Neural Network for Self-Checkout Fraud Detection

• Haline Velloso FHO
• Maurício Dias FHO

Resumo

Pessoas que utilizam o serviço de self-checkout nem sempre são honestas ao realizarem as compras e comentem fraudes. Estas fradues normalmente são difíceis de serem identificadas sem colocar as pessoas envolvidas em situações difíceis. Considerando este problema, o objetivo principal deste trabalho de pesquisa é o desenvolvimento de uma Rede Neural Artificial capaz de identificar a presença ou não de fraudes mediante a apresentação dos dados da compra. O banco de dados utilizado nesta pesquisa foi disponibilizado para a Data Mining Cup de 2019. A arquitetura final da RNA desenvolvida foi capaz de classificar corretamente 90% dos casos de teste mostrando que a solução obtida neste trabalho pode ser utilzada no auxílio da verificação de fraudes em self-checkouts.

Referências

Bhatia, P. (2019). Data Mining and Data Warehousing Principles and Practical Techniques. Cambridge University Press, 1st edition.

Buyya, R., Calheiros, R. N., and Dastjerdi, A. V. (2016). Big Data. Morgan Kaufmann, 1st edition.

Corea, F. (2019). An Introduction to Data. Springer International Publishing, 1st edition.

DMC (2019). Data Mining Cup: international student competition. https://www.datamining-cup.com/.

Haykin, S. S. (2009). Neural networks and learning machines. Pearson Education, 3rd edition.

Nissed, S. (2003). Implementation of a Fast Artificial Neural Network Library (FANN). Department of Computer Science University of Copenhagen (DIKU).

Wadhwani, P. and Gankar, S. (2019). Self-Checkout Systems Market Size to exceed $4bn by 2024. Global Market Insights,