• 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 comercio electrónico

junio 3, 2020 Por Daniel Rodríguez Dejar un comentario

El comercio electrónico es un área en el que el fraude es cada vez más habitual. Tanto los clientes como los ciberdelincuentes pueden intentar obtener de forma fraudulenta los bienes o servicios comercializados. Afortunadamente este es un sector en el que los datos son abundantes y, por lo tanto, es posible utilizar sistemas de aprendizaje automático para la detección del fraude en comercio electrónico. Siendo algunos de los tipos de fraudes más habituales que se pueden detectar con estos sistemas lo que se muestran a continuación.

Devolución fraudulenta de productos

En este caso el atacante adquiere los productos de forma completamente legal, pero con la intención de devolver una falsificación o un producto defectuoso acogiéndose a las condiciones de devolución de la tienda. Quedándose finalmente el atacante con el producto y dinero. Para detectar estos casos es clave analizar los patrones de comportamiento, especialmente en el caso de los clientes que realizan las devoluciones rápidamente.

Robo de identidad

Esta es la situación típica en la que un atacante se hace con la cuenta de un cliente y comienza a realizar compras en su nombre. Para detectar estos casos se pueden detectar patrones anómalos, como la compra de productos de un precio elevado en los que el cliente no había mostrado interés previamente. Otro patrón que se suele aparecer en estas situaciones es el cambio de la dirección de envío de los productos.

Una práctica habitual de los atacantes suele ser el uso de servidores proxy para simular que la operación se realiza desde un país cuando el se encuentra realmente en otro. Algo que los sistemas de aprendizaje automático pueden detectar fácilmente emitiendo señales de alarma.

Fraude con el móvil

Cada vez es más habitual que los clientes accedan a las tiendas a través del móvil, por lo que los intentos de fraude a través del móvil crecen de igual manera. Para esto los sistemas de aprendizaje automático pueden detectar anomalías en los comportamientos de los clientes. Algunos de los ataques que nos podemos encontrar son:

  • Acceso a la cuenta del cliente.
  • Fraude en los call centers.
  • Uso fraudulento de tarjetas de regalo.

Conclusiones

Hoy hemos visto tres posibles aplicaciones del aprendizaje automático para la detección del fraude en comercio electrónico. Un sector que se encuentra en expansión y por que puede ser un objetivo para los delincuentes. Pero gracias a que es un sector en el que abundan los datos es posible crear sistemas de aprendizaje automático que puede identificar y anular estos casos de fraude.

Imagen de mohamed Hassan en Pixabay

¿Te ha parecido de utilidad el contenido?

¡Puntúalo entre una y cinco estrellas!

Puntuación promedio 0 / 5. Votos emitidos: 0

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
  • Operaciones de filtrado de DataFrame con Pandas en base a los valores de las columnas bajo Python
  • Excel en Python Guardar y leer archivos Excel en Python bajo Python
  • Unir y combinar dataframes con pandas en Python bajo Python
  • ¿Cómo eliminar columnas y filas en un dataframe pandas? 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