SubsidieMeestersFraudedetectie met Natural Language processing en AI
Dit project onderzoekt de haalbaarheid van een fraudedetectiesysteem dat gestructureerde data aanvult met ongestructureerde tekstdata via NLP en AI voor betere detectie van fraude.
Projectdetails
Inleiding
Automatische fraude-detectie bij banken vindt op dit moment vooral plaats op basis van tabulaire gegevens (gestructureerde data) en graven. Transacties kunnen bijvoorbeeld als frauduleus worden aangemerkt op basis van tijdstip, netwerken van tegenpartijen, hoogte van het bedrag, etc.
Huidige situatie
Huidige partijen passen anomalie detectie algoritmes toe op dit soort gegevens en trachten op die manier fraudegevallen te vinden. Er wordt vrijwel nog geen gebruik gemaakt van ongestructureerde (tekst)data. Toch is deze in hoge mate voorhanden in de vorm van:
- archiefdata
- klantdocumentatie
- omschrijvingen in transacties
- en dergelijke.
Projectdoel
In dit project onderzoekt Documole de technische en economische haalbaarheid van fraudedetectieprogrammatuur die gestructureerde gegevens op basis van NLP en AI aanvult met tientallen tot honderden datapunten uit ongestructureerde data. Dit moet uitmonden in betere modellen en een grotere pakkans voor fraudeurs.
Financiële details & Tijdlijn
Financiële details
| Subsidiebedrag | € 20.000 |
Tijdlijn
| Startdatum | Onbekend |
| Einddatum | Onbekend |
| Subsidiejaar | 2020 |
Partners & Locaties
Projectpartners
- Aanvrager geen rechtspersoonpenvoerder
Land(en)
Vergelijkbare projecten binnen MIT Haalbaarheid
| Project | Regeling | Bedrag | Jaar | Actie |
|---|---|---|---|---|
Fraude ImmuniteitHet project onderzoekt de haalbaarheid van een algoritme dat criminelen valideert om burgers te beschermen tegen phishing en digitale oplichting. | Mkb-innovati... | € 20.000 | 2022 | Details |
Project HominisHet project richt zich op het ontwikkelen van een ethisch AI-systeem voor natuurlijke taalverwerking dat vooroordelen minimaliseert en technische, economische en regelgevingsrisico's beheert. | Mkb-innovati... | € 20.000 | 2022 | Details |
Federated Learning for Finance And ConTrole (FACT)Het project ontwikkelt een decentrale machine learning-softwareoplossing om de financiële boekhouding te verbeteren door uitzonderingen te clusteren en controle te vereenvoudigen, zonder gevoelige data te delen. | Mkb-innovati... | € 20.000 | 2023 | Details |
Haalbaarheidsonderzoek OSINT-CWeb-IQ onderzoekt de haalbaarheid van het automatiseren en versnellen van de screening van klantprofielen tegen PEP-/sanctielijsten om handmatige fouten te verminderen en efficiëntie te verhogen. | Mkb-innovati... | € 20.000 | 2022 | Details |
LetsOpp AI PlatformHet project onderzoekt de haalbaarheid van een AI-platform dat met NLP deelnemersinformatie uit groepssessies verzamelt, interpreteert en categoriseert, en automatisch vragen genereert. | Mkb-innovati... | € 20.000 | 2021 | Details |
Fraude Immuniteit
Het project onderzoekt de haalbaarheid van een algoritme dat criminelen valideert om burgers te beschermen tegen phishing en digitale oplichting.
Project Hominis
Het project richt zich op het ontwikkelen van een ethisch AI-systeem voor natuurlijke taalverwerking dat vooroordelen minimaliseert en technische, economische en regelgevingsrisico's beheert.
Federated Learning for Finance And ConTrole (FACT)
Het project ontwikkelt een decentrale machine learning-softwareoplossing om de financiële boekhouding te verbeteren door uitzonderingen te clusteren en controle te vereenvoudigen, zonder gevoelige data te delen.
Haalbaarheidsonderzoek OSINT-C
Web-IQ onderzoekt de haalbaarheid van het automatiseren en versnellen van de screening van klantprofielen tegen PEP-/sanctielijsten om handmatige fouten te verminderen en efficiëntie te verhogen.
LetsOpp AI Platform
Het project onderzoekt de haalbaarheid van een AI-platform dat met NLP deelnemersinformatie uit groepssessies verzamelt, interpreteert en categoriseert, en automatisch vragen genereert.
Vergelijkbare projecten uit andere regelingen
| Project | Regeling | Bedrag | Jaar | Actie |
|---|---|---|---|---|
DeepDetectIDHet project ontwikkelt DeepDetectID, een schaalbaar AI-platform voor het detecteren van deepfakes in audio, video en foto's ter ondersteuning van identiteitsverificatie en veiligheid. | Mkb-innovati... | € 200.000 | 2021 | Details |
AuthentiQHet project richt zich op het versterken van deepfake detectie en het combineren van biometrische checks voor veilige gebruikersidentificatie en -authenticatie. | Mkb-innovati... | € 142.857 | 2023 | Details |
Intenties van tekst herkennen middels neurale netwerkenMaxwell Labs en Xomnia ontwikkelen een intelligente cognitieve engine voor natural language processing van Europese talen, gericht op verbeterde intent herkenning via neurale netwerken. | Mkb-innovati... | € 199.960 | 2019 | Details |
Developing Bias Auditing and Mitigation Tools for Self-Assessment of AI Conformity with the EU AI Act through Statistical MatchingAct.AI aims to enhance AI fairness and compliance with the EU AI Act by providing a versatile, plug-and-play tool for continuous bias monitoring across various data types and industries. | ERC Proof of... | € 150.000 | 2024 | Details |
Next-Generation Natural Language GenerationThis project aims to enhance natural language generation by integrating neural models with symbolic representations for better control, adaptability, and reliable evaluation across various applications. | ERC Starting... | € 1.420.375 | 2022 | Details |
DeepDetectID
Het project ontwikkelt DeepDetectID, een schaalbaar AI-platform voor het detecteren van deepfakes in audio, video en foto's ter ondersteuning van identiteitsverificatie en veiligheid.
AuthentiQ
Het project richt zich op het versterken van deepfake detectie en het combineren van biometrische checks voor veilige gebruikersidentificatie en -authenticatie.
Intenties van tekst herkennen middels neurale netwerken
Maxwell Labs en Xomnia ontwikkelen een intelligente cognitieve engine voor natural language processing van Europese talen, gericht op verbeterde intent herkenning via neurale netwerken.
Developing Bias Auditing and Mitigation Tools for Self-Assessment of AI Conformity with the EU AI Act through Statistical Matching
Act.AI aims to enhance AI fairness and compliance with the EU AI Act by providing a versatile, plug-and-play tool for continuous bias monitoring across various data types and industries.
Next-Generation Natural Language Generation
This project aims to enhance natural language generation by integrating neural models with symbolic representations for better control, adaptability, and reliable evaluation across various applications.