Please use this identifier to cite or link to this item: https://essuir.sumdu.edu.ua/handle/123456789/90554
Or use following links to share this resource in social networks: Recommend this item
Title Financial Fraud Detection on Social Networks Based on a Data Mining Approach
Authors Bozhenko, Viktoriia Volodymyrivna  
Mynenko, Serhii Volodymyrovych  
Shtefan, A.
ORCID http://orcid.org/0000-0002-9435-0065
http://orcid.org/0000-0003-3998-9031
Keywords шахрайство
мошенничество
fraud
система виявлення
система обнаружения
detection system
соціальні медіа
социальные медиа
social media
соціальна інженерія
социальная инженерия
social engineering
збір даних
сбор данных
data mining
Type Article
Date of Issue 2022
URI https://essuir.sumdu.edu.ua/handle/123456789/90554
Publisher Sumy State University
License Creative Commons Attribution 4.0 International License
Citation Bozhenko, V., Mynenko, S. & Shtefan, A. (2022). Financial Fraud Detection on Social Networks Based on a Data Mining Approach. Financial Markets, Institutions and Risks, 6(4), 119-124. https://doi.org/10.21272/fmir.6(4).119-124.2022
Abstract У статті узагальнено аргументи та контраргументи в рамках наукової дискусії з проблеми дослідження фінансових махінацій в Інтернеті. Основною метою дослідження є розробка методичних засад виявлення фінансового кібершахрайства в соціальних мережах на основі аналізу коментарів для виявлення релевантних текстових шаблонів, які можуть свідчити про спроби маніпулювання та подальше шахрайство. Актуальність вирішення даної наукової проблеми зумовлена тим, що масове залучення користувачів мережі Інтернет до соціальних взаємодій у віртуальному середовищі сприяло розвитку різноманітних злочинних схем, а також особисті дані, які первинно вводяться під час реєстрації та відомості, які публікується в соціальних мережах, може бути використаний шахраєм для здійснення незаконних фінансових операцій. Дослідження питання виявлення фінансових шахрайств у соціальних мережах у статті здійснюється в такій логічній послідовності: збір коментарів із відповідним запитом під публікаціями у соціальній мережі за допомогою інструменту Instaloader; об'єднання коментарів у групи за схожістю змісту; проведення попередньої обробки текстових даних (розкладання тексту на простіші компоненти (лексеми) і зведення однотипних словоформ до їх основної словникової форми); визначення рівня подібності текстових даних за допомогою косинуса подібності; побудова кластерів текстових даних, які можуть свідчити про наявність ознак фінансового шахрайства під відповідними коментарями в соціальних мережах. Instagram був обраний для виявлення шахрайських операцій у соціальних мережах. Аналіз коментарів у соціальній мережі Instagram для виявлення текстових шаблонів показав, що пропозиції та звернення від певних груп людей і рекламовані в коментарях за допомогою спаму небезпечні. За результатами дослідження було зроблено висновок, що національним регуляторам необхідно посилити громадський контроль за Інтернетом, а також вдосконалити систему безпеки на технічному рівні шляхом використання новітніх методів машинного навчання для виявлення спроб вчинення протиправних дій з подальше застосування санкцій до таких користувачів у соціальних мережах.
The article summarizes the arguments and counter-arguments within the scientific debate on the issue of researching financial frauds in the Internet. The main goal of the research is to develop methodological principles for identifying financial cyber fraud in social networks based on the analysis of comments to identify relevant text patterns that may indicate manipulation attempts and further fraud. The urgency of solving this scientific problem is due to the fact that the mass involvement of Internet users in social interactions in the virtual environment has contributed to the development of various criminal schemes, as well as personal data that is initially entered during registration and information that is published in social networks can be used by a fraudster to carry out illegal financial transactions. The study of the issue of identifying financial fraud in social networks in the article is carried out in the following logical sequence: collecting comments with a corresponding request under publications in the social network using the Instaloader tool; combining comments into groups based on content similarity; conducting preliminary processing of text data (decomposing the text into simpler components (tokens) and reducing similar word forms to their main dictionary form); determination of the level of similarity of text data using the cosine of similarity; building clusters of text data that can indicate the presence of signs of financial fraud under relevant comments in social networks. Instagram was chosen to identify fraudulent operations in social networks. The analysis of comments on the social network Instagram to identify text patterns showed that offers and appeals from specific groups of people and promoted in comments with the help of spam are dangerous. Based on the results of the study, it was concluded that national regulators need to strengthen public control of the Internet, as well as improve the security system at the technical level by using the latest machine learning methods to identify attempts to commit illegal actions with the subsequent imposition of sanctions on such users in social networks.
Appears in Collections: Financial Markets, Institutions and Risks (FMIR)

Views

Algeria Algeria
1
Australia Australia
-1149480377
Bahrain Bahrain
1
Bangladesh Bangladesh
381274989
Brazil Brazil
1
Canada Canada
846408
China China
-1149480375
Egypt Egypt
1
Finland Finland
1493319751
Germany Germany
41886
Hong Kong SAR China Hong Kong SAR China
-1395918012
India India
-1149480370
Indonesia Indonesia
-520034657
Iran Iran
1
Iraq Iraq
1
Ireland Ireland
-1149480371
Italy Italy
1
Japan Japan
-1318139036
Kazakhstan Kazakhstan
33508004
Malaysia Malaysia
441992266
Mauritius Mauritius
1
Morocco Morocco
1
Netherlands Netherlands
10069154
Nicaragua Nicaragua
1
Philippines Philippines
1493319755
Poland Poland
1
Portugal Portugal
33508009
Romania Romania
1
Saudi Arabia Saudi Arabia
1
Singapore Singapore
1
Switzerland Switzerland
19
Taiwan Taiwan
33508002
Turkey Turkey
1
Ukraine Ukraine
-520034655
United Kingdom United Kingdom
-520034672
United States United States
-520034658
Unknown Country Unknown Country
-413211652

Downloads

Australia Australia
-520034663
Austria Austria
1
Bangladesh Bangladesh
1
Brazil Brazil
-1149480367
Canada Canada
846410
China China
-1288747180
Egypt Egypt
1187305103
Finland Finland
1
France France
1
Germany Germany
1
Ghana Ghana
1
Hong Kong SAR China Hong Kong SAR China
1
India India
-1149480369
Indonesia Indonesia
-520034656
Iran Iran
472
Ireland Ireland
1
Israel Israel
1
Italy Italy
1
Japan Japan
1
Malaysia Malaysia
1
Netherlands Netherlands
5523
Nicaragua Nicaragua
1
Philippines Philippines
-520034676
Poland Poland
1
Portugal Portugal
1
Romania Romania
1326
Saudi Arabia Saudi Arabia
1
Switzerland Switzerland
1
Turkey Turkey
-1288747178
Uganda Uganda
222069
Ukraine Ukraine
762549978
United Kingdom United Kingdom
-520034671
United States United States
-520034676
Unknown Country Unknown Country
-520034675
Vietnam Vietnam
1

Files

File Size Format Downloads
Bozhenko_fmir_4_2022.pdf 368.18 kB Adobe PDF -1750764916

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.