Sistema de deteção de fraude em pagamentos eletrónicos. Estudo e Implementação usando software de distribuição livre
Autor(a) principal: | |
---|---|
Data de Publicação: | 2019 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
Texto Completo: | http://hdl.handle.net/10400.22/15656 |
Resumo: | Com a evolução dos negócios para o digital que se traduz num maior número de transações por segundo. Estes métodos de pagamento são naturalmente um alvo apetecível para os burlões. É então premente o estudo de sistemas de deteção de fraude que antecipem as tentativas destes burlões em efetuaram dano nas empresas e nos seus clientes. Este trabalho foca o seu estudo na escolha do melhor modelo de classificação de transações fraudulentas com cartões de crédito, resultante da aplicação de técnicas de pré-processamento de dados (sampling) e algoritmos de classificação de aprendizagem supervisionada. Foi estudada a influencia que as técnicas de undersampling e oversampling podem ter sobre os classificadores estudados. O resultado do estudo permite afirmar que não se observa uma predominância transversal para todos os classificadores de uma técnica sobre a outra. Verifica-se ainda que em alguns modelos a diferença de prestação não apresenta grande diferença entre a versão com undersampling e a versão com oversampling, sendo esta última muito mais exigente no que diz respeito à capacidade de processamento. Por fim neste trabalho são descritos os passos para a implementação da proposta para um sistema de deteção em tempo real, usando os serviços do Google Cloud Platform. |
id |
RCAP_61e1b546add14a4480358fbbd8193c88 |
---|---|
oai_identifier_str |
oai:recipp.ipp.pt:10400.22/15656 |
network_acronym_str |
RCAP |
network_name_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository_id_str |
7160 |
spelling |
Sistema de deteção de fraude em pagamentos eletrónicos. Estudo e Implementação usando software de distribuição livreUndersampligOversamplingAprendizagem supervisionadaDeteção de fraudeSupervised learningFraud detectionCom a evolução dos negócios para o digital que se traduz num maior número de transações por segundo. Estes métodos de pagamento são naturalmente um alvo apetecível para os burlões. É então premente o estudo de sistemas de deteção de fraude que antecipem as tentativas destes burlões em efetuaram dano nas empresas e nos seus clientes. Este trabalho foca o seu estudo na escolha do melhor modelo de classificação de transações fraudulentas com cartões de crédito, resultante da aplicação de técnicas de pré-processamento de dados (sampling) e algoritmos de classificação de aprendizagem supervisionada. Foi estudada a influencia que as técnicas de undersampling e oversampling podem ter sobre os classificadores estudados. O resultado do estudo permite afirmar que não se observa uma predominância transversal para todos os classificadores de uma técnica sobre a outra. Verifica-se ainda que em alguns modelos a diferença de prestação não apresenta grande diferença entre a versão com undersampling e a versão com oversampling, sendo esta última muito mais exigente no que diz respeito à capacidade de processamento. Por fim neste trabalho são descritos os passos para a implementação da proposta para um sistema de deteção em tempo real, usando os serviços do Google Cloud Platform.With the natural digital business evolution, more online transaction are made per second on these platforms. This payment methods are more and more a target for fraudsters. The study of this kind of attacks are a must and the speed of a fraud detections is crucial to stop any attempt to damage the trust link between clients and enterprises. This study is focused on finding the best classification model for credit card fraud transactions on an online service, using pre-processing techniques, under and oversampling, applied to supervised learning classification algorithms. The results of this study, show that is no overall dominance of a sampling technique over another. In some classification algorithms the performance score between sampling techniques are minimal, and oversampling presenting a higher computing processing load. Finally, are presented the steps of a possible implementation of a real time credit card fraud detection system as a Google Cloud Platform solution.Rodrigues, Maria de Fátima CoutinhoRepositório Científico do Instituto Politécnico do PortoCosta, Paulo Jorge dos Santos2020-03-26T16:23:08Z20192019-01-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10400.22/15656TID:202343499porinfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-03-13T12:59:47Zoai:recipp.ipp.pt:10400.22/15656Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T17:35:22.147817Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse |
dc.title.none.fl_str_mv |
Sistema de deteção de fraude em pagamentos eletrónicos. Estudo e Implementação usando software de distribuição livre |
title |
Sistema de deteção de fraude em pagamentos eletrónicos. Estudo e Implementação usando software de distribuição livre |
spellingShingle |
Sistema de deteção de fraude em pagamentos eletrónicos. Estudo e Implementação usando software de distribuição livre Costa, Paulo Jorge dos Santos Undersamplig Oversampling Aprendizagem supervisionada Deteção de fraude Supervised learning Fraud detection |
title_short |
Sistema de deteção de fraude em pagamentos eletrónicos. Estudo e Implementação usando software de distribuição livre |
title_full |
Sistema de deteção de fraude em pagamentos eletrónicos. Estudo e Implementação usando software de distribuição livre |
title_fullStr |
Sistema de deteção de fraude em pagamentos eletrónicos. Estudo e Implementação usando software de distribuição livre |
title_full_unstemmed |
Sistema de deteção de fraude em pagamentos eletrónicos. Estudo e Implementação usando software de distribuição livre |
title_sort |
Sistema de deteção de fraude em pagamentos eletrónicos. Estudo e Implementação usando software de distribuição livre |
author |
Costa, Paulo Jorge dos Santos |
author_facet |
Costa, Paulo Jorge dos Santos |
author_role |
author |
dc.contributor.none.fl_str_mv |
Rodrigues, Maria de Fátima Coutinho Repositório Científico do Instituto Politécnico do Porto |
dc.contributor.author.fl_str_mv |
Costa, Paulo Jorge dos Santos |
dc.subject.por.fl_str_mv |
Undersamplig Oversampling Aprendizagem supervisionada Deteção de fraude Supervised learning Fraud detection |
topic |
Undersamplig Oversampling Aprendizagem supervisionada Deteção de fraude Supervised learning Fraud detection |
description |
Com a evolução dos negócios para o digital que se traduz num maior número de transações por segundo. Estes métodos de pagamento são naturalmente um alvo apetecível para os burlões. É então premente o estudo de sistemas de deteção de fraude que antecipem as tentativas destes burlões em efetuaram dano nas empresas e nos seus clientes. Este trabalho foca o seu estudo na escolha do melhor modelo de classificação de transações fraudulentas com cartões de crédito, resultante da aplicação de técnicas de pré-processamento de dados (sampling) e algoritmos de classificação de aprendizagem supervisionada. Foi estudada a influencia que as técnicas de undersampling e oversampling podem ter sobre os classificadores estudados. O resultado do estudo permite afirmar que não se observa uma predominância transversal para todos os classificadores de uma técnica sobre a outra. Verifica-se ainda que em alguns modelos a diferença de prestação não apresenta grande diferença entre a versão com undersampling e a versão com oversampling, sendo esta última muito mais exigente no que diz respeito à capacidade de processamento. Por fim neste trabalho são descritos os passos para a implementação da proposta para um sistema de deteção em tempo real, usando os serviços do Google Cloud Platform. |
publishDate |
2019 |
dc.date.none.fl_str_mv |
2019 2019-01-01T00:00:00Z 2020-03-26T16:23:08Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10400.22/15656 TID:202343499 |
url |
http://hdl.handle.net/10400.22/15656 |
identifier_str_mv |
TID:202343499 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação instacron:RCAAP |
instname_str |
Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
instacron_str |
RCAAP |
institution |
RCAAP |
reponame_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
collection |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository.name.fl_str_mv |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
repository.mail.fl_str_mv |
|
_version_ |
1799131445292171264 |