Ítem
Acceso Abierto

Detección de fraude bancario en Colombia mediante el análisis de grafos


Archivos
Fecha
2024-01-02

Directores
Romero Ramírez, Juan Felipe

ISSN de la revista
Título del volumen
Editor
Universidad del Rosario

Buscar en:

Métricas alternativas

Resumen
Este proyecto se enfoca en desarrollar un sistema de puntuación de riesgo para los empleados de una entidad financiera, con el objetivo de mitigar el fraude interno. Para ello, se han implementado técnicas avanzadas de grafos, las cuales han demostrado ser cruciales en la identificación de relaciones complejas entre Además, se ha integrado el uso de modelos de Machine Learning en el proyecto, lo que ha facilitado la creación de algoritmos predictivos. Estos modelos ofrecen la capacidad de prever posibles incidentes de fraude interno, lo que a su vez permite tomar medidas proactivas en la mitigación de riesgos. En resumen, la aplicación de estas metodologías computacionales ha resultado ser extremadamente valiosa, no solo para establecer controles de primera línea eficientes, sino también para desarrollar sistemas predictivos capaces de identificar potenciales defraudadores dentro de la organización financiera.
Abstract
This project focuses on developing a risk scoring system for employees of a financial entity, aimed at mitigating internal fraud. To achieve this, advanced graph techniques have been implemented, proving to be crucial in identifying complex relationships between employees and clients. These graphs have been fundamental in capturing vital and consistent information, enabling effective detection of anomalies in interactions between these parties. Furthermore, the integration of Machine Learning models into the project has facilitated the creation of predictive algorithms. These models provide the capability to foresee potential internal fraud incidents, thereby allowing for proactive risk mitigation measures. In summary, the application of these computational methodologies has proven to be extremely valuable, not only in establishing efficient frontline controls but also in developing predictive systems capable of identifying potential fraudsters within the financial organization.
Palabras clave
Fraude , Riesgo , Machine learning , Grafos , Patrones
Keywords
Fraud , Risk , Machine learning , Graphs , Patterns
Buscar en:
Enlace a la fuente