With financial support of the Preven4on of and Fight against Crime Programme European Commission - Directorate- General Home Affairs

Transcript

1 WEB PRO ID - Developing web- based data collec4on modules to understand, prevent and combat ID related crimes and facilitate their inves4ga4on and prosecu4on With financial support of the Preven4on of and Fight against Crime Programme European Commission - Directorate- General Home Affairs CONFERENZA FINALE Data mining per la prevenzione dei crimini d iden4tà V. FalleZa, A. Cordioli, F. Francesconi Trento, Febbraio 2014 Università degli Studi di Trento Facoltà di Giurisprudenza Coordinator Scien-fic partner Technological and ins-tu-onal partners

2 Sommario 1. Data Mining: mo-vazioni 3 2. Definizioni, tecniche, metodologie Applicazioni: Data Mining e Crimini di Iden-tà 19

3 ecrime\ Conferenza Finale, Febbraio 2014 Sezione 1 Data Mining: mo4vazioni

4 Data Mining: Mo4vazioni Alcuni fa*: La nostra società produce e consuma da- TuGe le nostre azioni, se registrate, sono fon- di da-: Telefonate Percorsi in mobilità Interazioni sociali S-li di navigazione Elaboriamo da- da molteplici fon-: No-ziari Trasporto pubblico Social networks E- Commerce Negli ul-mi anni crescita esplosiva di da- non strugura- 4

5 Un po di numeri Da- dal web Quan- da- crea- ogni minuto? [DOMO 2012] S-ma del n. uten- Internet: 2,1 miliardi 1. Data Mining: mo-vazioni 5 2. Definizioni, tecniche, metodologie 3. Applicazioni: Data Mining e Crimini di Iden-tà

6 Un po di numeri Immagini sul web Big Photo [MetaLayer 2012] Ogni mese gli uten- di Facebook caricano 6 miliardi di foto, pari a quelle contenute complessivamente da flickr Facebook memorizza ogni giorno 600TB di da- nuovi [VLDB2013] Jay Parikh, Vice- president Facebook Infrastructure engineering 6

7 Un po di numeri Oltre i PetaByte: Big Data Impossibili da processare con tradizionali tecnologie di database Le 3 V : Volume, Varietà, Velocità Business fagurato nel 2013: 18,6 miliardi di dollari (+58% dal 2012) Esempi: Oltre 9,8PB di da- al giorno trasmessi su rete telefonica AT&T [2007] Oltre 20PB al giorno processa- da Google [2008] Wal- Mart ges-sce 1M di transazioni all ora, pari a 2,5TB [2010] 7

8 Un po di numeri Amazon S3 (Simple Storage Service) [AWS2013] Dimensione oggego fino a 5TB 6 anni per arrivare a 1 trilione, meno di 1 anno per raddoppiare! Carlos Conde AWS Sr. Manager, Solu-ons Architecture 8

9 Da4 vs. informazioni Mario Rossi! Emilio Castiglione! Nazario Loggia! Ippolito Manna! Ivano Genovesi! Liviano Lorenzo! Crescente Bruno! Sabina Mazzi! Giulia Nucci! Artemia Udinese! Timotea Lucchesi! Lilla Marchesi! Consuelo Milanesi! Alessandra Folliero! Learco Russo! Albina Capon! Nereo Marino! Palmiro Udinese! Augusta Marchesi!!! ! ! ! ! ! ! ! 2644! ! ! ! ! ! ! ! 6288! ! ! ! ! ! 1006! ! ! ! ! ! ! ! 9583! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! 9

10 Data Mining: Mo4vazioni "We are drowning in data, but starving for knowledge We are data rich, but informa-on poor Han, Kamber, Pei Data Mining Concepts and Techniques,

11 ecrime\ Conferenza Finale, Febbraio 2014 Sezione 2 Definizioni, tecniche, metodologie

12 Data Mining: Definizioni Acquisizione di conoscenza a par-re dai da- (Knowledge discovery from data) Estrazione di informazione da un insieme di da- strugura-, sogo forma di pa#ern (schemi) che siano: Non banali Implici- Nascos- Potenzialmente u-li Nomi alterna-vi Knowledge discovery (mining) in databases (KDD), knowledge extrac-on, data/pagern analysis, data archeology, data dredging, informa-on harves-ng, business intelligence, etc. 12

13 Data Mining: Definizioni A cosa serve? Risolvere problemi analizzando da- storici Prevedere il verificarsi di even- nel tempo sulla base di da- storici Come funziona? Individuare pagern ricorren- all interno dei da- Creazione di modelli in grado di elaborare predizioni Come si esprime? White box: modelli in cui i pagern sono interpretabili (e.g.: regole ed alberi decisionali) Black box: modelli in cui i pagern non sono interpretabili (e.g.: modelli sta-s-ci e geometrici) 13

14 Data Mining: Le tecniche Due classi di problemi Apprendimento supervisionato (Supervised learning) Tecniche e modelli di -po prediavo Apprendimento non supervisionato (Unsupervised learning) Tecniche e modelli di -po descriavo Principali tecniche di Data Mining Classificazione Regressione AGribute Importance Associa-on rules Clustering Feature extrac-on Outlier detec-on 14

15 Classificazione Generazione di modelli predi*vi Alberi decisionali CART, C.4.5, Random Forest Generatori di regole RIPPER Algoritmi Bayesiani IF (Genere = uomo ) AND (Reddito = alto ) THEN à Class = A IF (Età <= 30) AND (Status = celibe ) THEN à Class = B Support Vector Machines (SVM) Modello prediuvo 15

16 Clustering Raggruppare i da- simili tra loro Clustering Gerarchico BIRCH, Chamelon Clustering Par-zionale k- Means, k- Medoids, CLARANS Clustering density- based DBSCAN, OPTICS Clustering Grid- Based STING, WaveCluster Clustering Model- based ExpectaOon- MaximizaOon (EM) 16

17 Associa4on rules Market basket analysis Analisi di affinità Ricerca di pagern frequen- Apriori, FP- growth 17

18 Data Mining: Metodologie Elaborazione e trasformazione dei da- Preprocessing, cleaning, anonimizzazione di da- sensibili Analisi intera*va SfruGare feedback utente, scartare pagern inu-li/sbaglia- Evitare overfi*ng / underfi*ng dei da- Modello non troppo complesso né troppo semplice O*mizzazione delle performance Riduzione falsi posi-vi e falsi nega-vi Esempio di metodologia CRISP- DM Cross Industry Standard Process for Data Mining (CRISP- DM)

19 ecrime\ Conferenza Finale, Febbraio 2014 Sezione 3 Applicazioni: Data Mining e Crimini di Iden4tà

20 Data Mining: Applicazioni Supporto decisionale Market analysis & management Analisi dei rischi Web Mining / Text Mining Analisi di forum, , documen- Bio- informa-ca Gene-ca sta-s-ca e computazionale Crime data mining Crime mapping, fraud detec-on 1. Data Mining: mo-vazioni 2. Definizioni, tecniche, metodologie Applicazioni: Data Mining e Crimini di Iden-tà

21 Data Mining e Crimini di iden4tà A proposito dei crimini di iden-tà AGua- da professionis-, similmente ad altri -pi di crimini Difficili da tracciare: crimini strumentali per commegere altri rea- frodi sul credito frodi su internet frodi a società di telecomunicazioni Crescita del fenomeno legata alla tecnologia (internet, telecomunicazioni) Sviluppo in ambito internazionale 21

22 Data Mining e Crimini di iden4tà Crimini di iden-tà in ambito aziendale Si aguano al momento della sogoscrizione di un servizio Fa^ori che favoriscono i crimini di iden-tà: Gestori di telefonia mobile focalizza- su un ra-ng proveniente dal rischio credito Interesse maggiore a verificare disponibilità credito piugosto che iden-tà! Se rischio credito basso, possibilità di avere a disposizione beni e servizi per migliaia di euro Spesso acquis- con carta di credito non richiedono verifica dell iden-tà ma della disponibilità Tempo -pico trascorso tra aguazione frode e rilevazione: da 3 a 4 mesi BolleGe ogni 2 mesi, mese aggiun-vo per contau con cliente 22

23 Data Mining e Crimini di iden4tà Problema-che dei processi di fraud detec-on Volume elevato di sogoscrizioni da analizzare Tempi di risposta devono essere più rapidi possibili Numero limitato di risorse umane (fraud- analyst) Il contributo del Data Mining Tecniche e modelli di -po prediuvo Monitoraggio richieste di sogoscrizione Generazione di un segnale di alert quanto più possibile in tempo reale Obie*vo Assistenza e semplificazione del lavoro dei fraud- analyst Riduzione del numero di casi sospeu da analizzare 23

24 Data Mining e Crimini di iden4tà Requisi- di un alert system Integrabile nei processi aziendali Basato su modelli prediuvi veloci e dinamici Modelli aggiornabili periodicamente (ogni mese / giorno / ora) Personalizzabile in base alle esigenze dell operatore (prodou/servizi vari) Sicurezza e affidabilità (poca manutenzione) Self- learning, in grado di sfrugare feedback analyst Tu^o questo è WASP. 24

25 ecrime\ Seminari di formazione, 27 Gennaio 2014 Grazie per l azenzione! Domande?