• Ir al contenido principal
  • Skip to secondary menu
  • Ir a la barra lateral primaria
  • Ir al pie de página
  • Inicio
  • Secciones
    • Ciencia de datos
    • Criptografía
    • Herramientas
    • Noticias
    • Opinión
  • Programación
    • JavaScript
    • Julia
    • Matlab
    • Python
    • R
  • Boletín
  • Contacto
  • Acerca de Analytics Lane
  • Tienda
    • Libros
    • Equipamiento de oficina
    • Equipamiento en movilidad
    • Tiendas afiliadas
      • AliExpress
      • Amazon
      • GearBest
      • GeekBuying
      • JoyBuy

Analytics Lane

Ciencia e ingeniería de datos aplicada

  • Ciencia de datos
  • Criptografía
  • Python
  • Matlab
  • R
  • Julia
  • JavaScript
  • Herramientas
  • Opinión
  • Noticias

Aprendizaje automático para la detección del fraude en banca

mayo 27, 2020 Por Daniel Rodríguez Dejar un comentario

Una de las áreas más atractivas para los criminales es el sector bancario, debido a que gestiona grandes cantidades de dinero y datos privados de los clientes. La disponibilidad de datos permite que el aprendizaje automático sea una herramienta clave para la detección del fraude en banca. Ayudando a evitar pérdidas financieras y de reputación tanto para las entidades financieras como para sus clientes.

Detección de operaciones fraudulentas con tarjetas de crédito

Uno de los principales focos de fraude en el sector financiero son las tarjetas de crédito y débito. Ya que estas son el medio de pago más aceptado en el mundo después del dinero en efectivo, lo que las convierte en un objetivo muy atractivo para los criminales. El uso de aprendizaje automático permite evitar tipos de fraudes como el robo de tarjetas y la adquisición de cuentas por cibercriminales.

Tarjeta robada o extraviada

El aprendizaje automático puede utilizarse para identificar comportamientos anómalos con las tarjetas de los clientes, lo que permite identificar el uso fraudulento de tarjetas robadas o extraviadas. Tan pronto como se detectan pagos que no sean similares a los habituales del cliente el sistema identifica un posible fraude. Pudiendo llegar a denegar la operación. Aquí uno de los grandes retos son los falsos positivos, operaciones que no son habituales, pero si son legítimas como puede ser operaciones en vacaciones.

Adquisición de cuentas

En este caso, cuando un cibercriminal se hace con los datos de unas tarjetas de crédito, los sistemas de aprendizaje automático también se basan en el análisis de patrones e identificación de comportamientos anómalos. Por ejemplo, cuando un pirata informático comienza a realizar compras demasiado grandes en una cuenta robada.

Estrategias de inversión

Las inversiones financieras son operaciones en las que existe un cierto riesgo. Los sistemas de aprendizaje automático se pueden emplear para minimizar estos riesgos mediante el análisis de los grandes volúmenes de datos disponibles. Aunque estas operaciones no suelen implicar fraude si que son casos en los que el aprendizaje automático se adapta perfectamente. El uso de estos sistemas ofrece grandes ventajas para los bancos, ya que producen estrategias sin los sesgos que pueden afectar a los analistas humanos y procesar más rápido grandes cantidades de información.

Medida del riesgo crediticio

Una de primeras aplicaciones del aprendizaje automático en los bancos es la medida del riesgo crediticio de los clientes. Permitiendo identificar los clientes que tiene más posibilidades de devolver un préstamo o un crédito, así como las solicitudes fraudulentas. Cuando un cliente solicita una nueva operación, los sistemas puede evaluar toda la información sobre este, sea una persona o una empresa, asignándole una calificación crediticia que sea asocia con un riesgo de impago. Para lo que usa datos como el nivel de ingresos, su historial crediticio y otros datos disponibles.

Prevención de lavado de dinero y financiamiento del terrorismo

Algo que puede afectar negativamente a las entidades financieras, tanto económica como reputacionales, son las operaciones de lavado de dinero y financiamiento del terrorismo. En estos casos el procesado de los datos mediante sistemas de aprendizaje automático y clave para identificar estas operaciones y evitar tanto las sanciones económicas como el daño reputacional que puede conllevar colaborar con estas operaciones ilegales, aunque sea de forma involuntaria. Por eso la prevención de este tipo de fraude en banca es una tarea de gran importancia.

Conclusiones

El uso del aprendizaje automático para la detección del fraude en banca representa una colección de casos de éxito. Un sector donde los datos son abundantes, que al mismo tiempo es un objetivo muy apetecible por parte de los criminales. En esta revisión, no exhaustiva, se han explicado algunos de los casos más destacados del sector.

Imagen de martaposemuckel en Pixabay

¿Te ha parecido de utilidad el contenido?

¡Puntúalo entre una y cinco estrellas!

Puntuación promedio 5 / 5. Votos emitidos: 1

Ya que has encontrado útil este contenido...

¡Síguenos en redes sociales!

¡Siento que este contenido no te haya sido útil!

¡Déjame mejorar este contenido!

Dime, ¿cómo puedo mejorar este contenido?

Contenido relacionado

Archivado en:Ciencia de datos, Opinión

Interacciones con los lectores

Deja una respuesta Cancelar la respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

I accept the Terms and Conditions and the Privacy Policy

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.

Publicidad


Barra lateral primaria

Suscríbete a nuestro boletín

Suscríbete al boletín semanal para estar al día de todas las publicaciones.

Política de Privacidad

¡Síguenos en redes sociales!

  • facebook
  • github
  • telegram
  • pinterest
  • rss
  • tumblr
  • twitter
  • youtube

Publicidad

Tiendas afiliadas

Ayúdanos realizando tus compras sin coste adicional con los enlaces de la tienda. ¡Gracias!

Entradas recientes

Creación de un certificado Let’s Encrypt en Windows con Win-Acme

enero 22, 2021 Por Daniel Rodríguez Dejar un comentario

Aplicaciones de Node en producción con PM2

enero 20, 2021 Por Daniel Rodríguez Dejar un comentario

SQLite en Python

enero 18, 2021 Por Daniel Rodríguez Dejar un comentario

Publicidad

Es tendencia

  • Seleccionar filas y columnas en Pandas con iloc y loc bajo Python
  • ¿Cómo eliminar columnas y filas en un dataframe pandas? bajo Python
  • Contar palabras en una celda Excel bajo Herramientas
  • Excel en Python Guardar y leer archivos Excel en Python bajo Python
  • Codificación JSON Archivos JSON con Python: lectura y escritura bajo Python

Publicidad

Lo mejor valorado

5 (3)

Ordenar una matriz en Matlab en base a una fila o columna

5 (3)

Automatizar el análisis de datos con Pandas-Profiling

5 (5)

Diferencias entre var y let en JavaScript

5 (6)

Operaciones de filtrado de DataFrame con Pandas en base a los valores de las columnas

5 (3)

Unir y combinar dataframes con pandas en Python

Publicidad

Comentarios recientes

  • Daniel Rodríguez en Calculadora de probabilidades de ganar a la lotería
  • abel en Calculadora de probabilidades de ganar a la lotería
  • David Arias en Diferencias entre regresión y clasificación en aprendizaje automático
  • Juan Aguilar en Archivos JSON con Python: lectura y escritura
  • Camilo en Contar palabras en una celda Excel

Publicidad

Footer

Secciones

  • Ciencia de datos
  • Criptografía
  • Herramientas
  • Noticias
  • Opinión

Programación

  • JavaScript
  • Julia
  • Matlab
  • Python
  • R

Analytics Lane

  • Acerca de Analytics Lane
  • Boletín de noticias
  • Contacto
  • Lo más popular
  • Tienda

Tiendas Afiliadas

  • AliExpress
  • Amazon
  • BangGood
  • GearBest
  • Geekbuying
  • JoyBuy

Sobre de Analytics Lane

En Analytics Lane tratamos de explicar los principales conceptos de la ciencia e ingeniería de datos con un enfoque práctico. Los principales temas tratados son ciencia de datos, ingeniería de datos, inteligencia artificial, machine learning, deep learning y criptografía. Además, también se habla de los principales lenguajes de programación y herramientas utilizadas por los científicos e ingenieros de datos.

Tiendas afiliadas

Ayúdanos realizando tus compras sin coste adicional con los enlaces de la tienda. ¡Gracias!

Amazon

2018-2020 Analytics Lane · Términos y condiciones · Política de Cookies · Política de Privacidad · Herramientas de privacidad · Contacto