Detección de fraudes usando técnicas de clustering

• Autores: Cruz Quispe, Lizbeth María, Rantes García, Mónica Tahiz
• Formato: tesis de grado
• Fecha de Publicación: 2010
• Institución: Universidad Nacional Mayor de San Marcos
• Repositorio: UNMSM-Tesis
• Lenguaje: español
• OAI Identifier: oai:cybertesis.unmsm.edu.pe:20.500.12672/2644
• Enlace del recurso: https://hdl.handle.net/20.500.12672/2644
• Nivel de acceso: acceso abierto
• Materia: Fraude; Tarjetas de crédito; Minería de datos; Análisis cluster; Análisis cluster - Procesamiento de datos; Observaciones aberrantes (Estadística); https://purl.org/pe-repo/ocde/ford#2.02.04

El fraude con tarjetas de crédito es uno de los problemas más importantes a los que se enfrentan actualmente las entidades financieras. Si bien la tecnología ha permitido aumentar la seguridad en las tarjetas de crédito con el uso de claves PIN, la introducción de chips en las tarjetas, el uso de claves adicionales como tokens y mejoras en la reglamentación de su uso, también es una necesidad para las entidades bancarias, actuar de manera preventiva frente a este crimen. Para actuar de manera preventiva es necesario monitorear en tiempo real las operaciones que se realizan y tener la capacidad de reaccionar oportunamente frente a alguna operación dudosa que se realice. La técnica de Clustering frente a esta problemática es un método muy utilizado puesto que permite la agrupación de datos lo que permitiría clasificarlos por su similitud de acuerdo a alguna métrica, esta medida de similaridad está basada en los atributos que describen a los objetos. Además esta técnica es muy sensible a la herramienta Outlier que se caracteriza por el impacto que causa sobre el estadístico cuando va a analizar los datos.