Thèse Année : 2022

Highly imbalanced learning, application to fraud detection

Apprentissage fortement déséquilibré, application à la détection de fraude

Rémi Viola

Résumé

Among the missions of the General Direction of Public Finance, there are the calculation of taxes, the control of tax returns and the collection of public revenues. However, some taxpayers, individuals or professionals, try to avoid this obligation to declare their income or pay their taxes.In order to solve this problem, the DGFiP has created a service to program the controls using Machine Learning to develop algorithms, which will allow a computer to learn, from the collected data, to automate non-trivial tasks initially done by humans. The difficulty for the DGFiP lies in the imbalance between the number of interesting cases, the frauds, and the others.This particular context of fraud detection requires specific techniques because traditional Machine Learning algorithms struggle to find the cases of interest due to their too low number.The goal of this thesis is to develop new fraud detection methods to help the DGFiP in its tracking of fraudsters.The first contribution is an adaptation of the k nearest neighbor algorithm to the imbalanced context using a weighting of the distances to the positive examples. The second contribution is an extension of the first one, using a Metric Learning approach and providing theoretical guarantees through the Uniform Stability framework. The third contribution concerns an algorithm for producing interpretable rankings based on Meta-Decision Trees optimizing an adapted measure.
Parmi les missions de la Direction Générale des Finances Publiques, il y a le calcul des impôts, le contrôle des déclarations fiscales et le recouvrement des recettes publiques. Cependant, certains contribuables, particuliers ou professionnels, tentent de se soustraire à cette obligation de déclarer leurs revenus ou de payer leurs impôts. Afin de pallier ce problème, la DGFiP a mis en place un service de programmation des contrôles se servant entre autre de l'Apprentissage Automatique pour élaborer des algorithmes, qui vont permettre à un ordinateur d'apprendre, à partir des données récoltées, à automatiser des tâches non triviales et initialement faites par l'homme. La difficulté pour la DGFiP réside dans le déséquilibre entre le nombre de cas intéressants, les fraudeurs, et le nombre des non-fraudeurs.Ce contexte particulier de la détection de fraudes nécessite des techniques spécifiques car les algorithmes traditionnels peinent à retrouver les cas d'intérêts du fait de leur trop faible nombre.Le but de cette thèse est donc de développer de nouvelles méthodes de détection de fraudes afin d'aider la DGFiP dans sa traque des fraudeurs. La première contribution est une adaptation de l'algorithme des k plus proches voisins au contexte déséquilibré utilisant une pondération des distances aux exemples positifs. La seconde contribution se veut être un prolongement de la première, utilisant une approche d'Apprentissage de Métrique et apportant des garanties théoriques grâce au cadre de Stabilité Uniforme. La troisième contribution porte quant à elle sur un algorithme de génération de classements interprétables basé sur des méta-arbres de décision optimisant une mesure adaptée.
Fichier principal
Vignette du fichier
These-Viola-Remi-2022.pdf (7) Télécharger le fichier
Origine Version validée par le jury (STAR)

Dates et versions

tel-04019636 , version 1 (08-03-2023)

Identifiants

  • HAL Id : tel-04019636 , version 1

Citer

Rémi Viola. Highly imbalanced learning, application to fraud detection. Cryptography and Security [cs.CR]. Université de Lyon, 2022. English. ⟨NNT : 2022LYSES021⟩. ⟨tel-04019636⟩
209 Consultations
111 Téléchargements

Partager

More