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...
- Autores:
- Tipo de recurso:
- 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
- Rights
- License
- http://creativecommons.org/licenses/by-nc-nd/4.0/
id |
EDOCUR2_633d59bffda1ce9c6c27f8f94b3394c5 |
---|---|
oai_identifier_str |
oai:repository.urosario.edu.co:10336/40983 |
network_acronym_str |
EDOCUR2 |
network_name_str |
Repositorio EdocUR - U. Rosario |
repository_id_str |
|
spelling |
Detección de anomalías transaccionales usando técnicas de machine learning con grafosTransactional anomaly detection using machine learning techniques with graphsUIAFGrafosDetección de anomalíasIsolation forestHBOSABODAnálisis de componentes principalesUIAFGraphAnomaly detectionIsolation ForestHBOSABODPrincipal Component AnalysisEste 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.This paper proposes a methodology for the identification of anomalous transactions made through an electronic deposit service of a financial institution with the objective of preventing and detracting money laundering and terrorist financing, this methodology consists of the implementation of multiple Machine Learning techniques, specifically unsupervised learning.Universidad del RosarioEscuela de Ingeniería, Ciencia y TecnologíaMaestría en Matemáticas Aplicadas y Ciencias de la Computación2023-09-022023-09-15T20:56:02Zinfo:eu-repo/semantics/workingPaperhttp://purl.org/coar/resource_type/c_804246 ppapplication/pdfhttps://doi.org/10.48713/10336_40983 https://repository.urosario.edu.co/handle/10336/40983instname:Universidad del Rosarioreponame:Repositorio Institucional EdocURspahttp://creativecommons.org/licenses/by-nc-nd/4.0/http://purl.org/coar/access_right/c_abf2Cortés Sánchez, Juan Sebastiánoai:repository.urosario.edu.co:10336/409832023-09-16T03:02:54Z |
dc.title.none.fl_str_mv |
Detección de anomalías transaccionales usando técnicas de machine learning con grafos Transactional anomaly detection using machine learning techniques with graphs |
title |
Detección de anomalías transaccionales usando técnicas de machine learning con grafos |
spellingShingle |
Detección de anomalías transaccionales usando técnicas de machine learning con grafos UIAF Grafos Detección de anomalías Isolation forest HBOS ABOD Análisis de componentes principales UIAF Graph Anomaly detection Isolation Forest HBOS ABOD Principal Component Analysis |
title_short |
Detección de anomalías transaccionales usando técnicas de machine learning con grafos |
title_full |
Detección de anomalías transaccionales usando técnicas de machine learning con grafos |
title_fullStr |
Detección de anomalías transaccionales usando técnicas de machine learning con grafos |
title_full_unstemmed |
Detección de anomalías transaccionales usando técnicas de machine learning con grafos |
title_sort |
Detección de anomalías transaccionales usando técnicas de machine learning con grafos |
dc.subject.none.fl_str_mv |
UIAF Grafos Detección de anomalías Isolation forest HBOS ABOD Análisis de componentes principales UIAF Graph Anomaly detection Isolation Forest HBOS ABOD Principal Component Analysis |
topic |
UIAF Grafos Detección de anomalías Isolation forest HBOS ABOD Análisis de componentes principales UIAF Graph Anomaly detection Isolation Forest HBOS ABOD Principal Component Analysis |
description |
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. |
publishDate |
2023 |
dc.date.none.fl_str_mv |
2023-09-02 2023-09-15T20:56:02Z |
dc.type.none.fl_str_mv |
info:eu-repo/semantics/workingPaper |
dc.type.coar.fl_str_mv |
http://purl.org/coar/resource_type/c_8042 |
dc.identifier.none.fl_str_mv |
https://doi.org/10.48713/10336_40983 https://repository.urosario.edu.co/handle/10336/40983 |
url |
https://doi.org/10.48713/10336_40983 https://repository.urosario.edu.co/handle/10336/40983 |
dc.language.none.fl_str_mv |
spa |
language |
spa |
dc.rights.none.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/4.0/ |
dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-nd/4.0/ http://purl.org/coar/access_right/c_abf2 |
dc.format.none.fl_str_mv |
46 pp application/pdf |
dc.publisher.none.fl_str_mv |
Universidad del Rosario Escuela de Ingeniería, Ciencia y Tecnología Maestría en Matemáticas Aplicadas y Ciencias de la Computación |
publisher.none.fl_str_mv |
Universidad del Rosario Escuela de Ingeniería, Ciencia y Tecnología Maestría en Matemáticas Aplicadas y Ciencias de la Computación |
dc.source.none.fl_str_mv |
instname:Universidad del Rosario reponame:Repositorio Institucional EdocUR |
instname_str |
Universidad del Rosario |
institution |
Universidad del Rosario |
reponame_str |
Repositorio Institucional EdocUR |
collection |
Repositorio Institucional EdocUR |
repository.name.fl_str_mv |
|
repository.mail.fl_str_mv |
|
_version_ |
1803710523390296064 |