Suscríbete al boletín semanal

Recibe cada semana los contenidos más relevantes de la actualidad científica.

Agencia Sinc
Si estás registrado

No podrás conectarte si excedes diez intentos fallidos.

Si todavía no estás registrado

La Agencia SINC ofrece servicios diferentes dependiendo de tu perfil.

Selecciona el tuyo:

Periodistas Instituciones

Entrenan máquinas para detectar fraudes con tarjetas bancarias

Investigadores de la Universidad Politécnica de Valencia y del BBVA proponen entrenar sistemas informáticos para ver si una transacción bancaria efectuada con tarjeta es fraudulenta. El equipo ya prueba algunos algoritmos para la detección automática de este tipo de estafas.

Tarjeta de crédito. / Ulrik De Wachter
Tarjeta de crédito. / Ulrik De Wachter

El Grupo de Tratamiento de Señales (GTS) del Instituto de Telecomunicaciones y Aplicaciones Multimedia (iTEAM) de la Universidad Politécnica de Valencia colabora con BBVA, en concreto con el Departamento Innovation for Risk, Fraud & Security, en el desarrollo de algoritmos para la detección automática de fraudes en operaciones con tarjetas bancarias.

"Si tenemos una base de datos de millones de registros de transacciones con tarjeta que sabemos que son correctas y miles de registros de transacciones que sabemos que son fraudulentas, podemos entrenar a un sistema –la máquina– para decidir si una nueva transacción no incluida en la base datos es correcta o fraudulenta”, explica Luis Vergara, responsable del GTS.

Según apunta Addisson Salazar, otro investigador del GTS, este es un problema crítico que afecta a un gran número de entidades financieras y que presenta retos tecnológicos significativos: “elevado volumen de datos a procesar, cambios rápidos y continuados en los modelos de fraude, mímica de comportamientos legítimos por parte de los defraudadores, requerimientos de muy baja tasa de falsa alarma, una elevada detectabilidad y necesidad de funcionamiento en tiempo real del detector”.

Los investigadores aportan en esta colaboración su experiencia en detección y clasificación de señales y en áreas relacionadas como la minería de datos y sistemas machine learning. “Se trata de sistemas que pueden aprender a tomar decisiones a partir de datos de entrenamiento", comenta Vergara.

El grupo de la UPV desarrolla los algorítmos adaptados a esta problemática, basados en gran medida en la fusión de diferentes tipos de detectores. También tratan de reentrenar los algoritmos de forma continua facilitando su adaptación a cambios en los modelos de este tipo de estafas.

Por su parte, el equipo del BBVA, ha abierto esta línea de investigación con el fin de complementar y ampliar sus mecanismos internos para la prevención tecnológica del fraude. La iniciativa se enmarca en un uso cada vez más extendido del big data en diversas áreas de la entidad bancaria.

Fuente: UPV
Derechos: Creative Commons
Artículos relacionados