Sistema de deteção de fraude em pagamentos eletrónicos. Estudo e Implementação usando software de distribuição livre

Detalhes bibliográficos
Autor(a) principal: Costa, Paulo Jorge dos Santos
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

Registros relacionados