Novo algoritmo ensemble para detecção de fraude em transações de cartão de crédito
Autor(a) principal: | |
---|---|
Data de Publicação: | 2023 |
Outros Autores: | |
Tipo de documento: | Artigo |
Idioma: | por |
Título da fonte: | Revista Tecnologia e Sociedade (Online) |
Texto Completo: | https://periodicos.utfpr.edu.br/rts/article/view/15628 |
Resumo: | Transações fraudulentas em operações com cartão de crédito geram perdas financeiras expressivas, incentivando o desenvolvimento de algoritmos capazes de detectá-las. Nesta linha, propõem-se neste artigo novas técnicas de aprendizado de máquina para a solução de problemas de detecção binária com classes desbalanceadas, ou seja, para os quais uma das classes (e.g., ocorrência de uma fraude) é bem menos frequente que a outra. As técnicas propostas combinam classificadores de formulações distintas, treinados com conjuntos de dados obtidos através de diferentes formas de amostragem. A combinação de classificadores é realizada através de voto majoritário ou do novo esquema de voto singelo, que visa aumentar a taxa de detecção de fraude. Os algoritmos propostos tiveram os seus desempenhos avaliados através de simulações numéricas utilizando dados de transações financeiras reais. Os resultados das simulações indicaram que os novos algoritmos exibem métricas de detecção vantajosas em relação a técnicas do estado-da-arte. |
id |
UTFPR-6_467d416e5c93b3cdc4f284cdfcf89327 |
---|---|
oai_identifier_str |
oai:periodicos.utfpr:article/15628 |
network_acronym_str |
UTFPR-6 |
network_name_str |
Revista Tecnologia e Sociedade (Online) |
repository_id_str |
|
spelling |
Novo algoritmo ensemble para detecção de fraude em transações de cartão de créditoÁreas: 1.03.00.00-7 Ciência da Computação, 1.02.00.00-2 Probabilidade e Estatística; Sub-Áreas: 1.03.02.02-6 Modelos Analíticos e de Simulação, 1.02.02.08-0 Análise de DadosDetecção de Fraudes; Aprendizado de Máquina; Aprendizado Combinado (Ensemble Learning); Inteligência ArtificialTransações fraudulentas em operações com cartão de crédito geram perdas financeiras expressivas, incentivando o desenvolvimento de algoritmos capazes de detectá-las. Nesta linha, propõem-se neste artigo novas técnicas de aprendizado de máquina para a solução de problemas de detecção binária com classes desbalanceadas, ou seja, para os quais uma das classes (e.g., ocorrência de uma fraude) é bem menos frequente que a outra. As técnicas propostas combinam classificadores de formulações distintas, treinados com conjuntos de dados obtidos através de diferentes formas de amostragem. A combinação de classificadores é realizada através de voto majoritário ou do novo esquema de voto singelo, que visa aumentar a taxa de detecção de fraude. Os algoritmos propostos tiveram os seus desempenhos avaliados através de simulações numéricas utilizando dados de transações financeiras reais. Os resultados das simulações indicaram que os novos algoritmos exibem métricas de detecção vantajosas em relação a técnicas do estado-da-arte.Universidade Tecnológica Federal do Paraná (UTFPR)Miguel de Souza, Daniel HenriqueBordin Júnior, Claudio José2023-05-09info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionapplication/pdfhttps://periodicos.utfpr.edu.br/rts/article/view/1562810.3895/rts.v19n56.15628Revista Tecnologia e Sociedade; v. 19, n. 56 (2023); 128-145Revista Tecnologia e Sociedade; v. 19, n. 56 (2023); 128-1451984-35261809-004410.3895/rts.v19n56reponame:Revista Tecnologia e Sociedade (Online)instname:Universidade Tecnológica Federal do Paraná (UTFPR)instacron:UTFPRporhttps://periodicos.utfpr.edu.br/rts/article/view/15628/9543Direitos autorais 2023 CC-BYhttp://creativecommons.org/licenses/by/4.0info:eu-repo/semantics/openAccess2024-05-01T15:48:20Zoai:periodicos.utfpr:article/15628Revistahttps://periodicos.ifrs.edu.br/index.php/tearPUBhttps://periodicos.utfpr.edu.br/rts/oai||rts-ct@utfpr.edu.br1984-35261809-0044opendoar:2024-05-01T15:48:20Revista Tecnologia e Sociedade (Online) - Universidade Tecnológica Federal do Paraná (UTFPR)false |
dc.title.none.fl_str_mv |
Novo algoritmo ensemble para detecção de fraude em transações de cartão de crédito |
title |
Novo algoritmo ensemble para detecção de fraude em transações de cartão de crédito |
spellingShingle |
Novo algoritmo ensemble para detecção de fraude em transações de cartão de crédito Miguel de Souza, Daniel Henrique Áreas: 1.03.00.00-7 Ciência da Computação, 1.02.00.00-2 Probabilidade e Estatística; Sub-Áreas: 1.03.02.02-6 Modelos Analíticos e de Simulação, 1.02.02.08-0 Análise de Dados Detecção de Fraudes; Aprendizado de Máquina; Aprendizado Combinado (Ensemble Learning); Inteligência Artificial |
title_short |
Novo algoritmo ensemble para detecção de fraude em transações de cartão de crédito |
title_full |
Novo algoritmo ensemble para detecção de fraude em transações de cartão de crédito |
title_fullStr |
Novo algoritmo ensemble para detecção de fraude em transações de cartão de crédito |
title_full_unstemmed |
Novo algoritmo ensemble para detecção de fraude em transações de cartão de crédito |
title_sort |
Novo algoritmo ensemble para detecção de fraude em transações de cartão de crédito |
author |
Miguel de Souza, Daniel Henrique |
author_facet |
Miguel de Souza, Daniel Henrique Bordin Júnior, Claudio José |
author_role |
author |
author2 |
Bordin Júnior, Claudio José |
author2_role |
author |
dc.contributor.none.fl_str_mv |
|
dc.contributor.author.fl_str_mv |
Miguel de Souza, Daniel Henrique Bordin Júnior, Claudio José |
dc.subject.por.fl_str_mv |
Áreas: 1.03.00.00-7 Ciência da Computação, 1.02.00.00-2 Probabilidade e Estatística; Sub-Áreas: 1.03.02.02-6 Modelos Analíticos e de Simulação, 1.02.02.08-0 Análise de Dados Detecção de Fraudes; Aprendizado de Máquina; Aprendizado Combinado (Ensemble Learning); Inteligência Artificial |
topic |
Áreas: 1.03.00.00-7 Ciência da Computação, 1.02.00.00-2 Probabilidade e Estatística; Sub-Áreas: 1.03.02.02-6 Modelos Analíticos e de Simulação, 1.02.02.08-0 Análise de Dados Detecção de Fraudes; Aprendizado de Máquina; Aprendizado Combinado (Ensemble Learning); Inteligência Artificial |
description |
Transações fraudulentas em operações com cartão de crédito geram perdas financeiras expressivas, incentivando o desenvolvimento de algoritmos capazes de detectá-las. Nesta linha, propõem-se neste artigo novas técnicas de aprendizado de máquina para a solução de problemas de detecção binária com classes desbalanceadas, ou seja, para os quais uma das classes (e.g., ocorrência de uma fraude) é bem menos frequente que a outra. As técnicas propostas combinam classificadores de formulações distintas, treinados com conjuntos de dados obtidos através de diferentes formas de amostragem. A combinação de classificadores é realizada através de voto majoritário ou do novo esquema de voto singelo, que visa aumentar a taxa de detecção de fraude. Os algoritmos propostos tiveram os seus desempenhos avaliados através de simulações numéricas utilizando dados de transações financeiras reais. Os resultados das simulações indicaram que os novos algoritmos exibem métricas de detecção vantajosas em relação a técnicas do estado-da-arte. |
publishDate |
2023 |
dc.date.none.fl_str_mv |
2023-05-09 |
dc.type.none.fl_str_mv |
|
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion |
format |
article |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://periodicos.utfpr.edu.br/rts/article/view/15628 10.3895/rts.v19n56.15628 |
url |
https://periodicos.utfpr.edu.br/rts/article/view/15628 |
identifier_str_mv |
10.3895/rts.v19n56.15628 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
https://periodicos.utfpr.edu.br/rts/article/view/15628/9543 |
dc.rights.driver.fl_str_mv |
Direitos autorais 2023 CC-BY http://creativecommons.org/licenses/by/4.0 info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Direitos autorais 2023 CC-BY http://creativecommons.org/licenses/by/4.0 |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidade Tecnológica Federal do Paraná (UTFPR) |
publisher.none.fl_str_mv |
Universidade Tecnológica Federal do Paraná (UTFPR) |
dc.source.none.fl_str_mv |
Revista Tecnologia e Sociedade; v. 19, n. 56 (2023); 128-145 Revista Tecnologia e Sociedade; v. 19, n. 56 (2023); 128-145 1984-3526 1809-0044 10.3895/rts.v19n56 reponame:Revista Tecnologia e Sociedade (Online) instname:Universidade Tecnológica Federal do Paraná (UTFPR) instacron:UTFPR |
instname_str |
Universidade Tecnológica Federal do Paraná (UTFPR) |
instacron_str |
UTFPR |
institution |
UTFPR |
reponame_str |
Revista Tecnologia e Sociedade (Online) |
collection |
Revista Tecnologia e Sociedade (Online) |
repository.name.fl_str_mv |
Revista Tecnologia e Sociedade (Online) - Universidade Tecnológica Federal do Paraná (UTFPR) |
repository.mail.fl_str_mv |
||rts-ct@utfpr.edu.br |
_version_ |
1800237662584438784 |