Netzwerkanalysen für die Betrugserkennung im Online-Handel

Der Online-Handel muss einer zunehmenden Frequenz und Komplexität an Betrugsversuchen begegnen. Eine besondere Herausford erung ist es dabei, Betrugsmuster zu erkennen, bei denen unterschiedliche virtuelle Identitäten zum Einsatz kommen. Der vorliegende Beitrag zeigt auf, dass und wie mit Netzwerkanalysen Gruppen verdächtiger Identitäten aufgedeckt werden können. Hierfür wurde in Kooperation mit der arvato Financial Solutions, dem Design-Science-Ansatz folgend, eine prototypische Lösung entwickelt und erprobt, die Algorithmen zur Identifikation und Bewertung von Ähnlichkeiten zwischen virtuellen Identitäten mithilfe einer Graphdatenbank umsetzt und mit einem Werkzeug zur visuellen Netzwerkanalyse interaktiv aufbereitet. Des Weiteren wird demonstriert, welche Relevanz massiv parallele Big-Data-Infrastrukturen in diesem Zusammenhang haben. Die Ergebnisse legen nahe, dass Netzwerk analysen herkömmliche Ansätze aus dem Fraud-Detection-Umfeld ergänzen und für die Identifikation von Betrugsmustern genutzt werden können, die mit herkömmlichen Verfahren nur bedingt erkennbar sind