Aplicação de modelos de aprendizado de máquina para detecção de fraudes em transações de cartões de crédito

Aplicação de modelos de aprendizado de máquina para detecção de fraudes em transações de cartões de crédito

Dantas, João Paulo Pires

Neves, Ana Régia de Mendonça (Orient.)

A fraude em transações de cartões de crédito no Brasil representa perdas anuais estimadas em sete bilhões de dólares, sendo que, entre outros fatores, a razão desse volume ocorre devido aos atuais sistemas de detecção de fraudes serem baseados fortemente em regras de cenários de fraude. Esse modelo tradicional tende a não apresentar precisão e acurácia suficientes para a identificação de fraudes, o que acaba prejudicando clientes transacionando operações legítimas. As técnicas de aprendizado de máquina aplicadas nos sistemas de detecção de fraudes permitem que as máquinas assimilem padrões das transações e detectem sua legitimidade com precisão e acurácia. Assim, o objetivo desta pesquisa é de, com base nos resultados de uma revisão sistemática, identificar qual a técnica de aprendizado de máquina poderá ter maior desempenho na detecção de fraudes nesse contexto. Foram comparadas sete técnicas de aprendizado de máquina para criação dos modelos classificadores e a técnica SMOTE para pré- processamento dos dados. Os resultados obtidos mostraram que a aplicação dessa técnica de pré-processamento associada a alteração de hiperparâmetros contribuiu na melhoria dos resultados de três dassete técnicas, sendo que entre todas as técnicas, destacou-se a técnica Random Forest com resultado de F1-score de 98%. A aplicação de técnicas de aprendizado de máquina em sistemas de detecção de fraudes é viável a partir dos resultados apresentados e pode contribuir para aumentar a segurança desses sistemas. A aplicação de técnicas de aprendizado de máquina pode aumentar a segurança dos sistemas de detecção de fraudes com base nos resultados obtidos nesta pesquisa. Portanto, isso é relevante em um contexto global de crescente volume de transações financeiras devido à digitalização de serviços e negócios onde bilhões de transações ocorrem todos os dias.

Sistemas de detecção de fraudes

Técnicas de aprendizado de máquina

Transações financeiras

2022

IFB Campus Brasília

Liberação parcial dos dados de publicação: resumo e metadados.

PT

Artigo

15 p.

02082022LCSC