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...

Full description

Autores:

Tipo de recurso:

Fecha de publicación:: 2023

Institución:: Universidad del Rosario

Repositorio:: Repositorio EdocUR - U. Rosario

Idioma:: spa

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

Detección de anomalías transaccionales usando técnicas de machine learning con grafos

Publicaciones similares