًجام‬ ‫ساعت‬
‫تراکٌص‬
‫تراکٌص‬ ‫اًجام‬ ‫هحل‬ ATM,POS,INTE
RNET,BRANCH
,…
‫سي،ضغل،تحصیالت‬
ٍ ‫تاّل‬ ‫ٍضعیت‬...
‫هقذار‬ ِ‫چ‬
‫کسی‬ ِ‫چ‬ ‫تَسط‬
‫کسی‬ ِ‫چ‬ ِ‫ب‬
‫تراکٌص‬ ‫ًَع‬
‫اطالعات‬
‫تکویلی‬
‫اطالعات‬
‫جغرافیلی‬
‫کاًال‬
‫اًجام‬
‫تراکٌص‬
‫اطالعات‬
‫زهاًی‬
‫اطالعات‬
‫تراکٌص‬
، ‫سالیق‬ ‫بررسی‬
ِ‫طبق‬ ٍ ‫عادات‬
‫با‬ ‫ضخص‬ ‫اجتواعی‬
‫جاری‬ ‫تراکٌص‬
‫از‬ ‫تراکٌص‬ ِ‫سابق‬
‫هکاى‬ ‫ایي‬
‫ضخص‬ ‫حضَر‬ ‫اهکاى‬
‫هکاى‬ ‫ایي‬ ‫در‬
‫از‬ ُ‫استفاد‬ ِ‫سابق‬
‫کاًال‬ ‫ایي‬
ُ‫استفاد‬ ‫اهکاى‬
‫کاًال‬ ‫از‬ ‫ضخص‬
‫از‬ ُ‫استفاد‬ ِ‫سابق‬
‫تاریخ‬ ‫ایي‬
ُ‫استفاد‬ ‫اهکاى‬
‫ایي‬ ‫از‬ ‫ضخص‬
‫ساعت‬
‫با‬ ‫تراکٌص‬ ِ‫سابق‬
‫هبلغ‬ ُ‫هحذٍد‬
ِ‫ب‬ ‫تراکٌص‬ ِ‫سابق‬
‫فرد‬/‫افراد‬

8. 7
‫تقلة‬ ‫کطف‬ ‫سیستن‬ ‫هؼواری‬
7

9. 88
‫تقلب‬ ‫کطف‬ ‫سیستن‬ ‫هطخصات‬
‫تقلة‬ ‫ًَع‬ ‫اساس‬ ‫تر‬ ‫گیری‬ ‫تػوین‬

10. 999
‫تقلة‬ ‫تا‬ ِْ‫هَاج‬ ‫ّای‬ ‫فؼالیت‬

11. 101010
‫تقلة‬ ‫تا‬ ِ‫هَاج‬ ‫ترای‬ ‫گیری‬ ‫تػوین‬ َ‫سٌاری‬

12. 111111
‫تقلة‬ ‫کطف‬ ‫سیستن‬ ‫هؼواری‬

13. ‫تقلة‬ ‫تطخیع‬ ‫آًالیسّای‬ ‫اًَاع‬ ‫تٌذی‬ ِ‫دست‬
12
© 2014 Deloitte The Netherlands

14. 1)‫قَاػذ‬ ‫تر‬ ‫هثتٌی‬ ‫زیرسیستن‬
13
•ُ‫ضذ‬ ِ‫ضٌاخت‬ ‫الگَّای‬ ٍ ‫آساى‬ ‫ّای‬ ‫تقلة‬ ‫ترای‬ ‫هٌاسة‬.
•‫کن‬ ‫پیچیذگی‬ ٍ ‫تاال‬ ‫سرػت‬ ‫داری‬.
•‫جذیذ‬ ‫ّای‬ ‫تقلة‬ ‫هقاتل‬ ‫در‬ ‫ضؼیف‬ ‫تسیار‬.
‫هثال‬:
‫تاضذ‬ ِ‫داضت‬ ‫خَاست‬ ‫در‬ ‫کیص‬ ‫از‬ ‫کن‬ ‫زهاى‬ ‫هذى‬ ‫در‬ ‫تَاًذ‬ ‫ًوی‬ ‫است‬ ِ‫داضت‬ ‫تراکٌص‬ ‫تْراى‬ ‫از‬ ِ‫ک‬ ‫فردی‬.
‫کٌذ‬ ‫ثثت‬ ‫تراکٌص‬ ‫تؼطیل‬ ‫رٍز‬ ‫در‬ ‫تَاًذ‬ ‫ًوی‬ ‫تاًک‬ ‫کارهٌذ‬.

15. 14
2)‫پرٍفایل‬ ‫تر‬ ‫هثتٌی‬ ‫سیستن‬ ‫زیر‬
‫سایر‬
‫ضْرّا‬
‫ضْر‬
‫دٍم‬
‫ضْر‬
‫اٍل‬
‫سایر‬ ‫کاًال‬
POS
‫کاًال‬
ATM
‫کاًال‬
‫چک‬
‫هاکسیون‬
‫تراکٌص‬
‫تؼذاد‬
‫تراکٌص‬
ًِ‫رٍزا‬
‫هطتری‬ ‫ًام‬
10% ‫طبس‬
20%
‫تْراى‬
70%
5% 65% 20% 10% 10‫هیلیَى‬ 12 ‫الذیي‬ ‫جالل‬
‫ًصیری‬
1% ‫کیص‬
4%
‫تْراى‬
95%
35% 5% 0% 60% 12‫هیلیارد‬ 107 ‫ضرکت‬‫هفرٍض‬
‫ضْر‬ ‫کاًال‬ ‫هقذار‬
‫تراکٌص‬
ُ‫ضوار‬
‫تراکٌص‬
‫هطتری‬ ‫ًام‬
‫اصفْاى‬ ‫ساتٌا‬ 100‫هیلیَى‬ 21 ‫الذیي‬ ‫جالل‬
‫ًصیری‬
‫باضذ‬ ‫هی‬ ‫فرضی‬ ُ‫ضذ‬ ِ‫ًَضت‬ ‫اطالعات‬.

16. 2)‫پرٍفایل‬ ‫تر‬ ‫هثتٌی‬ ‫سیستن‬ ‫زیر‬
15
‫سٌجی‬ ‫رفتار‬
‫جغرافیایی‬ ‫هتغیرّای‬
‫زهاًی‬ ‫هتغیرّای‬
‫هالی‬ ‫هقذار‬ ‫هتغیرّای‬
‫درخَاستی‬ ‫تراکٌص‬
‫هذل‬‫تجویغ‬
‫هَارد‬ ‫آالرم‬
‫هطکَک‬
‫گیری‬ ‫تػوین‬
‫کاًال‬ ‫هتغیرّای‬
‫هتغیرّای‬....

17. 2)‫پرٍفایل‬ ‫تر‬ ‫هثتٌی‬ ‫سیستن‬ ‫زیر‬
16
‫قَت‬ ‫ًقاط‬:
•‫تقلة‬ ‫جذیذ‬ ‫ّای‬ ‫رٍش‬ ِ‫ت‬ ‫ًسثت‬‫است‬ ‫کارآهذ‬ ‫ًسثتا‬.
•‫است‬ ‫هطخع‬ ،‫ضذى‬ ‫هطکَک‬ ‫ػلت‬.
•‫سیستن‬ ‫زیر‬ ‫هتَسط‬ ‫پیچیذگی‬.
‫ضؼف‬ ‫ًقاط‬:
•‫رفتار‬ ‫تغییر‬ ‫هفَْم‬ ‫پطتیثاًی‬ ‫ػذم‬(Concept Drift)
•‫دارد‬ ‫حساسیت‬ ‫سطح‬ ‫تٌظین‬ ِ‫ت‬ ‫ًیاز‬.
•‫کٌذ‬ ‫ًوی‬ ‫پیذا‬ ‫را‬ ُ‫پیچیذ‬ ‫ّای‬ ‫تقلة‬.
Concept Drift‫؟‬ ‫چیست‬
‫زهاى‬ ‫طَل‬ ‫در‬ ‫هاّیت‬ ‫یک‬ ‫ٍاقؼی‬ ‫رفتار‬ ‫تغییرات‬
‫سایر‬
‫ضْرّا‬
‫ضْر‬
‫دٍم‬
‫ضْر‬
‫اٍل‬
‫سایر‬ ‫کاًال‬
POS
‫کاًال‬
ATM
‫کاًال‬
‫چک‬
‫هاکسیون‬
‫تراکٌص‬
‫تؼذاد‬
‫تراکٌص‬
ًِ‫رٍزا‬
‫هطتری‬ ‫ًام‬
10% ‫طبس‬
20%
‫تْراى‬
70%
5% 65% 20% 10% 50‫هیلیَى‬ 12 ‫الذیي‬ ‫جالل‬
‫ًصیری‬-‫هطاٍر‬
1% ‫هطْذ‬
39%
‫تْراى‬
60%
10% 40% 50% 0% 500‫ّسار‬ 2 ‫الذیي‬ ‫جالل‬
‫ًصیری‬-َ‫داًطج‬

18. 3)‫هاضیي‬ ‫یادگیری‬ ‫تر‬ ‫هثتٌی‬ ‫سیستن‬ ‫زیر‬
17
•‫تاضذ‬ ‫هی‬ ‫ّا‬ ُ‫داد‬ ‫در‬ ‫الگَّا‬ ‫یادگیری‬ ٍ ‫داًص‬ ‫استخراج‬ ‫هاضیي‬ ‫یادگیری‬ ‫رٍضْای‬ ‫در‬ ‫ّذف‬.
•‫ضًَذ‬ ‫هی‬ ‫تقسین‬ ِ‫کالس‬ ‫چٌذ‬ ٍ ِ‫کالس‬ ‫تک‬ ِ‫دست‬ ٍ‫د‬ ِ‫ت‬ ‫هؼوَال‬ ‫هاضیي‬ ‫یادگیری‬ ‫ّای‬ ‫رٍش‬.

19. 3)‫هاضیي‬ ‫یادگیری‬ ‫تر‬ ‫هثتٌی‬ ‫سیستن‬ ‫زیر‬
18
•ِ‫کالس‬ ‫تک‬ ‫ّای‬ ‫رٍش‬ ‫هْوتریي‬:OC-SVM, SVDD, …
•ِ‫کالس‬ ‫چٌذ‬ ‫رٍضْای‬ ‫هْوتریي‬:
•Neural Network, SVM, Decision tree, …
•‫ّستٌذ‬ ‫ترخَردار‬ ‫تیطتری‬ ‫دقت‬ ‫از‬ ِ‫کالس‬ ‫چٌذ‬ ‫ّای‬ ‫رٍش‬ ‫هؼوَال‬.

20. 3)‫هاضیي‬ ‫یادگیری‬ ‫تر‬ ‫هثتٌی‬ ‫سیستن‬ ‫زیر‬
19
‫قَت‬ ‫ًقاط‬:
•ُ‫پیچیذ‬ ‫ّای‬ ‫تقلة‬ ‫کطف‬ ‫تَاًایی‬.
‫ضؼف‬ ‫ًقاط‬:
•‫هاضیي‬ ‫یادگیری‬ ‫تر‬ ‫هثتٌی‬ ‫ّای‬ ‫سیستن‬ ‫تاالی‬ ‫پیچیذگی‬.
•‫ًاهتَازى‬ ‫دادگاى‬ ِ‫هسال‬ ِ‫ت‬ ‫حساس‬(‫پاییي‬ ‫ضکل‬.)
•‫تاضٌذ‬ ِ‫داضت‬ ‫کار‬ ٍ ‫کسة‬ ‫از‬ ‫خَتی‬ ‫درک‬ ِ‫ک‬ ‫کاٍی‬ ُ‫داد‬ ‫هتخػػاى‬ ِ‫ت‬ ‫ًیاز‬.

21. 4)‫اجتواػی‬ ِ‫ضثک‬ ‫تحلیل‬ ‫تر‬ ‫هثتٌی‬ ‫سیستن‬ ‫زیر‬
20
30
2
37
22
5
1
2
3
4
ُ‫ضوار‬
‫هطتری‬
‫اٍل‬
ُ‫ضوار‬
‫هطتری‬
‫دٍم‬
‫هثلغ‬
‫ٍاریسی‬
1 2 30
1 3 5
2 3 22
2 4 2
3 4 37

22. 4)‫اجتواػی‬ ِ‫ضثک‬ ‫تحلیل‬ ‫تر‬ ‫هثتٌی‬ ‫سیستن‬ ‫زیر‬
21
‫تؼریف‬:
•‫اجتواػی‬ ‫ساختاری‬‫ّایی‬ُ‫گر‬ ‫از‬ ِ‫ک‬ ‫است‬(‫ّستٌذ‬ ‫سازهاًی‬ ‫یا‬ ‫فردی‬ ً‫ا‬‫ػوَه‬ ِ‫ک‬)
‫ٍاتستگی‬ ‫از‬ ‫خاظ‬ ‫ًَع‬ ‫چٌذ‬ ‫یا‬ ‫یک‬ ‫تَسط‬ ِ‫ک‬ ‫است‬ُ‫ضذ‬ ‫تطکیل‬—، ‫دٍست‬ ‫هاًٌذ‬
‫اًذ‬ ‫هتػل‬ ‫ّن‬ ِ‫ت‬ ‫هالی‬ ‫تثادالت‬.
‫دارین‬ ‫اجتواػی‬ ‫هالی‬ ِ‫ضثک‬ ‫چٌذیي‬ ‫ها‬ ‫ّا‬ ‫تاًک‬ ِ‫ّو‬ ‫در‬.
-‫کارت‬ ‫ّای‬ ‫سیستن‬
-‫تاًکی‬ ‫هتورکس‬ ًِ‫ساها‬
-.....
•ُ‫گر‬ ‫از‬ ‫ای‬ ِ‫هجوَػ‬ ‫اجتواػی‬ ِ‫ضثک‬ ‫ّر‬(node)‫یال‬ ٍ(edge)‫گردد‬ ‫هی‬ ‫هؼرفی‬.
•‫دارد‬ ‫ٍجَد‬ ‫اجتواػی‬ ِ‫ضثک‬ ‫یک‬ ‫در‬ ‫هفیذی‬ ‫تسیار‬ ‫ساختاری‬ ‫داًص‬.

23. 4)‫اجتواػی‬ ِ‫ضثک‬ ‫تحلیل‬ ‫تر‬ ‫هثتٌی‬ ‫سیستن‬ ‫زیر‬
22
ُ‫ضوار‬
‫هطتری‬
‫اٍل‬
ُ‫ضوار‬
‫هطتری‬
‫دٍم‬
‫هثلغ‬
‫ٍاریسی‬
1 10 30
2 10 5
3 10 22
4 10 2
5 10 37

24. 4)‫اجتواػی‬ ِ‫ضثک‬ ‫تحلیل‬ ‫تر‬ ‫هثتٌی‬ ‫سیستن‬ ‫زیر‬
23

25. 4)‫اجتواػی‬ ِ‫ضثک‬ ‫تحلیل‬ ‫تر‬ ‫هثتٌی‬ ‫سیستن‬ ‫زیر‬
24
‫ّستٌذ؟‬ ‫افرادی‬ ِ‫چ‬ ‫ّستٌذ‬ ‫ّوثٌذ‬ ‫قَی‬ ‫غَرت‬ ِ‫ت‬ ِ‫ک‬ ‫هطتریاى‬
Strongly Connected Component
‫کارترد‬:‫تقلة‬ ‫تطخیع‬ ٍ ‫اػتثارسٌجی‬ ،‫ٍاحذ‬ ‫ریٌفغ‬
‫ضَد؟‬ ‫اًجام‬ ًَِ‫چگ‬ ‫تاًکی‬ ِ‫درضثک‬ ‫ترچسة‬ ‫اًتطار‬
Label Propagation
‫کارترد‬:‫هتقلة‬ ‫فرد‬ ‫ترچسة‬ ‫اًتطار‬

26. 25
‫کجاست؟‬ ‫هطکل‬ ‫پس‬!
So what's the problem?

27. 26
‫تقلة‬ ‫تطخیع‬ ‫ّای‬ ‫سیستن‬ ‫هطکالت‬:
‫تراکٌص‬ ‫تاالی‬ ‫حجن‬
‫تر‬ ‫زهاى‬ ‫تسیار‬ ‫هاضیي‬ ‫یادگیری‬ ‫ّای‬ ‫رٍش‬
‫ای‬ ِ‫راتط‬ ُ‫داد‬ ُ‫پایگا‬ ‫در‬ ‫اجتواػی‬ ‫ّای‬ ِ‫ضثک‬ ‫آًالیس‬ ‫تَاًایی‬ ‫ػذم‬
ِ‫لحظ‬ ‫در‬ ُ‫داد‬ ‫جریاى‬ ‫پردازش‬ ‫تَاًایی‬ ‫ػذم‬
‫ساختاری‬ ِ‫ضث‬ ‫فیلذّای‬(‫ادرس‬ ‫هاًٌذ‬)
‫اطالػاتی‬ ‫اقالم‬ ‫ًثَدى‬ ‫کافی‬(‫جغرافیایی‬ ‫اطالػات‬)

28. 27
‫چیست؟‬ ‫حل‬ ُ‫را‬!

29. 28

30. 292929
‫تقلة‬ ‫کطف‬ ‫سیستن‬ ‫هؼواری‬

31. ُ‫داد‬ ‫کالى‬(Big Data)
30

32. ُ‫داد‬ ‫کالى‬ ‫پردازش‬ ‫ّای‬ ‫تکٌَلَشی‬ ِ‫هجوَػ‬
31

33. 32

34. ‫تاضذ؟‬ ‫هی‬ ‫الزم‬ ‫تقلة‬ ‫تطخیع‬ ‫ترای‬ ُ‫داد‬ ‫کالى‬ ‫چرا‬
33
- Ad-hoc querying and reporting
- Data mining techniques
- Structured data, typical sources
- Small to mid-size datasets
- Optimizations and predictive analytics
- Complex statistical analysis
- All types of data, and many sources
- Very large datasets
- More of a real-time
33

35. ‫تاضذ؟‬ ‫هی‬ ‫الزم‬ ‫تقلة‬ ‫تطخیع‬ ‫ترای‬ ُ‫داد‬ ‫کالى‬ ‫چرا‬
34

36. ‫پردازش‬ ‫تَاى‬ ‫افسایص‬ ‫ّای‬ ُ‫را‬
35

37. 36

38. ‫اسپارک‬ ‫اکَسیستن‬
37
Logistic regression in Hadoop and Spark

39. 38
‫ارسال‬ ‫ترای‬ ‫هیثوی‬ ‫هٌْذس‬ ‫اقای‬ ‫جٌاب‬ ‫از‬ ‫تطکر‬ ‫تا‬“Big Data Storymap”

40. 39
‫هراجغ‬
J.P.Morgan . (2014) .2014 AFP Payments Fraud and Control Survey , Report of Survey Results
www.ismgcorp.com
‫کارت‬ ‫تقلة‬ ‫هذیریت‬ ‫ّای‬‫سیستن‬ ‫تررسی‬.‫کار‬ ٍ ‫کسة‬ ‫هٌْذسی‬ ٍ ‫فٌاٍری‬ ‫هذیریت‬–‫آرر‬ ‫اًفَرهاتیک‬ ‫خذهات‬ ‫ضرکت‬94
The Forrester Wave™: Enterprise Fraud Management, Forrester, 2013
2015 IBM Corporation Fraud Detection & Management System A real time actionable counter fraud decision management system Antonio
Dell’Olio – Senior IT Architect Barbara Camandone – Client IT Manager
Montazer, G. A., & ArabYarmohammadi, S. (2015). Detection of phishing attacks in Iranian e-banking using a fuzzy–rough hybrid system. Applied
Soft Computing, 35, 482-492. doi:10.1016/j.asoc.2015.05.059
Alcaraz, C., Cazorla, L., & Fernandez, G. (2014). Context-Awareness Using Anomaly-Based Detectors for Smart Grid Domains. In Risks and
Security of Internet and Systems (pp. 17-34). Springer International Publishing. doi: 10.1007/978-3-319-17127-2_2
Pfitzmann, B., Powers, C., & Waidner, M. (2007). IBM’s Unified Governance Framework (UGF) Initiative. IBM Research Division. Research Report
RZ, 3699(99709), 10.
Kaisler, S. H., Espinosa, J. A., Armour, F., & Money, W. H. (2014, January). Advanced Analytics--Issues and Challenges in a Global Environment. In
System Sciences (HICSS), 2014 47th Hawaii International Conference on (pp. 729-738). IEEE.
Katal, A., Wazid, M., & Goudar, R. H. (2013, August). Big data: Issues, challenges, tools and Good practices. In Contemporary Computing (IC3),
2013 Sixth International Conference on (pp. 404-409). IEEE.
Mohanty, S., Jagadeesh, M., & Srivatsa, H. (2013). Big Data Imperatives: Enterprise ‘Big Data’Warehouse,‘BI’Implementations and Analytics.
Apress.
Chandola, V., Banerjee, A., & Kumar, V. (2009). Anomaly detection: A survey. ACM computing surveys (CSUR), 41(3), 15.
Doi:10.1145/1541880.1541882
Kovach.S, Ruggiero. W.V. (2011). Online Banking Fraud Detection Based on Local and Global Behavior. The Fifth International Conference on
Digital Society
29-43). ACM.
Dean, J., & Ghemawat, S. (2008). MapReduce: simplified data processing on large clusters. Communications of the ACM, 51(1), 107-113.