PREDICTING DATA TAMPERING USING AUGMENTED MACHINE LEARNING MODELS

Certain aspects involve using a set of machine learning modeling models for predicting attempts to tamper with records using a fraudulent dispute. A tampering prediction system receives a request from a target entity to modify event data for a historical event, including information about the target entity and the event. The system generates a first score by applying a first set of machine learning models to the information from the request and information about the target entity obtained from a database. They system computes a second score by applying a second machine learning model to event data retrieved from the database. The second machine learning model has been trained using labeled training data and is augmented with a model that has been trained using unlabeled training data. The system generates an overall score for the request based on the first score and the second score. L'invention porte, selon certains aspects, sur l'utilisation d'un ensemble de modèles de modélisation d'apprentissage machine pour prédire des tentatives d'altération avec des enregistrements à l'aide d'un conflit frauduleux. Un système de prédiction d'altération reçoit une demande en provenance d'une entité cible pour modifier des données d'événement pour un événement historique, comprenant des informations concernant l'entité cible et l'événement. Le système génère un premier score en appliquant un premier ensemble de modèles d'apprentissage machine aux informations provenant de la demande et des informations concernant l'entité cible obtenues à partir d'une base de données. Le système calcule un second score en appliquant un second modèle d'apprentissage machine à des données d'événement récupérées à partir de la base de données. Le second modèle d'apprentissage machine a été formé à l'aide de données d'apprentissage étiquetées et est augmenté avec un modèle qui a été formé à l'aide de données d'apprentissage non étiquetées. Le système génère un score global pour la demande sur la base du premier score et du second score.