Quiz collegato alla guida · Medio Livello

Quiz sul rilevamento delle frodi tramite intelligenza artificiale

Testa lo squilibrio delle classi di frode, i falsi positivi, la modellazione di rete, i segnali di velocità e il cambiamento dei modelli di frode. Controllare l'ambito della valutazione.

Domanda 1 di 8

Perché le sole regole fisse (ad esempio, "addebiti per blocco superiori a $ 5.000") sono spesso inadeguate per le frodi?

Anteprima di ogni domanda8 domande

Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.

  1. Perché le sole regole fisse (ad esempio, "addebiti per blocco superiori a $ 5.000") sono spesso inadeguate per le frodi?
    • La frode è contraddittoria e in continua evoluzione, pertanto le regole diventano obsolete
    • Sono troppo costosi da scrivere
    • Le banche non sono autorizzate a utilizzare le regole
    • Le regole funzionano solo nei fine settimana
  2. Lo "squilibrio di classe" nell'individuazione delle frodi si riferisce al fatto che:
    • Ci sono troppe banche
    • Le transazioni fraudolente rappresentano una piccola parte di tutte le transazioni
    • Tutti i clienti spendono la stessa cifra
    • I dati sono archiviati nel file di classe sbagliato
  3. Un "falso positivo" nel rilevamento delle frodi significa:
    • È mancata una vera frode
    • Il sistema è andato in crash
    • Una transazione legittima è stata erroneamente contrassegnata come frode
    • Si è verificato un addebito duplicato
  4. What challenge can neighbor-based message propagation create for a fraud GNN?
    • It guarantees every linked account is fraudulent
    • It removes all concept drift from the data
    • It prevents investigators from reviewing transactions
    • Neighbor and hub effects can amplify class-imbalance problems
  5. Quale segnale è un esempio di "velocità" nel monitoraggio delle transazioni?
    • Molte cariche si verificano in pochi minuti
    • Il compleanno del cliente
    • Il colore della carta
    • Il logo della banca
  6. What fraud typology did FinCEN’s 2024 deepfake alert describe?
    • Deepfakes that automatically reverse settled transactions
    • Deepfake media and fraudulent identity documents used to evade identity verification or authentication
    • A rule requiring banks to reject every voice call
    • Synthetic identities that prove a customer committed a crime
  7. Why can accuracy be misleading for a highly imbalanced fraud dataset?
    • Accuracy is always equal to recall
    • Fraud labels are never used
    • A model can score high accuracy by predicting the majority legitimate class while missing fraud
    • The test set must contain no legitimate transactions
  8. What is one reason a graph model can help identify linked fraud patterns?
    • It removes the need for labels or investigation
    • It proves that connected accounts are criminal
    • It guarantees real-time detection
    • It can represent relationships among accounts, transactions, or devices