Detección de Fraude Bancario mediante técnicas de Aprendizaje Profundo

Abstract

En este trabajo de diploma se abordan técnicas de Deep Learning para detectar transacciones bancarias fraudulentas. Uno de los problemas actuales de las instituciones bancarias es la gran cantidad de operaciones a procesar y el reducido tiempo que se tiene para realizar estas operaciones. El objetivo del presente trabajo consiste en el desarrollo de modelos orientados a la detección de anomalías en transacciones bancarias fraudulentas. Para ello se realiza una fundamentación teórica previa de los principales conceptos y algoritmos relacionados con el campo de acción, así como las métricas, herramientas y tecnologías que se usan para su estudio y aplicación. Se selecciona como metodología KDD (Knowledge Discovery in Databases) para guiar el ciclo de vida del proyecto. Se obtienen los modelos que mejor resultado ofrecen en la detección de fraude sobre el set de datos propuesto.

Abstract This diploma work addresses Deep Learning techniques to detect fraudulent banking transactions. One of the current problems of banking institutions is the large number of operations to process and the short time available to carry out these operations. The objective of this work is the development of models aimed at detecting anomalies in fraudulent banking transactions. To do this, a prior theoretical foundation is carried out on the main concepts and algorithms related to the field of action, as well as the metrics, tools and technologies used for their study and application. KDD (Knowledge Discovery in Databases) is selected as the methodology to guide the project life cycle. The models that offer the best results in detecting fraud on the proposed data set are obtained.