Gids-gekoppelde quiz · Middelmatig Niveau

Quiz voor AI-fraudedetectie

Test het onevenwicht in de fraudeklassen, valse positieven, netwerkmodellering, snelheidssignalen en veranderende fraudepatronen. Evaluatiebereik controleren.

Gerelateerde gidspadenAI-fraudedetectie
Vraag 1 van 8

Waarom zijn vaste regels alleen (bijvoorbeeld 'blokkosten van meer dan $ 5.000') vaak onvoldoende voor fraude?

Bekijk elke vraag8 vragen

Antwoorden en uitleg verschijnen terwijl je de quiz doet.

  1. Waarom zijn vaste regels alleen (bijvoorbeeld 'blokkosten van meer dan $ 5.000') vaak onvoldoende voor fraude?
    • Fraude is vijandig en verandert voortdurend, waardoor regels verouderd raken
    • Ze zijn te duur om te schrijven
    • Banken mogen geen regels hanteren
    • Regels werken alleen in het weekend
  2. ‘Klassenonevenwicht’ bij fraudedetectie verwijst naar het feit dat:
    • Er zijn te veel banken
    • Frauduleuze transacties vormen een klein deel van alle transacties
    • Alle klanten geven hetzelfde bedrag uit
    • Gegevens worden in het verkeerde klassenbestand opgeslagen
  3. Een 'false positive' bij fraudedetectie betekent:
    • Een echte fraude werd gemist
    • Het systeem crashte
    • Een legitieme transactie werd ten onrechte als fraude gemarkeerd
    • Er heeft zich een dubbele afschrijving voorgedaan
  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. Welk signaal is een voorbeeld van ‘velocity’ in transactiemonitoring?
    • Veel kosten vinden plaats binnen een paar minuten
    • De verjaardag van de klant
    • De kleur van de kaart
    • Het logo van de bank
  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