O uso de técnicas de Machine Learning para melhorar a prevenção à fraude

Detalhes bibliográficos
Autor(a) principal: Lima, Lemonier Barbosa de
Data de Publicação: 2022
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UnB
Texto Completo: https://repositorio.unb.br/handle/10482/44797
Resumo: Dissertação (mestrado) — Universidade de Brasília, Faculdade de Economia, Administração e Contabilidade, Departamento de Economia, Programa de Pós-Graduação em Ciências Econômicas, 2022.
id UNB_a8cdf24cf77c0b3885ebe76cfb61a791
oai_identifier_str oai:repositorio.unb.br:10482/44797
network_acronym_str UNB
network_name_str Repositório Institucional da UnB
repository_id_str
spelling O uso de técnicas de Machine Learning para melhorar a prevenção à fraudeAprendizagem de máquinaFraudes bancáriasDetecção de fraudesCartões de crédito - fraudeDissertação (mestrado) — Universidade de Brasília, Faculdade de Economia, Administração e Contabilidade, Departamento de Economia, Programa de Pós-Graduação em Ciências Econômicas, 2022.Nesse estudo, com a utilização de técnicas de machine learning, procuramos construir um modelo de detecção de fraudes em cartões de crédito, que seja útil para detectar antecipadamente atos ilícitos e contribuir para reduzir prejuízos para as corporações. Utilizamos uma base de dados com transações de cartões de crédito, disponibilizada no site Kaggle e aplicamos técnicas de classificação, em especial os modelos Random Forest, Regressão Logistica e Redes Neurais. A expansão da tecnologia moderna e da comunicação global tem propiciado uma maior ocorrência de fraudes, que resulta em perdas substanciais para os negócios. Detectar fraudes e principalmente prever sua ocorrência, portanto, é uma questão de sobrevivência para as corporações. Modelos cada vez mais precisos podem ser elaborados com o advento da inteligência artificial e do machine learning, bem como, como o auxílio dos big datas e advanced analytics. Embora seja impossível impedir a fraude, considerando que é uma atividade inerentemente humana, podemos usar tecnologias de detecção e prevenção, além de engenharia social, para tentar reduzir o risco e ficar um passo à frente dos fraudadores. Como resultado o leitor é capaz de compreender e aprender sobre um pipeline que pode auxiliar na prevenção à fraude, e observamos que é possível obter melhores resultados por meio da análise exploratória e a customização das técnicas disponíveis, sendo o modelo de Random Forests o que apresentou melhor performance nos testes deste estudo.In this study, using machine learning techniques, we seek to build a model for detecting credit card fraud, which is useful for early detection of illicit acts and contributing to reduce losses for corporations. We use a database with credit card transactions, available on the Kaggle website and apply classification techniques, especially the Random Forest models, Logistic Regression and Neural Networks. The expansion of modern technology and global communication has led to a greater occurrence of fraud, which results in substantial losses for the business. Detecting fraud and, above all, predicting its occurrence, therefore, is a matter of survival for corporations. More and more accurate models can be developed with the advent of artificial intelligence and machine learning, as well as, with the help of big data and advanced analytics. While it is impossible to prevent fraud, given that it is an inherently human activity, we can use detection and prevention technologies, as well as social engineering, to try to reduce risk and stay one step ahead of fraudsters. As a result, the reader is able to understand and learn about a pipeline that can help prevent fraud, and we observed that it is possible to obtain better results through exploratory analysis and the customization of available techniques, with the Random Forests which presented the best performance in the tests of this study.Faculdade de Economia, Administração, Contabilidade e Gestão de Políticas Públicas (FACE)Departamento de Economia (FACE ECO)Programa de Pós-Graduação em EconomiaCajueiro, Daniel OliveiraLima, Lemonier Barbosa de2022-09-13T21:38:14Z2022-09-13T21:38:14Z2022-09-122022-06-06info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfLIMA, Lemonier Barbosa de. O uso de técnicas de Machine Learning para melhorar a prevenção à fraude. 2022. 48 f., il. Dissertação (Mestrado em Economia) — Universidade de Brasília, Brasília, 2022.https://repositorio.unb.br/handle/10482/44797A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.info:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UnBinstname:Universidade de Brasília (UnB)instacron:UNB2023-11-17T12:27:38Zoai:repositorio.unb.br:10482/44797Repositório InstitucionalPUBhttps://repositorio.unb.br/oai/requestrepositorio@unb.bropendoar:2023-11-17T12:27:38Repositório Institucional da UnB - Universidade de Brasília (UnB)false
dc.title.none.fl_str_mv O uso de técnicas de Machine Learning para melhorar a prevenção à fraude
title O uso de técnicas de Machine Learning para melhorar a prevenção à fraude
spellingShingle O uso de técnicas de Machine Learning para melhorar a prevenção à fraude
Lima, Lemonier Barbosa de
Aprendizagem de máquina
Fraudes bancárias
Detecção de fraudes
Cartões de crédito - fraude
title_short O uso de técnicas de Machine Learning para melhorar a prevenção à fraude
title_full O uso de técnicas de Machine Learning para melhorar a prevenção à fraude
title_fullStr O uso de técnicas de Machine Learning para melhorar a prevenção à fraude
title_full_unstemmed O uso de técnicas de Machine Learning para melhorar a prevenção à fraude
title_sort O uso de técnicas de Machine Learning para melhorar a prevenção à fraude
author Lima, Lemonier Barbosa de
author_facet Lima, Lemonier Barbosa de
author_role author
dc.contributor.none.fl_str_mv Cajueiro, Daniel Oliveira
dc.contributor.author.fl_str_mv Lima, Lemonier Barbosa de
dc.subject.por.fl_str_mv Aprendizagem de máquina
Fraudes bancárias
Detecção de fraudes
Cartões de crédito - fraude
topic Aprendizagem de máquina
Fraudes bancárias
Detecção de fraudes
Cartões de crédito - fraude
description Dissertação (mestrado) — Universidade de Brasília, Faculdade de Economia, Administração e Contabilidade, Departamento de Economia, Programa de Pós-Graduação em Ciências Econômicas, 2022.
publishDate 2022
dc.date.none.fl_str_mv 2022-09-13T21:38:14Z
2022-09-13T21:38:14Z
2022-09-12
2022-06-06
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 LIMA, Lemonier Barbosa de. O uso de técnicas de Machine Learning para melhorar a prevenção à fraude. 2022. 48 f., il. Dissertação (Mestrado em Economia) — Universidade de Brasília, Brasília, 2022.
https://repositorio.unb.br/handle/10482/44797
identifier_str_mv LIMA, Lemonier Barbosa de. O uso de técnicas de Machine Learning para melhorar a prevenção à fraude. 2022. 48 f., il. Dissertação (Mestrado em Economia) — Universidade de Brasília, Brasília, 2022.
url https://repositorio.unb.br/handle/10482/44797
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 Institucional da UnB
instname:Universidade de Brasília (UnB)
instacron:UNB
instname_str Universidade de Brasília (UnB)
instacron_str UNB
institution UNB
reponame_str Repositório Institucional da UnB
collection Repositório Institucional da UnB
repository.name.fl_str_mv Repositório Institucional da UnB - Universidade de Brasília (UnB)
repository.mail.fl_str_mv repositorio@unb.br
_version_ 1814508355150938112

Registros relacionados