Título: Detección de patrones de comportamiento regulares y fraudulentos sobre un conjunto de transacciones financieras

Marco de Trabajo: Proyecto de Grado

Área de desarrollo: Inteligencia Artificial

Autor: Lucía Ramos

Contacto: luciaramosm@gmail.com

Día: LUNES

Hora: 16:30

Palabras Claves: detección de fraude, medios de pago, aprendizaje automático, data mining

Resumen:
Tutores: Diego Garat, Guillermo Moncecchi.
Código del Proyecto: P2008_0032
Integrantes: Lucía Adinolfi, Martín Ferreira, Lucía Ramos.
El negocio de los medios de pago debe afrontar grandes pérdidas debido al fraude: transacciones efectuadas en forma ilegal, que el emisor debe pagar pero no puede cobrar pues son repudiadas por el responsable del medio de pago.
En general, el trabajo de monitoreo de transacciones fraudulentas es realizado conjuntamente por una herramienta de software que genera alertas al detectar transacciones que se ajustan a ciertos perfiles de fraude, y un analista de riesgo que decide cuáles de esas alertas merecen ser investigadas y cuáles no. La configuración de estas herramientas, es realizada de forma manual y en base al conocimiento de un conjunto de analistas de riesgo.
El principal problema es que, a medida que los emisores de medios de pago establecen medidas de control y detección de fraude, las formas de realizar fraude evolucionan también de forma de sobrepasar estos controles, generando así nuevos patrones de transacciones.
El objetivo del proyecto es estudiar enfoques que permitan actualizar automáticamente la configuración de los sistemas de detección, así como definir variables complejas (derivadas del conjunto de transacciones) y presentar un estudio comparativo de los resultados obtenidos para determinar la versatilidad y factibilidad de nuestros resultados. Para esto, basamos nuestro estudio en la aplicación de técnicas de Aprendizaje Automático y minería de datos que nos permitan obtener los objetivos planteados.