Prevención de fraudes en el sector financiero colombiano a través de controles que usan el aprendizaje automático
El análisis del fraude en el sector financiero es importante ya que a nivel mundial ha habido cambios tecnológicos que a su vez ha generado vulnerabilidad en la información de las organizaciones financieras generando inestabilidad e incertidumbre económica, financiera, política y social. En este con...
- Autores:
-
Lozano Prada, Giselle Dahianna
Huertas Meneses, Carlos Andrés
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2024
- Institución:
- Universidad Cooperativa de Colombia
- Repositorio:
- Repositorio UCC
- Idioma:
- OAI Identifier:
- oai:repository.ucc.edu.co:20.500.12494/53921
- Acceso en línea:
- https://hdl.handle.net/20.500.12494/53921
- Palabra clave:
- Fraude financiero
Delitos financieros
Ciberseguridad
Fraude digital
Seguridad
TG 2023 CON
Financial fraud
Financial crimes
Cybersecurity
Digital fraud
Security
- Rights
- openAccess
- License
- Atribución – No comercial
| id |
COOPER2_760245bf998b76cc9f1858144a7f1a02 |
|---|---|
| oai_identifier_str |
oai:repository.ucc.edu.co:20.500.12494/53921 |
| network_acronym_str |
COOPER2 |
| network_name_str |
Repositorio UCC |
| repository_id_str |
|
| dc.title.none.fl_str_mv |
Prevención de fraudes en el sector financiero colombiano a través de controles que usan el aprendizaje automático |
| title |
Prevención de fraudes en el sector financiero colombiano a través de controles que usan el aprendizaje automático |
| spellingShingle |
Prevención de fraudes en el sector financiero colombiano a través de controles que usan el aprendizaje automático Fraude financiero Delitos financieros Ciberseguridad Fraude digital Seguridad TG 2023 CON Financial fraud Financial crimes Cybersecurity Digital fraud Security |
| title_short |
Prevención de fraudes en el sector financiero colombiano a través de controles que usan el aprendizaje automático |
| title_full |
Prevención de fraudes en el sector financiero colombiano a través de controles que usan el aprendizaje automático |
| title_fullStr |
Prevención de fraudes en el sector financiero colombiano a través de controles que usan el aprendizaje automático |
| title_full_unstemmed |
Prevención de fraudes en el sector financiero colombiano a través de controles que usan el aprendizaje automático |
| title_sort |
Prevención de fraudes en el sector financiero colombiano a través de controles que usan el aprendizaje automático |
| dc.creator.fl_str_mv |
Lozano Prada, Giselle Dahianna Huertas Meneses, Carlos Andrés |
| dc.contributor.author.none.fl_str_mv |
Lozano Prada, Giselle Dahianna Huertas Meneses, Carlos Andrés |
| dc.subject.none.fl_str_mv |
Fraude financiero Delitos financieros Ciberseguridad Fraude digital Seguridad |
| topic |
Fraude financiero Delitos financieros Ciberseguridad Fraude digital Seguridad TG 2023 CON Financial fraud Financial crimes Cybersecurity Digital fraud Security |
| dc.subject.classification.none.fl_str_mv |
TG 2023 CON |
| dc.subject.other.none.fl_str_mv |
Financial fraud Financial crimes Cybersecurity Digital fraud Security |
| description |
El análisis del fraude en el sector financiero es importante ya que a nivel mundial ha habido cambios tecnológicos que a su vez ha generado vulnerabilidad en la información de las organizaciones financieras generando inestabilidad e incertidumbre económica, financiera, política y social. En este contexto, el estudio analiza la prevención de fraudes en el sector financiero colombiano a través de controles que usan el aprendizaje automático. A nivel metodológico es un estudio de enfoque cualitativo, basado en el tipo de investigación analítico. Los resultados presentan que el fraude en el sector financiero ha sido una de las maneras de lograr distorsionar la información financiera para causar daños y perjuicios a un tercero. En Colombia y en el contexto global, la evolución tecnológica es constante, y los actores delictivos emplean diariamente herramientas tecnológicas altamente sofisticadas en diversas modalidades de estafas. El robo de identidad es el delito que más se repite en el sector, mientras que el hurto de tarjetas de crédito representa el 21% de delitos financieros en el país. Según el Banco de la Republica desde el año 2020, la ciberseguridad mostró resultados favorables, los ciber fraudes cayeron en un 58% y los desfalcos financieros se redujeron en 32%, destacando la modalidad de suplantación o robo de identidad como la más prevalente en los intentos de fraude; no obstante, las tendencias globales de fraude digital, tal como lo informa el estudio elaborado por TransUnion, muestran un notable incremento del 52% en los casos de intentos de fraude digital a nivel mundial. |
| publishDate |
2024 |
| dc.date.accessioned.none.fl_str_mv |
2024-01-18T19:56:28Z |
| dc.date.available.none.fl_str_mv |
2024-01-18T19:56:28Z |
| dc.date.issued.none.fl_str_mv |
2024-01-11 |
| dc.type.none.fl_str_mv |
Trabajo de grado - Pregrado |
| dc.type.coar.none.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
| dc.type.driver.none.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| dc.type.version.none.fl_str_mv |
info:eu-repo/semantics/acceptedVersion |
| format |
http://purl.org/coar/resource_type/c_7a1f |
| status_str |
acceptedVersion |
| dc.identifier.citation.none.fl_str_mv |
Huertas Meneses, C. A y Lozano Prada, G. D. (2024) Prevención de fraudes en el sector financiero colombiano a través de controles que usan el aprendizaje automático [ Tesis de grado Universidad Cooperativa de Colombia]. Repositorio Institucional Universidad Cooperativa de Colombia. https://repository.ucc.edu.co/handle/20.500.12494/53921 |
| dc.identifier.uri.none.fl_str_mv |
https://hdl.handle.net/20.500.12494/53921 |
| identifier_str_mv |
Huertas Meneses, C. A y Lozano Prada, G. D. (2024) Prevención de fraudes en el sector financiero colombiano a través de controles que usan el aprendizaje automático [ Tesis de grado Universidad Cooperativa de Colombia]. Repositorio Institucional Universidad Cooperativa de Colombia. https://repository.ucc.edu.co/handle/20.500.12494/53921 |
| url |
https://hdl.handle.net/20.500.12494/53921 |
| dc.relation.conferenceplace.none.fl_str_mv |
Centro de Convenciones de la Gobernación del Tolima |
| dc.relation.ispartofconference.none.fl_str_mv |
IX Congreso Internacional de Desarrollo Sostenible y X Encuentro Internacional de Semilleros de Investigación |
| dc.relation.references.none.fl_str_mv |
Abdallah, A., Maarof, M. A., & Zainal, A. (2016). Fraud detection system: A survey. Journal of Network and Computer Applications, 68, 90–113. https://doi.org/10.1016/j.jnca.2016.04.007 Asobancaria.s.f. Asociacion Bancaria y de Entidades Financieras. Fraudes Financieros.. https://www.asobancaria.com/portfolio-category/fraude/ Bancolombia busca evitar fraudes electronicos a sus clientes; [Source: Portafolio]. (2006, Dec04). NoticiasFinancieras https://bbibliograficas.ucc.edu.co/login?url=https://www.proquest.com/wire-feeds/bancolombia-busca-evitar-fraudes-electronicos-sus/docview/467409980/se-2 Bracke, P., Datta, A., Jung, C., & Sen, S. (2019). Machine learning explainability in finance: an application to default risk analysis. Castro, R., & Cano, M. (2009). El buen gobierno corporativo y la manipulación de los estados financieros. El Salvador Coyuntura Económica, 68-74. Chatterjee, S. (2017). Ad-hoc data processing and its relation with cloud computing in finance sector. International Journal of Applied Science and Engineering, 5(1), 19-28. doi:http://dx.doi.org.proxy.bidig.areandina.edu.co/10.5958/2322-0465.2017.00003.X Chen, Z., Van Khoa, L. D., Teoh, E. N., Nazir, A., Karuppiah, E. K., & Lam, K. S. (2018). Machine learning techniques for anti-money laundering (AML) solutions in suspicious transaction detection: a review. Knowledge and Information Systems, 57, 245-285. Chen, Y., Zhang, Y., & Zhou, B. (2020). Research on the risk of block chain technology in internet finance supported by wireless network. EURASIP Journal on Wireless Communications and Networking, 2020(1) doi:http://dx.doi.org.proxy.bidig.areandina.edu.co/10.1186/s13638-020-01685-6 Cho y Chen, 2021 TY Cho , YS Chen El impacto de la tecnología financiera en la industria bancaria de China: una aplicación del índice de productividad de Malmquist de costos de metafrontera The North American Journal of Economics and Finance , 57 ( 2021 ) , artículo 101414 Dalal, S.; Seth, B.; Radulescu, M.; Secara, C.; Tolea, C. Predicción del fraude en los servicios de pago financiero a través del modelo XGBoost optimizado con hiperparámetros. Matemáticas 2022, 10, 4679. https://doi.org/10.3390/math10244679 Datacredito experian.s.f. Fraudes Financieros y como prevenirlos. https://www.datacreditoempresas.com.co/blog-datacredito-empresas/que-son-los-fraudes-financieros-y-como-prevenirlos/ Finlay, S. (2011). Multiple classifier architectures and their application to credit risk assessment. European Journal of Operational Research, 210(2), 368-378. Frola F., C. C., & Frola , F. (2019). Machine Learning en transacciones financieras y detección temprana de fraudes. In XXI Workshop de Investigadores en Ciencias de la Computación. San Juan: Universidad Nacional de San juan. Gee, J. P., & Esteban-Guitart, M. (2019). El diseño para el aprendizaje profundo en los medios de comunicación sociales y digitales= Designing for deep learning in the context of digital and social media. El diseño para el aprendizaje profundo en los medios de comunicación sociales y digitales= Designing for deep learning in the context of digital and social media, 9-18. Golić, Z. (2019). finance and artificial intelligence: the fifth industrial revolution and its impact on the financial sector. Zbornik Radova Ekonomskog Fakulteta u Istočnom Sarajevu, (19), 67-81. doi:http://dx.doi.org.proxy.bidig.areandina.edu.co/10.7251/ZREFIS1919067G Guerrero, D. (2013). Fraude en la red : aprenda a protegerse contra el fraude en internet. Bogotá: Ediciones de la U. Guerrero, K. (2020, Sep 13). ¡Cuídate del vishing! Fraude aumenta durante confinamiento por covid-19. CE Noticias Financieras https://bbibliograficas.ucc.edu.co/login?url=https://www.proquest.com/wire-feeds/cuídate-del-vishing-fraude-aumenta-durante/docview/2442568399/se-2 Gutierrez, M. (12 de Diciembre de 2015). El Auditor Interno y su Responsabilidad hacia el Fraude. Obtenido de 360° Best Practices® Methodology: https://360bestpracticesmethodology.wordpress.com/2015/12/12/el-auditor-interno-y-suresponsabilidad-hacia-el-fraude/ AYALA VELA, Horacio. La Contaduría Forense. Bogotá: Legis, 2008. 254 p. Kou y otros, 2004 Kou, Y., Lu, C.-T., Sirwongwattana, S. y Huang, Y.-P. (2004). Encuesta de Técnicas de Detección de Fraude. Conferencia internacional IEEE sobre redes, detección y control. Taipei, Taiwán. Mosteanu, N. R., & Faccia, A. (2020). Digital systems and new challenges of financial management – FinTech, XBRL, blockchain and cryptocurrencies: Acces la success acces la success. Calitatea, 21(174), 159-166. Retrieved from http://proxy.bidig.areandina.edu.co:2048/login?url=https://search-proquestcom.proxy.bidig.areandina.edu.co/docview/2350959601?accountid=50441 Nicholls, A. Kuppa y N. -A. Le-Khac, "Financial Cybercrime: A Comprehensive Survey of Deep Learning Approaches to Tackle the Evolving Financial Crime Landscape", en IEEE Access, vol. 9, pp. 163965-163986, 2021, doi: 10.1109/ACCESS.2021.3134076. Núñez Ávila, R. F. (2013). Fraude al sistema financiero ya sus clientes (Bachelor's thesis, Quito, 2013). Ossa Giraldo, W., & Jaramillo Marin, V. (2021). Machine Learning para la estimación del riesgo de crédito en una cartera de consumo (Doctoral dissertation, Universidad EAFIT). Paolo Giudici, Mattia Centurelli, Stefano Turchetta, (2022). Artificial Intelligence risk measurement, Expert Systems with Applications, Volume 235, https://doi.org/10.1016/j.eswa.2023.121220. Takahashi, P. (2021, Nov 17). Condusef alerta sobre suplantación de instituciones y cómo evitar fraude financiero. NotiPress https://bbibliograficas.ucc.edu.co/login?url=https://www.proquest.com/wire-feeds/condusef-alerta-sobre-suplantación-de/docview/2598302645/se-2 Torres Ontibón, H. A. (2022). Fraudes bancarios: algunos fraudes financieros y riesgos asociados. Translated by ContentEngine, L. L. C. (2020, Jun 21). Alerta Unidad Cibernética por fraudes tipo "Smishing" en Sonora. CE Noticias Financieras https://bbibliograficas.ucc.edu.co/login?url=https://www.proquest.com/wire-feeds/alerta-unidad-cibernética-por-fraudes-tipo/docview/2415736471/se-2 West, J., & Bhattacharya, M. (2016). Intelligent financial fraud detection: A comprehensive review. Computers & Security, 57, 47–66. https://doi.org/10.1016/j.cose.2015.09.005 |
| dc.rights.license.none.fl_str_mv |
Atribución – No comercial |
| dc.rights.accessrights.none.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.coar.none.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| rights_invalid_str_mv |
Atribución – No comercial http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.extent.none.fl_str_mv |
36 p. |
| dc.publisher.none.fl_str_mv |
Universidad Cooperativa de Colombia, Facultad de Ciencias Económicas, Administrativas y Contables, Contaduría Pública, Ibagué |
| dc.publisher.place.none.fl_str_mv |
Ibagué |
| publisher.none.fl_str_mv |
Universidad Cooperativa de Colombia, Facultad de Ciencias Económicas, Administrativas y Contables, Contaduría Pública, Ibagué |
| institution |
Universidad Cooperativa de Colombia |
| bitstream.url.fl_str_mv |
https://repository.ucc.edu.co/bitstreams/0eefead0-bde4-4287-851e-eef1554813b6/download https://repository.ucc.edu.co/bitstreams/cc6fdef7-df83-48e8-b9a3-eac6a664f2c0/download https://repository.ucc.edu.co/bitstreams/a4747b91-736c-411a-8211-66ca04fe5386/download https://repository.ucc.edu.co/bitstreams/f5d5eadb-41c2-4efa-bc49-559d48aee7c4/download https://repository.ucc.edu.co/bitstreams/87c53756-5fd1-4cb0-b375-4e2b82e332ae/download https://repository.ucc.edu.co/bitstreams/ce812bf6-39cd-4fb1-b8d9-239fc3a94edc/download https://repository.ucc.edu.co/bitstreams/2d5e27e0-b750-4551-8cab-8a64dd5bcf3d/download https://repository.ucc.edu.co/bitstreams/f5144f4c-f20c-4f86-b3f4-46f8000fe363/download https://repository.ucc.edu.co/bitstreams/2d88d667-6284-44fe-8a11-529fe6476927/download https://repository.ucc.edu.co/bitstreams/eba8f356-a5d5-4d8d-85c2-51e4afec43a5/download |
| bitstream.checksum.fl_str_mv |
3bce4f7ab09dfc588f126e1e36e98a45 70222e189ae08d38d207a216dd52f5c5 c9d24740bf9ae7e9160b9239b374b708 277a4266f6c36dfd10ad75600adda015 c1a485ed79c35fdbbe4ec535114b5623 d08bc899a1e620d2275bbdda3bac8f3f ebbe5c295681c1ad8c1319e9b900e53a 8f634ab98f864837e9c07a852718db51 929a4577ef3a8b798406ceeff0114b72 eda539f901b3cbb4e2a924ab8a8163b0 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional Universidad Cooperativa de Colombia |
| repository.mail.fl_str_mv |
bdigital@metabiblioteca.com |
| _version_ |
1814247213502562304 |
| spelling |
Lozano Prada, Giselle DahiannaHuertas Meneses, Carlos Andrés2024-01-18T19:56:28Z2024-01-18T19:56:28Z2024-01-11Huertas Meneses, C. A y Lozano Prada, G. D. (2024) Prevención de fraudes en el sector financiero colombiano a través de controles que usan el aprendizaje automático [ Tesis de grado Universidad Cooperativa de Colombia]. Repositorio Institucional Universidad Cooperativa de Colombia. https://repository.ucc.edu.co/handle/20.500.12494/53921https://hdl.handle.net/20.500.12494/53921El análisis del fraude en el sector financiero es importante ya que a nivel mundial ha habido cambios tecnológicos que a su vez ha generado vulnerabilidad en la información de las organizaciones financieras generando inestabilidad e incertidumbre económica, financiera, política y social. En este contexto, el estudio analiza la prevención de fraudes en el sector financiero colombiano a través de controles que usan el aprendizaje automático. A nivel metodológico es un estudio de enfoque cualitativo, basado en el tipo de investigación analítico. Los resultados presentan que el fraude en el sector financiero ha sido una de las maneras de lograr distorsionar la información financiera para causar daños y perjuicios a un tercero. En Colombia y en el contexto global, la evolución tecnológica es constante, y los actores delictivos emplean diariamente herramientas tecnológicas altamente sofisticadas en diversas modalidades de estafas. El robo de identidad es el delito que más se repite en el sector, mientras que el hurto de tarjetas de crédito representa el 21% de delitos financieros en el país. Según el Banco de la Republica desde el año 2020, la ciberseguridad mostró resultados favorables, los ciber fraudes cayeron en un 58% y los desfalcos financieros se redujeron en 32%, destacando la modalidad de suplantación o robo de identidad como la más prevalente en los intentos de fraude; no obstante, las tendencias globales de fraude digital, tal como lo informa el estudio elaborado por TransUnion, muestran un notable incremento del 52% en los casos de intentos de fraude digital a nivel mundial.The fraud analysis in the financial sector is important since worldwide there have been technological changes that have generated vulnerability in the information of financial organizations, generating economic, financial, political and social instability and uncertainty. In this context, the study analyzes the prevention of fraud in the Colombian financial sector through controls that use machine learning. At a methodological level, this study has a qualitative approach, based on the type of analytical research. The results show that fraud in the financial sector has been one of the ways to distort financial information to cause damage to a third party. In Colombia and in the global context, technological evolution is constant. Daily, criminal actors use highly sophisticated technological tools in various types of scams. Identity theft is the most common crime in the sector, while credit card theft represents 21% of financial crimes in the country. According to the Banco de la República, since 2020, cybersecurity showed favorable results, cyber fraud fell by 58% and financial embezzlement was reduced by 32%, highlighting the modality of impersonation or identity theft as the most prevalent of fraud attempts; However, global digital fraud trends, as reported by the study prepared by TransUnion, show a notable increase of 52% in cases of attempted digital fraud worldwide.Resumen. -- Introducción. -- Planteamiento del problema. -- Marco referencial. -- Marco teórico. -- Objetivos. -- Metodología. -- Resultados. -- Tipología de fraudes existentes en el sector financiero colombiano. -- Medidas de control que usan el aprendizaje automático en el sector financiero colombiano. -- Uso del aprendizaje automático como medida de control preventivo en el sector financiero mediante estudios de caso. -- Caso 1. puntuación de crédito. -- Caso 2. monitoreo de transacciones. -- Conclusiones. -- Referenciasgiselle.lozano@campusucc.edu.cocarlos.huertas@campusucc.edu.co36 p.Universidad Cooperativa de Colombia, Facultad de Ciencias Económicas, Administrativas y Contables, Contaduría Pública, IbaguéIbaguéFraude financieroDelitos financierosCiberseguridadFraude digitalSeguridadTG 2023 CONFinancial fraudFinancial crimesCybersecurityDigital fraudSecurityPrevención de fraudes en el sector financiero colombiano a través de controles que usan el aprendizaje automáticoTrabajo de grado - Pregradohttp://purl.org/coar/resource_type/c_7a1finfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/acceptedVersionAtribución – No comercialinfo:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Centro de Convenciones de la Gobernación del TolimaIX Congreso Internacional de Desarrollo Sostenible y X Encuentro Internacional de Semilleros de InvestigaciónAbdallah, A., Maarof, M. A., & Zainal, A. (2016). Fraud detection system: A survey. Journal of Network and Computer Applications, 68, 90–113. https://doi.org/10.1016/j.jnca.2016.04.007Asobancaria.s.f. Asociacion Bancaria y de Entidades Financieras. Fraudes Financieros.. https://www.asobancaria.com/portfolio-category/fraude/Bancolombia busca evitar fraudes electronicos a sus clientes; [Source: Portafolio]. (2006, Dec04). NoticiasFinancieras https://bbibliograficas.ucc.edu.co/login?url=https://www.proquest.com/wire-feeds/bancolombia-busca-evitar-fraudes-electronicos-sus/docview/467409980/se-2Bracke, P., Datta, A., Jung, C., & Sen, S. (2019). Machine learning explainability in finance: an application to default risk analysis.Castro, R., & Cano, M. (2009). El buen gobierno corporativo y la manipulación de los estados financieros. El Salvador Coyuntura Económica, 68-74.Chatterjee, S. (2017). Ad-hoc data processing and its relation with cloud computing in finance sector. International Journal of Applied Science and Engineering, 5(1), 19-28. doi:http://dx.doi.org.proxy.bidig.areandina.edu.co/10.5958/2322-0465.2017.00003.XChen, Z., Van Khoa, L. D., Teoh, E. N., Nazir, A., Karuppiah, E. K., & Lam, K. S. (2018). Machine learning techniques for anti-money laundering (AML) solutions in suspicious transaction detection: a review. Knowledge and Information Systems, 57, 245-285.Chen, Y., Zhang, Y., & Zhou, B. (2020). Research on the risk of block chain technology in internet finance supported by wireless network. EURASIP Journal on Wireless Communications and Networking, 2020(1) doi:http://dx.doi.org.proxy.bidig.areandina.edu.co/10.1186/s13638-020-01685-6Cho y Chen, 2021 TY Cho , YS Chen El impacto de la tecnología financiera en la industria bancaria de China: una aplicación del índice de productividad de Malmquist de costos de metafrontera The North American Journal of Economics and Finance , 57 ( 2021 ) , artículo 101414Dalal, S.; Seth, B.; Radulescu, M.; Secara, C.; Tolea, C. Predicción del fraude en los servicios de pago financiero a través del modelo XGBoost optimizado con hiperparámetros. Matemáticas 2022, 10, 4679. https://doi.org/10.3390/math10244679Datacredito experian.s.f. Fraudes Financieros y como prevenirlos. https://www.datacreditoempresas.com.co/blog-datacredito-empresas/que-son-los-fraudes-financieros-y-como-prevenirlos/Finlay, S. (2011). Multiple classifier architectures and their application to credit risk assessment. European Journal of Operational Research, 210(2), 368-378.Frola F., C. C., & Frola , F. (2019). Machine Learning en transacciones financieras y detección temprana de fraudes. In XXI Workshop de Investigadores en Ciencias de la Computación. San Juan: Universidad Nacional de San juan.Gee, J. P., & Esteban-Guitart, M. (2019). El diseño para el aprendizaje profundo en los medios de comunicación sociales y digitales= Designing for deep learning in the context of digital and social media. El diseño para el aprendizaje profundo en los medios de comunicación sociales y digitales= Designing for deep learning in the context of digital and social media, 9-18.Golić, Z. (2019). finance and artificial intelligence: the fifth industrial revolution and its impact on the financial sector. Zbornik Radova Ekonomskog Fakulteta u Istočnom Sarajevu, (19), 67-81. doi:http://dx.doi.org.proxy.bidig.areandina.edu.co/10.7251/ZREFIS1919067GGuerrero, D. (2013). Fraude en la red : aprenda a protegerse contra el fraude en internet. Bogotá: Ediciones de la U.Guerrero, K. (2020, Sep 13). ¡Cuídate del vishing! Fraude aumenta durante confinamiento por covid-19. CE Noticias Financieras https://bbibliograficas.ucc.edu.co/login?url=https://www.proquest.com/wire-feeds/cuídate-del-vishing-fraude-aumenta-durante/docview/2442568399/se-2Gutierrez, M. (12 de Diciembre de 2015). El Auditor Interno y su Responsabilidad hacia el Fraude. Obtenido de 360° Best Practices® Methodology: https://360bestpracticesmethodology.wordpress.com/2015/12/12/el-auditor-interno-y-suresponsabilidad-hacia-el-fraude/AYALA VELA, Horacio. La Contaduría Forense. Bogotá: Legis, 2008. 254 p.Kou y otros, 2004 Kou, Y., Lu, C.-T., Sirwongwattana, S. y Huang, Y.-P. (2004). Encuesta de Técnicas de Detección de Fraude. Conferencia internacional IEEE sobre redes, detección y control. Taipei, Taiwán.Mosteanu, N. R., & Faccia, A. (2020). Digital systems and new challenges of financial management – FinTech, XBRL, blockchain and cryptocurrencies: Acces la success acces la success. Calitatea, 21(174), 159-166. Retrieved from http://proxy.bidig.areandina.edu.co:2048/login?url=https://search-proquestcom.proxy.bidig.areandina.edu.co/docview/2350959601?accountid=50441Nicholls, A. Kuppa y N. -A. Le-Khac, "Financial Cybercrime: A Comprehensive Survey of Deep Learning Approaches to Tackle the Evolving Financial Crime Landscape", en IEEE Access, vol. 9, pp. 163965-163986, 2021, doi: 10.1109/ACCESS.2021.3134076.Núñez Ávila, R. F. (2013). Fraude al sistema financiero ya sus clientes (Bachelor's thesis, Quito, 2013).Ossa Giraldo, W., & Jaramillo Marin, V. (2021). Machine Learning para la estimación del riesgo de crédito en una cartera de consumo (Doctoral dissertation, Universidad EAFIT).Paolo Giudici, Mattia Centurelli, Stefano Turchetta, (2022). Artificial Intelligence risk measurement, Expert Systems with Applications, Volume 235, https://doi.org/10.1016/j.eswa.2023.121220.Takahashi, P. (2021, Nov 17). Condusef alerta sobre suplantación de instituciones y cómo evitar fraude financiero. NotiPress https://bbibliograficas.ucc.edu.co/login?url=https://www.proquest.com/wire-feeds/condusef-alerta-sobre-suplantación-de/docview/2598302645/se-2Torres Ontibón, H. A. (2022). Fraudes bancarios: algunos fraudes financieros y riesgos asociados.Translated by ContentEngine, L. L. C. (2020, Jun 21). Alerta Unidad Cibernética por fraudes tipo "Smishing" en Sonora. CE Noticias Financieras https://bbibliograficas.ucc.edu.co/login?url=https://www.proquest.com/wire-feeds/alerta-unidad-cibernética-por-fraudes-tipo/docview/2415736471/se-2West, J., & Bhattacharya, M. (2016). Intelligent financial fraud detection: A comprehensive review. Computers & Security, 57, 47–66. https://doi.org/10.1016/j.cose.2015.09.005PublicationLICENSElicense.txtlicense.txttext/plain; charset=utf-84334https://repository.ucc.edu.co/bitstreams/0eefead0-bde4-4287-851e-eef1554813b6/download3bce4f7ab09dfc588f126e1e36e98a45MD51ORIGINAL2024_LozanoyHuertas_Prevención_Fraudes_Sector.pdf2024_LozanoyHuertas_Prevención_Fraudes_Sector.pdfTrabajo de gradoapplication/pdf691658https://repository.ucc.edu.co/bitstreams/cc6fdef7-df83-48e8-b9a3-eac6a664f2c0/download70222e189ae08d38d207a216dd52f5c5MD522024_LozanoyHuertas_Prevención_Fraudes_Sector-Acta.pdf2024_LozanoyHuertas_Prevención_Fraudes_Sector-Acta.pdfActa de sustentaciónapplication/pdf96324https://repository.ucc.edu.co/bitstreams/a4747b91-736c-411a-8211-66ca04fe5386/downloadc9d24740bf9ae7e9160b9239b374b708MD532024_LozanoyHuertas_Prevención_Fraudes_Sector-LicenciaUso.pdf2024_LozanoyHuertas_Prevención_Fraudes_Sector-LicenciaUso.pdfLicencia de usoapplication/pdf706559https://repository.ucc.edu.co/bitstreams/f5d5eadb-41c2-4efa-bc49-559d48aee7c4/download277a4266f6c36dfd10ad75600adda015MD54TEXT2024_LozanoyHuertas_Prevención_Fraudes_Sector.pdf.txt2024_LozanoyHuertas_Prevención_Fraudes_Sector.pdf.txtExtracted texttext/plain73815https://repository.ucc.edu.co/bitstreams/87c53756-5fd1-4cb0-b375-4e2b82e332ae/downloadc1a485ed79c35fdbbe4ec535114b5623MD552024_LozanoyHuertas_Prevención_Fraudes_Sector-Acta.pdf.txt2024_LozanoyHuertas_Prevención_Fraudes_Sector-Acta.pdf.txtExtracted texttext/plain2002https://repository.ucc.edu.co/bitstreams/ce812bf6-39cd-4fb1-b8d9-239fc3a94edc/downloadd08bc899a1e620d2275bbdda3bac8f3fMD572024_LozanoyHuertas_Prevención_Fraudes_Sector-LicenciaUso.pdf.txt2024_LozanoyHuertas_Prevención_Fraudes_Sector-LicenciaUso.pdf.txtExtracted texttext/plain5972https://repository.ucc.edu.co/bitstreams/2d5e27e0-b750-4551-8cab-8a64dd5bcf3d/downloadebbe5c295681c1ad8c1319e9b900e53aMD59THUMBNAIL2024_LozanoyHuertas_Prevención_Fraudes_Sector.pdf.jpg2024_LozanoyHuertas_Prevención_Fraudes_Sector.pdf.jpgGenerated Thumbnailimage/jpeg6017https://repository.ucc.edu.co/bitstreams/f5144f4c-f20c-4f86-b3f4-46f8000fe363/download8f634ab98f864837e9c07a852718db51MD562024_LozanoyHuertas_Prevención_Fraudes_Sector-Acta.pdf.jpg2024_LozanoyHuertas_Prevención_Fraudes_Sector-Acta.pdf.jpgGenerated Thumbnailimage/jpeg13791https://repository.ucc.edu.co/bitstreams/2d88d667-6284-44fe-8a11-529fe6476927/download929a4577ef3a8b798406ceeff0114b72MD582024_LozanoyHuertas_Prevención_Fraudes_Sector-LicenciaUso.pdf.jpg2024_LozanoyHuertas_Prevención_Fraudes_Sector-LicenciaUso.pdf.jpgGenerated Thumbnailimage/jpeg12335https://repository.ucc.edu.co/bitstreams/eba8f356-a5d5-4d8d-85c2-51e4afec43a5/downloadeda539f901b3cbb4e2a924ab8a8163b0MD51020.500.12494/53921oai:repository.ucc.edu.co:20.500.12494/539212024-08-10 19:01:08.121open.accesshttps://repository.ucc.edu.coRepositorio Institucional Universidad Cooperativa de Colombiabdigital@metabiblioteca.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 |