Sviluppato all'USI innovativo sistema per meglio identificare le frodi digitali

e2bd0809252ba88df553ab9e82c91268.jpeg

Servizio comunicazione istituzionale

3 Maggio 2021

Da alcuni decenni ci siamo abituati sempre più a usare forme di pagamento digitali, carte di credito in primis, per fare i nostri acquisti, una tendenza che ha visto un’impennata in tempi di coronavirus con gli acquisti online. Dietro la praticità del ‘click&pay’, tuttavia, si nascondono anche alcuni rischi, come le frodi e le relative perdite che restano perlopiù a carico delle società emettrici di carte. Come contrastare le frodi, o perlomeno limitare i danni? All’USI si è da poco concluso un progetto di ricerca, condotto in collaborazione con un’importante società di carte di credito in Svizzera, che propone un innovativo modello probabilistico per una efficiente rilevazione delle transazioni fraudolente.

Si calcola che a livello mondiale le perdite per le società emettrici ammontano a più di 7,15 centesimi per ogni 100 dollari di transazioni con carta di credito – una cifra che in soldoni significa circa 25 miliardi di dollari, e si stima che entro il 2025 questa cifra possa raddoppiare. Ne avevamo riferito nel 2016, quando il Dr. Bruno Buonaguidi, ricercatore all’USI sotto la supervisione della professoressa Antonietta Mira, vinse un assegno di studio dell’AXA Research Fund per condurre il progetto (v. Quicklink a margine). Ora il progetto è concluso e i risultati pubblicati sulla rivista scientifica Bayesian Analysis. Ma in cosa consiste la soluzione ideata all’USI?

"Abbiamo sviluppato un sistema che agisce in due fasi, quella di allenamento seguita da quella di classificazione", spiega il Dr. Buonaguidi. "Il nostro algoritmo studia dapprima il comportamento degli utilizzatori delle carte di credito, per capire le loro abitudini di acquisto, e lo traduce in alcune statistiche, quali tempo medio intercorso, importo medio, distribuzione geografica degli acquisti. Allo stesso tempo vengono studiate anche le caratteristiche di transazioni che sappiamo essere fraudolente (perché per esempio sono state denunciate dai titolari delle carte di credito). L’algoritmo restituisce, per ogni utilizzatore delle carte di credito, una soglia personalizzata che servirà per dichiarare la natura delle transazioni. Nella seconda fase, l’algoritmo calcola per ogni nuova transazione di un utilizzatore di carta di credito la probabilità che tale transazione risulti fraudolenta. Quando tale probabilità supera la soglia di cui al punto precedente, viene lanciato l’allarme di frode – per esempio se il tempo tra due transazioni dovesse essere molto ravvicinato, con importi elevati e in un luogo estraneo a dove in genere avvengono gli acquisti, il modello restituirà una probabilità di frode elevata che presumibilmente supererà la soglia".

Secondo la professoressa Antonietta Mira, che dirige il Data Science Lab dell’USI e che ha supervisionato lo studio, "le prospettive di applicazione da parte del nostro partner di progetto, così come di altre società emettrici di carte di credito, sono buone. Infatti, applicando il nostro algoritmo a dati reali e confrontandolo con altre metodologie di machine learning attualmente utilizzate nel settore, abbiamo rilevato che la percentuale di falsi positivi (cioè delle transazioni legittime classificate come fraudolente) è in media simile, mentre la percentuale dei veri positivi (cioè delle transazioni fraudolente classificate come tali) è mediamente più elevata nel nostro modello".

 

Sul tema degli algoritmi la trasmissione televisiva della RSI 'Tempi moderni' ha dedicato un servizio, con interventi del Dr. Buonaguidi e della Prof.ssa Mira, e con menzione anche del progetto dell'USI sul dispiegamento 'intelligente' di defribillatori in Ticino (v. video sotto).

"Mani invisibili", RSI Tempi moderni, 30.4.2021

Facoltà

Rubriche