Detecção de fraudes em operações com cartões de crédito : uma abordagem de aprendizado de máquina

Detalhes bibliográficos
Ano de defesa: 2023
Autor(a) principal: Souza, Daniel Henrique Miguel de
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
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:
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
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

Registros relacionados