Art der Arbeit: Bachelorarbeit

Fachlicher Hintergrund:

Das Forschungsprojekt “DiSH-O-Klin” befasst sich mit technischen Möglichkeiten zur Verbesserung der Händehygiene in Krankenhäusern. Eine bereits benutzte Möglichkeit besteht darin, jede Händedesinfektion zu zählen und besonders motivierte Pflegerinnen und Pfleger zu belohnen. Die Registrierung der Desinfektionsvorgänge erfolgt im Moment durch personalisierte smarte Namensschilder. Diese erhalten ein Signal per Bluetooth vom Desinfektionsmittelspender, wenn dieser betätigt wurde.

Ein böswilliger Pfleger oder eine eine böswillige Pflegerin könnte je nach Höhe der ausgelobten Belohnung geneigt sein, zusätzliche Desinfektionsvorgänge vorzutäuschen. Bei der bisherigen Lösung genügt dafür ein einfaches Programm, das in der Lage ist, Bluetooth Pakete zu senden und zu empfangen.

Aufgabenbeschreibung:

Im Rahmen der Arbeit soll dieses Risiko erkannt und minimiert werden. Vorstellbar sind (Auswahl bzw. Vorschlag je nach Interessen):

• Implementierung eines Angriffs
• Auswertung der verfügbaren Daten (Zeitstempel, Spender ID) zur Fraud Detection
• Risikoanalyse (Wie wahrscheinlich ist ein Angriff?)
• Erarbeitung von Verbesserungsvorschlägen
• Test

Mögliche Arbeitsschritte:

• Exploration der Daten über Desinfektionsvorgänge
• Definition von Zielparametern (Key Performance Indicators)
• Verständnis des Protokolls zwischen “Spender” und “Namensschild” und der Zuweisung von “Bonuspunkten”
• Literaturanalyse zu Verfahren der Fraud Detection
• Konzeption der Fraud Detection anhand von Beispieldatensätzen
• Evaluation

Die genaue Festlegung des Themas erfolgt in Abstimmung mit den Betreuern unter Berücksichtigung eventuell schon an andere Studenten vergebener Themengebiete. Eine gemeinsame Bearbeitung verschiedener Teilthemen durch mehrere Studenten ist unter Umständen möglich. 

Literatur und Ressourcen:

• Ali, Abdulalem, et al. "Financial fraud detection based on machine learning: a systematic literature review." Applied Sciences 12.19 (2022): 9637.
• Prova, Nuzhat Noor Islam. "Healthcare fraud detection using machine learning." 2024 Second International Conference on Intelligent Cyber Physical Systems and Internet of Things (ICoICI). IEEE, 2024.
• Mutemi, Abed, and Fernando Bacao. "E-commerce fraud detection based on machine learning techniques: Systematic literature review." Big Data Mining and Analytics 7.2 (2024): 419-444.

Betreuer: Dr. Thomas Mundt (thomas.mundt@uni-rostock.de) 

Voraussetzungen: Keine besonderen, Programmierkenntnisse in einer höheren Programmiersprache sind von Vorteil.