Detección de anomalías transaccionales usando técnicas de machine learning con grafos

Este documento propone una metodología para la identificación de transacciones anómalas realizadas a través de un servicio de depósito electrónico de una entidad financiera con el objetivo de prevenir y detractar el lavado de activos y de financiación del terrorismo, esta metodología consiste en la implementación de múltiples técnicas de Machine Learning, especificamente de aprendizaje no supervisado.

• Fecha de publicación: 2023
• Institución: Universidad del Rosario
• Repositorio: Repositorio EdocUR - U. Rosario
• Idioma: spa
• OAI Identifier: oai:repository.urosario.edu.co:10336/40983
• Acceso en línea: https://doi.org/10.48713/10336_40983; https://repository.urosario.edu.co/handle/10336/40983
• Palabra clave: UIAF; Grafos; Detección de anomalías; Isolation forest; HBOS; ABOD; Análisis de componentes principales; UIAF; Graph; Anomaly detection; Isolation Forest; HBOS; ABOD; Principal Component Analysis
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/