Opinión

Aprendizaje automático para la detección del fraude en comercio electrónico

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?

Daniel Rodríguez

Share
Published by
Daniel Rodríguez

Recent Posts

Analytics Lane lanza la versión 1.5 del laboratorio con un extractor de tickets por OCR y consultas SQL sobre CSV en el navegador

Ya está disponible la versión 1.5 del laboratorio de Analytics Lane. Es una de las…

19 horas ago

Cómo Explorar un Dataset antes de Modelar

Uno de los errores más frecuentes en ciencia de datos es lanzarse a construir un…

2 días ago

Curiosidad: “Wi-Fi” no significa “Wireless Fidelity”

Pregunta a cualquiera qué significan las letras de "Wi-Fi" y lo más probable es que…

7 días ago

Shallow copy vs Deep copy en Python: la mutación inesperada

Imagina que tienes una lista con datos de un usuario: usuario_original = { 'nombre': 'Juan',…

1 semana ago

Cómo Saber si una Diferencia Significativa es Importante

Has aplicado un t-test y obtienes p = 0,003. El resultado es estadísticamente significativo, hay…

2 semanas ago

== vs is en Python: la diferencia que causa bugs misteriosos

Hay un bug que aparece una y otra vez en código Python, tan sutil que…

2 semanas ago

This website uses cookies.