Detecção de fraudes em operações com cartões de crédito : uma abordagem de aprendizado de máquina
Ano de defesa: | 2023 |
---|---|
Autor(a) principal: | |
Orientador(a): | |
Banca de defesa: | |
Tipo de documento: | Tese |
Tipo de acesso: | Acesso aberto |
Idioma: | por |
Instituição de defesa: |
Não Informado pela instituição
|
Programa de Pós-Graduação: |
Não Informado pela instituição
|
Departamento: |
Não Informado pela instituição
|
País: |
Não Informado pela instituição
|
Palavras-chave em Português: | |
Link de acesso: | http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=126419 |
Resumo: | Orientador: Prof. Dr. Claudio José Bordin Junior |
id |
UFBC_7f365ddf8416fc23f3452bbd1f3e2ecd |
---|---|
oai_identifier_str |
oai:BDTD:126419 |
network_acronym_str |
UFBC |
network_name_str |
Repositório Institucional da UFABC |
repository_id_str |
|
spelling |
Detecção de fraudes em operações com cartões de crédito : uma abordagem de aprendizado de máquinaDETECÇÃO DE FRAUDE DE CARTÃO DE CRÉDITOMERCADO FINANCEIROINTELIGÊNCIA ARTIFICIALESTATÍSTICA APLICADAMACHINE LEARNINGCREDIT CARD FRAUD DETECTIONFINANCIAL MARKETARTIFICIAL INTELLIGENCEAPPLIED STATISTICSPROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DA INFORMAÇÃO - UFABCOrientador: Prof. Dr. Claudio José Bordin JuniorTese (doutorado) - Universidade Federal do ABC, Programa de Pós-Graduação em Engenharia da Informação, Santo André, 2023.Neste trabalho, é analisado o problema de aprendizado de máquina supervisionado e suas aplicações no reconhecimento de transações fraudulentas em pagamentos com cartão de crédito. Primeiramente, é discutido o conceito de fraude em meios de pagamento, suas consequências e a importância de detectar esse tipo de transação para mitigar riscos. Em seguida, são apresentados problemas de aprendizado de máquina supervisionado e não-supervisionado, bem como os principais algoritmos utilizados (como Redes Bayesianas, Redes Neurais, Arvores de Decisão é K-Means), suas aplicações, implementação computacional e métodos de avaliação de desempenho. Em seguida, são descritas metodologias para combinação de algoritmos de aprendizado de máquina, com destaque para a agregação de classificadores e a combinação de métodos de aprendizado supervisionado e não-supervisionado (Mixed Learning). Como principais contribuições deste trabalho, destacam-se os novos algoritmos CC-OR, CCKVM e CCK-OR, baseados em uma nova função para agregação de classificadores, aliada ao conceito de Mixed Learning, além de uma variação do algoritmo K-Nearest Neighbors adaptado para dados desbalanceados. Para avaliar os diferentes classificadores, foram comparados os principais algoritmos da literatura, operando individualmente e agregados por meio de voto majoritário, bem como os algoritmos propostos neste trabalho, avaliando-se o desempenho dos mesmos na detecção de operações fraudulentas. Foram realizadas simulações numéricas por meio de programas escritos em Python, utilizando dados reais e sintéticos, as quais revelaram ganhos no uso dos métodos propostos quando comparados com o estado da arte da área.In this work, we analyze the problem of supervised machine learning and its applications in detecting fraudulent transactions in credit card payments. First, we discuss the concept of fraud in payment systems, its consequences, and the importance of detecting this type of transaction to mitigate risks. Next, we present supervised and unsupervised machine learning problems, as well as the main algorithms used (such as Bayesian Networks, Neural Networks, Decision Trees, and K-Means), their applications, computational implementation, and performance evaluation methods. Next, we describe methodologies for combining machine learning algorithms such as classifier aggregation and the combination of supervised and unsupervised learning methods (Mixed Learning). As the main contributions of this work, we highlight the new CC-OR, CCK-VM, and CCK-OR algorithms, based on a new classifier aggregation function combined with the concept of Mixed Learning, as well as a variation of the K-Nearest Neighbors algorithm adapted for imbalanced data. To evaluate the different algorithms, we compared the main classifiers available in the literature operating individually and aggregated through majority voting, as well as the algorithms proposed in this work, evaluating their performance in detecting fraudulent operations. We conducted numerical simulations using programs written in Python, using both real and synthetic data, which showed superior results in the use of the proposed methods when compared to the state-of-the-art of the field.Bordin Júnior, Claudio JoséTakahata, André KazuoMorais, Diogo Martins Gonçalves dePerotoni, Marcelo BenderTogneri, Rodrigo MarottiSouza, Daniel Henrique Miguel de2023info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdf224 f. : il.http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=126419http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=126419&midiaext=81198Cover: http://biblioteca.ufabc.edu.br/php/capa.php?obra=126419porreponame:Repositório Institucional da UFABCinstname:Universidade Federal do ABC (UFABC)instacron:UFABCinfo:eu-repo/semantics/openAccess2024-02-23T11:10:26Zoai:BDTD:126419Repositório InstitucionalPUBhttp://www.biblioteca.ufabc.edu.br/oai/oai.phpopendoar:2024-02-23T11:10:26Repositório Institucional da UFABC - Universidade Federal do ABC (UFABC)false |
dc.title.none.fl_str_mv |
Detecção de fraudes em operações com cartões de crédito : uma abordagem de aprendizado de máquina |
title |
Detecção de fraudes em operações com cartões de crédito : uma abordagem de aprendizado de máquina |
spellingShingle |
Detecção de fraudes em operações com cartões de crédito : uma abordagem de aprendizado de máquina Souza, Daniel Henrique Miguel de DETECÇÃO DE FRAUDE DE CARTÃO DE CRÉDITO MERCADO FINANCEIRO INTELIGÊNCIA ARTIFICIAL ESTATÍSTICA APLICADA MACHINE LEARNING CREDIT CARD FRAUD DETECTION FINANCIAL MARKET ARTIFICIAL INTELLIGENCE APPLIED STATISTICS PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DA INFORMAÇÃO - UFABC |
title_short |
Detecção de fraudes em operações com cartões de crédito : uma abordagem de aprendizado de máquina |
title_full |
Detecção de fraudes em operações com cartões de crédito : uma abordagem de aprendizado de máquina |
title_fullStr |
Detecção de fraudes em operações com cartões de crédito : uma abordagem de aprendizado de máquina |
title_full_unstemmed |
Detecção de fraudes em operações com cartões de crédito : uma abordagem de aprendizado de máquina |
title_sort |
Detecção de fraudes em operações com cartões de crédito : uma abordagem de aprendizado de máquina |
author |
Souza, Daniel Henrique Miguel de |
author_facet |
Souza, Daniel Henrique Miguel de |
author_role |
author |
dc.contributor.none.fl_str_mv |
Bordin Júnior, Claudio José Takahata, André Kazuo Morais, Diogo Martins Gonçalves de Perotoni, Marcelo Bender Togneri, Rodrigo Marotti |
dc.contributor.author.fl_str_mv |
Souza, Daniel Henrique Miguel de |
dc.subject.por.fl_str_mv |
DETECÇÃO DE FRAUDE DE CARTÃO DE CRÉDITO MERCADO FINANCEIRO INTELIGÊNCIA ARTIFICIAL ESTATÍSTICA APLICADA MACHINE LEARNING CREDIT CARD FRAUD DETECTION FINANCIAL MARKET ARTIFICIAL INTELLIGENCE APPLIED STATISTICS PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DA INFORMAÇÃO - UFABC |
topic |
DETECÇÃO DE FRAUDE DE CARTÃO DE CRÉDITO MERCADO FINANCEIRO INTELIGÊNCIA ARTIFICIAL ESTATÍSTICA APLICADA MACHINE LEARNING CREDIT CARD FRAUD DETECTION FINANCIAL MARKET ARTIFICIAL INTELLIGENCE APPLIED STATISTICS PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DA INFORMAÇÃO - UFABC |
description |
Orientador: Prof. Dr. Claudio José Bordin Junior |
publishDate |
2023 |
dc.date.none.fl_str_mv |
2023 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
format |
doctoralThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=126419 |
url |
http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=126419 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=126419&midiaext=81198 Cover: http://biblioteca.ufabc.edu.br/php/capa.php?obra=126419 |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf 224 f. : il. |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFABC instname:Universidade Federal do ABC (UFABC) instacron:UFABC |
instname_str |
Universidade Federal do ABC (UFABC) |
instacron_str |
UFABC |
institution |
UFABC |
reponame_str |
Repositório Institucional da UFABC |
collection |
Repositório Institucional da UFABC |
repository.name.fl_str_mv |
Repositório Institucional da UFABC - Universidade Federal do ABC (UFABC) |
repository.mail.fl_str_mv |
|
_version_ |
1801502169955827712 |