Publicación:

Algoritmos inteligentes para reconocimiento de patrones de comportamiento transaccionales.

Resumen

Los avances tecnológicos que poseemos hoy en día, han permitido llevar conceptos que se han definido hace algunas décadas con respecto a la inteligencia artificial, a sistemas inteligentes capaces de tomar decisiones y afirmar o negar una aseveración de acuerdo a un conjunto de datos analizados e interpretados previamente por estos sistemas. La investigación en la detección de transacciones financieras fraudulentas ha sido un área que ha tenido un desarrollo considerable a lo largo del tiempo, es por ello que el presente estudio busca elaborar un algoritmo que modele un sistema inteligente para la detección de fraudes en las transacciones electrónicas. Los algoritmos seleccionados para buscar la solución óptima fueron Redes Neurales, Support Vector Mchines y Redes Bayesianas. Las redes neuronales están definidas por 9 módulos según los campos seleccionados por transacción. En cada uno de los módulos definidos se varió la función de activación de la capa oculta, la función de activación de la capa de salida, el algoritmo de entrenamiento, el impulso del algoritmo y la tasa de aprendizaje del algoritmo de entrenamiento. Entre los principales resultados se obtuvo que el entrenamiento con el algoritmo de Backpropagation con un porcentaje más alto de falsos negativos que falsos positivos y se alcanzó un 99.18% de efectividad. La SVM final, tiene un kernel lineal y utiliza el método de descenso de gradiente estocástico para entrenarse. Esta SVM tiene un índice de 18.85% falsos positivos y 17.47% falsos negativos. No se logró disminuir los índices deseados, que actualmente son de 10%. La red bayesiana consta de seis nodos relacionados entre sí. La hipótesis planteada, buscaba elaborar una red bayesiana que superara el 90% de efectividad, sin embargo, la red presentada únicamente alcanzó un 71.63% de efectividad. Palabras clave: redes bayesianas, clasificación bayesiana, regla de Bayes, inteligencia artificial, aprendizaje de máquinas, teoría probabilística, detección de fraude. RR