Extraction de motifs pour la détection d’anomalies dans des graphes : application à la fraude dans les marchés publics - Archive ouverte HAL
Communication Dans Un Congrès Année : 2023

Extraction de motifs pour la détection d’anomalies dans des graphes : application à la fraude dans les marchés publics

Lucas Potin
Rosa Figueiredo
Vincent Labatut
Christine Largeron

Résumé

In the context of public procurement, several indicators, called red flags, are used to estimate fraud risk. These red flags are calculated according to certain contract attributes and are therefore dependant on the proper filling of the award notices. In this paper, we propose a general framework based on pattern extraction to detect anomalous graphs. It aims to identify subgraph patterns associated with the presence of red flags, in order to construct a set of new red flag indicators. These patterns can then be used in cases where red flags information is missing. Our experiments show that most of the red flags can be retrieved with a small percentage of patterns.
Dans le cadre des marchés publics, il existe plusieurs indicateurs, appelés red flags, permettant d’estimer le risque de fraude. Ces red flags sont calculés en fonction des attributs spécifiques de chaque contrat et sont ainsi dépendants du bon remplissage des notices d’attributions. Dans cet article, nous proposons une méthode basée sur l’extraction de motifs pour la détection d’anomalies dans des graphes. Cette approche générique vise à identifier les sous-graphes associés à la présence de red flags, afin de construire un ensemble de nouveaux indicateurs. Ces motifs peuvent ensuite être utilisés dans les cas où l’information sur les red flags est manquante. Nos expériences confirment que la plupart des red flags peuvent être retrouvés en ne considérant qu’un petit pourcentage de ces motifs.
Fichier principal
Vignette du fichier
EGC_Potin_Longue.pdf (427.99 Ko) Télécharger le fichier
DIAPO_EGC_LUCAS (5).pdf (283.66 Ko) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-03930668 , version 1 (03-02-2023)

Identifiants

  • HAL Id : hal-03930668 , version 1

Citer

Lucas Potin, Rosa Figueiredo, Vincent Labatut, Christine Largeron. Extraction de motifs pour la détection d’anomalies dans des graphes : application à la fraude dans les marchés publics. Extraction et Gestion des Connaissances (EGC), Jan 2023, Lyon, France. pp.289-296. ⟨hal-03930668⟩
114 Consultations
181 Téléchargements

Partager

More