Exjobb: Bedrägeridetektion genom användning av grafstrukturer med dataprogrammeringsmetoder
Fortnox ABLinköping
- Published
- 15 Oct 2026
Get a CV and a letter written for this job
Upload your CV. Jobbjagaren finds what this job asks for in your experience and writes a CV and a cover letter from it. Nothing that is missing gets added.
Get help applying for this job4 applications with a CV and letter are free. No payment card.
View original listingAbout this role
Vi tror på ett samhälle format av framgångsrika företag där entreprenörskap och samhällsnytta går hand i hand. Att vara en del av Fortnox är att vara en del av en ständig förändring - en förändring där du själv bestämmer hur långt du vill nå. Vårt största fokus är att ge dig rätt förutsättningar att få leva din passion tillsammans med oss. Var du kommer ifrån är inte relevant - det är vart du är på väg som är intressant för oss. Precis som vi igår inte kunde drömma om det Fortnox som finns idag, så kan du vara med och forma vilka vi är imorgon.
Bakgrund
Som en av de ledande aktörerna i Sverige när det kommer till affärssystem, så är Fortnox en viktig del i Sveriges finansierings- och betal-sektor. Denna centrala roll innebär en risk för att plattformen utnyttjas för bedrägliga ändamål. Traditionella detektionsmetoder, såsom regelbaserade system och individuella företagsanalyser, kräver en hel del resurser och misslyckas ofta med att identifiera komplexa, sammankopplade nätverk av olagliga aktiviteter. Dessa metoder har svårt att se helhetsbilden och missar de subtila kopplingarna mellan till synes orelaterade transaktioner och entiteter.
Den data som finns tillgänglig genom affärssystemet kan användas för att modellera scenariot som en graf: företag och individer blir noder som är sammankopplade med edges som representerar transaktioner, relationer, ägande, etc.. Denna datamodelleringsstrategi fångar den komplexa sammankopplingen hos moderna företag, vilket möjliggör visualisering och vidare analys. Genom att utnyttja grafstrukturen möjliggör vi användningen av grafalgoritmer, både klassiska och maskininlärningsbaserade, för att upptäcka mönster och relationer som indikerar en hög risk för bedrägeri.
