Technology Solutions to Detect Fraud
Notice bibliographique
Résumé
This paper discuses the use of technology in the area of fraud detection. Using a number of case studies Eckhardt will discuss various techniques and technology solutions which he has used in the past. It is intended for: management, who has an obligation to certify financial information and the effectiveness of internal control over financial reporting or who has to meet other compliance or operational requirements and; auditors and investigators charged with the audits of financial information, value for money audits or forensic investigations. Since the collapse of Enron on December 2, 2001 and other corporate failures around the world, wide-ranging changes have been made to the regulatory environment of business. Corporate governance has become a common focus for many boards and audit committees. In an attempt to restore confidence in the markets, securities regulators have promulgated various pieces of legislation, namely the Sarbanes-Oxley Act of 2002 in the US and Bill 198 and Multilateral Instrument 52-109 in Canada that require the certification of the design and the effectiveness of internal control over financial reporting by the CEO and CFO. Perhaps one of the more far-reaching revisions to the auditing standards concerns the auditor's responsibility to consider fraud. In all of these new standards and guidelines, technology solutions can play an ever-increasing role to the point where their use is now becoming a necessity, especially in the area of fraud detection.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,005 |
| Communication savante | 0,009 | 0,013 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,007 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,006 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».