Construcción de Modelos Predictivos para Clasificar Transacciones Legitimas o Fraudulentas Utilizando Algoritmos de Aprendizaje Automático

En la era actual, la naturaleza de las transacciones ha evolucionado drásticamente, migrando de interacciones tradicionales en persona entre tarjetahabientes y comerciantes a transacciones digitales a través de diversos canales, como aplicaciones móviles, banca virtual, billeteras digitales y sistem...

Full description

Autores:
Blanco Soler, Sergio Alfredo
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2024
Institución:
Universidad Santo Tomás
Repositorio:
Repositorio Institucional USTA
Idioma:
spa
OAI Identifier:
oai:repository.usta.edu.co:11634/54007
Acceso en línea:
http://hdl.handle.net/11634/54007
Palabra clave:
Descriptive statistics
Sampling
R programming
Statistical Inference
Multivariate Statistics
Algebra Lineal
Calculus
Estadísticas
Muestreo
Algebra Lineal
Estadística
Análisis EDA
Minería de datos
Aprendizaje Automático
Algoritmos
Patrones
Fraude con Tarjetas
Origen
Ambiente
Canales
Modalidad de Fraude
Trama Transacciona
Rights
openAccess
License
Atribución-NoComercial-SinDerivadas 2.5 Colombia
id SANTOTOMAS_662e5b4bd77c3f4ecec16b6917365150
oai_identifier_str oai:repository.usta.edu.co:11634/54007
network_acronym_str SANTOTOMAS
network_name_str Repositorio Institucional USTA
repository_id_str
dc.title.spa.fl_str_mv Construcción de Modelos Predictivos para Clasificar Transacciones Legitimas o Fraudulentas Utilizando Algoritmos de Aprendizaje Automático
title Construcción de Modelos Predictivos para Clasificar Transacciones Legitimas o Fraudulentas Utilizando Algoritmos de Aprendizaje Automático
spellingShingle Construcción de Modelos Predictivos para Clasificar Transacciones Legitimas o Fraudulentas Utilizando Algoritmos de Aprendizaje Automático
Descriptive statistics
Sampling
R programming
Statistical Inference
Multivariate Statistics
Algebra Lineal
Calculus
Estadísticas
Muestreo
Algebra Lineal
Estadística
Análisis EDA
Minería de datos
Aprendizaje Automático
Algoritmos
Patrones
Fraude con Tarjetas
Origen
Ambiente
Canales
Modalidad de Fraude
Trama Transacciona
title_short Construcción de Modelos Predictivos para Clasificar Transacciones Legitimas o Fraudulentas Utilizando Algoritmos de Aprendizaje Automático
title_full Construcción de Modelos Predictivos para Clasificar Transacciones Legitimas o Fraudulentas Utilizando Algoritmos de Aprendizaje Automático
title_fullStr Construcción de Modelos Predictivos para Clasificar Transacciones Legitimas o Fraudulentas Utilizando Algoritmos de Aprendizaje Automático
title_full_unstemmed Construcción de Modelos Predictivos para Clasificar Transacciones Legitimas o Fraudulentas Utilizando Algoritmos de Aprendizaje Automático
title_sort Construcción de Modelos Predictivos para Clasificar Transacciones Legitimas o Fraudulentas Utilizando Algoritmos de Aprendizaje Automático
dc.creator.fl_str_mv Blanco Soler, Sergio Alfredo
dc.contributor.advisor.none.fl_str_mv Rubriche Cardenas, Juan Carlos
dc.contributor.author.none.fl_str_mv Blanco Soler, Sergio Alfredo
dc.contributor.orcid.spa.fl_str_mv https://orcid.org/0000-0001-6812-2838
dc.contributor.cvlac.spa.fl_str_mv https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0001343533
https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0001425785
dc.contributor.corporatename.spa.fl_str_mv Universidad Santo Tomás
dc.subject.keyword.spa.fl_str_mv Descriptive statistics
Sampling
R programming
Statistical Inference
Multivariate Statistics
Algebra Lineal
Calculus
topic Descriptive statistics
Sampling
R programming
Statistical Inference
Multivariate Statistics
Algebra Lineal
Calculus
Estadísticas
Muestreo
Algebra Lineal
Estadística
Análisis EDA
Minería de datos
Aprendizaje Automático
Algoritmos
Patrones
Fraude con Tarjetas
Origen
Ambiente
Canales
Modalidad de Fraude
Trama Transacciona
dc.subject.lemb.spa.fl_str_mv Estadísticas
Muestreo
Algebra Lineal
dc.subject.proposal.spa.fl_str_mv Estadística
Análisis EDA
Minería de datos
Aprendizaje Automático
Algoritmos
Patrones
Fraude con Tarjetas
Origen
Ambiente
Canales
Modalidad de Fraude
Trama Transacciona
description En la era actual, la naturaleza de las transacciones ha evolucionado drásticamente, migrando de interacciones tradicionales en persona entre tarjetahabientes y comerciantes a transacciones digitales a través de diversos canales, como aplicaciones móviles, banca virtual, billeteras digitales y sistemas de pagos electrónicos. Esta diversificación ha aumentado la susceptibilidad a diversas modalidades de fraude, tales como phishing, skimming, fraude por parte de conocidos, suplantación y robo. Estos desaf´ıos han impulsado la necesidad de implementar herramientas m´as avanzadas que las reglas tradicionales para detectar y prevenir el fraude. En este trabajo, abordamos este reto proponiendo un enfoque basado en modelos de aprendizaje autom´atico supervisado. Estos modelos tienen como objetivo detectar transacciones fraudulentas en tiempo real o casi en tiempo real, minimizando los falsos positivos y alertando o declinando transacciones con alta probabilidad de fraude.
publishDate 2024
dc.date.accessioned.none.fl_str_mv 2024-02-07T19:14:43Z
dc.date.available.none.fl_str_mv 2024-02-07T19:14:43Z
dc.date.issued.none.fl_str_mv 2024-02-06
dc.type.version.none.fl_str_mv info:eu-repo/semantics/acceptedVersion
dc.type.coar.none.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.type.drive.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
format http://purl.org/coar/resource_type/c_7a1f
status_str acceptedVersion
dc.identifier.citation.spa.fl_str_mv Blanco Soler, S. A. (2024). Construcción de Modelos Predictivos para Clasificar Transacciones Legitimas o Fraudulentas Utilizando Algoritmos de Aprendizaje Automático. [Trabajo de Grado, Universidad Santo Tomás]. Repositorio Institucional.
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/11634/54007
dc.identifier.reponame.spa.fl_str_mv reponame:Repositorio Institucional Universidad Santo Tomás
dc.identifier.instname.spa.fl_str_mv instname:Universidad Santo Tomás
dc.identifier.repourl.spa.fl_str_mv repourl:https://repository.usta.edu.co
identifier_str_mv Blanco Soler, S. A. (2024). Construcción de Modelos Predictivos para Clasificar Transacciones Legitimas o Fraudulentas Utilizando Algoritmos de Aprendizaje Automático. [Trabajo de Grado, Universidad Santo Tomás]. Repositorio Institucional.
reponame:Repositorio Institucional Universidad Santo Tomás
instname:Universidad Santo Tomás
repourl:https://repository.usta.edu.co
url http://hdl.handle.net/11634/54007
dc.language.iso.spa.fl_str_mv spa
language spa
dc.relation.references.spa.fl_str_mv Joaquin Rodrigo Amat. ´Arboles de predicci´on: Bagging, random forest, boosting y c5.0. https: //rpubs.com/Joaquin_AR/255596, 2017.
Bart Baesens, V´eronique Van Vlasselaer, and Wouter Verbeke. Fraud Analytics Using Descriptive, Predictive, and Social Network Techniques: A Guide to Data Science for Fraud Detection. Wiley, 2015.
G. E. Batista, R. C. Prati, and M. C. Monard. A study of the behavior of several methods for balancing machine learning training data. ACM SIGKDD Explorations Newsletter, 6(1):20–29, 2004.
Leo Breiman. Random forests, 2001. Statistics Department, University of California, Berkeley, CA 94720.
Robert Burbidge and Bernard Buxton. An introduction to support vector machines for data mining. Computer Science Dept., UCL, Gower Street, WC1E 6BT, UK, 2001.
N. V. Chawla, K. W. Bowyer, L. O. Hall, and W. P. Kegelmeyer. Smote: synthetic minority oversampling technique. Journal of artificial intelligence research, 16:321–357, 2002.
Usama Fayyad, Gregory Piatetsky-Shapiro, and Padhraic Smyth. From data mining to knowledge discovery in databases. AI magazine, 17(3):37, 1996.
Jiawei Han, Micheline Kamber, and Jian Pei. Data Mining Concepts and Techniques. Elsevier Science, third edition, 2014. ISBN 9780123814807.
Trevor Hastie, Robert Tibshirani, and Jerome Friedman. The Elements of Statistical Learning. Springer, 2009.
Gareth James, Daniela Witten, Trevor Hastie, and Robert Tibshirani. An Introduction to Statistical Learning: with Applications in R. Springer, 2013.
George Kanavos. Applied Statistics Using SPSS, STATISTICA and MATLAB. Springer, 1997.
M. Kaur and D. Singh. A systematic review on imbalance data challenges in machine learning: Applications and solutions. ACM Computing Surveys (CSUR), 52(4):1–36, 2019.
Lino Manjarrez. Relaciones neuronales para determinar la atenuación del valor de la aceleración máxima en superficie de sitios en roca para zonas de subducción. https://www.researchgate. net/publication/315762548, 2014.
William Mendenhall. Introduction to Probability and Statistics. Duxbury Press, 5 edition, 1981.
David S. Moore, George P. McCabe, and Bruce A. Craig. The Practice of Statistics. W.H. Freeman, 3 edition, 2009.
Francisco Parra. Estad´ıstica y machine learning con r. https://rpubs.com/PacoParra/293405, 2017.
Luis Torgo. Data Mining with R: Learning With Case Studies. Chapman & Hall/CRC, 2011. ISBN 9781439810187.
Ian H Witten, Eibe Frank, and Mark A Hall. Data Mining: Practical Machine Learning Tools and Techniques. Morgan Kaufmann, 3 edition, 2011.
Yanchang Zhao, Yonghua Cen, and Justin Cen. Data Mining Applications with R. Elsevier Science, 2013. ISBN 9780124115200.
dc.rights.*.fl_str_mv Atribución-NoComercial-SinDerivadas 2.5 Colombia
dc.rights.uri.*.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/2.5/co/
dc.rights.local.spa.fl_str_mv Abierto (Texto Completo)
Abierto (Texto Completo)
dc.rights.accessrights.none.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.coar.spa.fl_str_mv http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv Atribución-NoComercial-SinDerivadas 2.5 Colombia
http://creativecommons.org/licenses/by-nc-nd/2.5/co/
Abierto (Texto Completo)
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.mimetype.spa.fl_str_mv application/pdf
dc.coverage.campus.spa.fl_str_mv CRAI-USTA Bogotá
dc.publisher.spa.fl_str_mv Universidad Santo Tomás
dc.publisher.program.spa.fl_str_mv Rregrado estadística
dc.publisher.faculty.spa.fl_str_mv Facultad de estadística
institution Universidad Santo Tomás
bitstream.url.fl_str_mv https://repository.usta.edu.co/bitstream/11634/54007/3/2024sergioblanco.pdf
https://repository.usta.edu.co/bitstream/11634/54007/4/Sergio%20Alfredo%20Blanco%20Soler-CRAI.pdf
https://repository.usta.edu.co/bitstream/11634/54007/5/Carta_autorizacion_autoarchivo_autor_2021.pdf
https://repository.usta.edu.co/bitstream/11634/54007/6/license_rdf
https://repository.usta.edu.co/bitstream/11634/54007/7/license.txt
https://repository.usta.edu.co/bitstream/11634/54007/8/2024sergioblanco.pdf.jpg
https://repository.usta.edu.co/bitstream/11634/54007/9/Sergio%20Alfredo%20Blanco%20Soler-CRAI.pdf.jpg
https://repository.usta.edu.co/bitstream/11634/54007/10/Carta_autorizacion_autoarchivo_autor_2021.pdf.jpg
bitstream.checksum.fl_str_mv 23baac26364016c25a6d0de5d4a8ecfb
dd84465a5c80f9e1b9ab006835e65fb8
c3da1d04312027827c106edecbb9fb8b
217700a34da79ed616c2feb68d4c5e06
aedeaf396fcd827b537c73d23464fc27
cde6451e7cd910dcffe9c2ee6921b55a
814898c23d71368678f25cdb4d08114a
39c9ba698c9cf971c3737ed1ff149d5c
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Universidad Santo Tomás
repository.mail.fl_str_mv noreply@usta.edu.co
_version_ 1860881779757416448
spelling Rubriche Cardenas, Juan CarlosBlanco Soler, Sergio Alfredohttps://orcid.org/0000-0001-6812-2838https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0001343533https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0001425785Universidad Santo Tomás2024-02-07T19:14:43Z2024-02-07T19:14:43Z2024-02-06Blanco Soler, S. A. (2024). Construcción de Modelos Predictivos para Clasificar Transacciones Legitimas o Fraudulentas Utilizando Algoritmos de Aprendizaje Automático. [Trabajo de Grado, Universidad Santo Tomás]. Repositorio Institucional.http://hdl.handle.net/11634/54007reponame:Repositorio Institucional Universidad Santo Tomásinstname:Universidad Santo Tomásrepourl:https://repository.usta.edu.coEn la era actual, la naturaleza de las transacciones ha evolucionado drásticamente, migrando de interacciones tradicionales en persona entre tarjetahabientes y comerciantes a transacciones digitales a través de diversos canales, como aplicaciones móviles, banca virtual, billeteras digitales y sistemas de pagos electrónicos. Esta diversificación ha aumentado la susceptibilidad a diversas modalidades de fraude, tales como phishing, skimming, fraude por parte de conocidos, suplantación y robo. Estos desaf´ıos han impulsado la necesidad de implementar herramientas m´as avanzadas que las reglas tradicionales para detectar y prevenir el fraude. En este trabajo, abordamos este reto proponiendo un enfoque basado en modelos de aprendizaje autom´atico supervisado. Estos modelos tienen como objetivo detectar transacciones fraudulentas en tiempo real o casi en tiempo real, minimizando los falsos positivos y alertando o declinando transacciones con alta probabilidad de fraude.In the current era, the nature of transactions has evolved dramatically, shifting from traditional face-to-face interactions between cardholders and merchants to digital transactions through various channels, such as mobile applications, virtual banking, digital wallets, and electronic payment systems. This diversification has increased susceptibility to various forms of fraud, such as phishing, skimming, fraud by acquaintances, impersonation, and theft. These challenges have driven the need to implement more advanced tools than traditional rules to detect and prevent fraud. In this work, we address this challenge by proposing an approach based on supervised machine learning models. These models aim to detect fraudulent transactions in real-time or near real-time, minimizing false positives and alerting or declining transactions with a high likelihood of fraud.Profesional en estadísticaPregradoapplication/pdfspaUniversidad Santo TomásRregrado estadísticaFacultad de estadísticaAtribución-NoComercial-SinDerivadas 2.5 Colombiahttp://creativecommons.org/licenses/by-nc-nd/2.5/co/Abierto (Texto Completo)Abierto (Texto Completo)info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Construcción de Modelos Predictivos para Clasificar Transacciones Legitimas o Fraudulentas Utilizando Algoritmos de Aprendizaje AutomáticoDescriptive statisticsSamplingR programmingStatistical InferenceMultivariate StatisticsAlgebra LinealCalculusEstadísticasMuestreoAlgebra LinealEstadísticaAnálisis EDAMinería de datosAprendizaje AutomáticoAlgoritmosPatronesFraude con TarjetasOrigenAmbienteCanalesModalidad de FraudeTrama Transaccionainfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_7a1finfo:eu-repo/semantics/bachelorThesisCRAI-USTA BogotáJoaquin Rodrigo Amat. ´Arboles de predicci´on: Bagging, random forest, boosting y c5.0. https: //rpubs.com/Joaquin_AR/255596, 2017.Bart Baesens, V´eronique Van Vlasselaer, and Wouter Verbeke. Fraud Analytics Using Descriptive, Predictive, and Social Network Techniques: A Guide to Data Science for Fraud Detection. Wiley, 2015.G. E. Batista, R. C. Prati, and M. C. Monard. A study of the behavior of several methods for balancing machine learning training data. ACM SIGKDD Explorations Newsletter, 6(1):20–29, 2004.Leo Breiman. Random forests, 2001. Statistics Department, University of California, Berkeley, CA 94720.Robert Burbidge and Bernard Buxton. An introduction to support vector machines for data mining. Computer Science Dept., UCL, Gower Street, WC1E 6BT, UK, 2001.N. V. Chawla, K. W. Bowyer, L. O. Hall, and W. P. Kegelmeyer. Smote: synthetic minority oversampling technique. Journal of artificial intelligence research, 16:321–357, 2002.Usama Fayyad, Gregory Piatetsky-Shapiro, and Padhraic Smyth. From data mining to knowledge discovery in databases. AI magazine, 17(3):37, 1996.Jiawei Han, Micheline Kamber, and Jian Pei. Data Mining Concepts and Techniques. Elsevier Science, third edition, 2014. ISBN 9780123814807.Trevor Hastie, Robert Tibshirani, and Jerome Friedman. The Elements of Statistical Learning. Springer, 2009.Gareth James, Daniela Witten, Trevor Hastie, and Robert Tibshirani. An Introduction to Statistical Learning: with Applications in R. Springer, 2013.George Kanavos. Applied Statistics Using SPSS, STATISTICA and MATLAB. Springer, 1997.M. Kaur and D. Singh. A systematic review on imbalance data challenges in machine learning: Applications and solutions. ACM Computing Surveys (CSUR), 52(4):1–36, 2019.Lino Manjarrez. Relaciones neuronales para determinar la atenuación del valor de la aceleración máxima en superficie de sitios en roca para zonas de subducción. https://www.researchgate. net/publication/315762548, 2014.William Mendenhall. Introduction to Probability and Statistics. Duxbury Press, 5 edition, 1981.David S. Moore, George P. McCabe, and Bruce A. Craig. The Practice of Statistics. W.H. Freeman, 3 edition, 2009.Francisco Parra. Estad´ıstica y machine learning con r. https://rpubs.com/PacoParra/293405, 2017.Luis Torgo. Data Mining with R: Learning With Case Studies. Chapman & Hall/CRC, 2011. ISBN 9781439810187.Ian H Witten, Eibe Frank, and Mark A Hall. Data Mining: Practical Machine Learning Tools and Techniques. Morgan Kaufmann, 3 edition, 2011.Yanchang Zhao, Yonghua Cen, and Justin Cen. Data Mining Applications with R. Elsevier Science, 2013. ISBN 9780124115200.ORIGINAL2024sergioblanco.pdf2024sergioblanco.pdfTrabajo de Gradoapplication/pdf1729550https://repository.usta.edu.co/bitstream/11634/54007/3/2024sergioblanco.pdf23baac26364016c25a6d0de5d4a8ecfbMD53open accessSergio Alfredo Blanco Soler-CRAI.pdfSergio Alfredo Blanco Soler-CRAI.pdfCarta Facultadapplication/pdf117865https://repository.usta.edu.co/bitstream/11634/54007/4/Sergio%20Alfredo%20Blanco%20Soler-CRAI.pdfdd84465a5c80f9e1b9ab006835e65fb8MD54metadata only accessCarta_autorizacion_autoarchivo_autor_2021.pdfCarta_autorizacion_autoarchivo_autor_2021.pdfCarta Derechos Autorapplication/pdf1083665https://repository.usta.edu.co/bitstream/11634/54007/5/Carta_autorizacion_autoarchivo_autor_2021.pdfc3da1d04312027827c106edecbb9fb8bMD55metadata only accessCC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811https://repository.usta.edu.co/bitstream/11634/54007/6/license_rdf217700a34da79ed616c2feb68d4c5e06MD56open accessLICENSElicense.txtlicense.txttext/plain; charset=utf-8807https://repository.usta.edu.co/bitstream/11634/54007/7/license.txtaedeaf396fcd827b537c73d23464fc27MD57open accessTHUMBNAIL2024sergioblanco.pdf.jpg2024sergioblanco.pdf.jpgIM Thumbnailimage/jpeg5499https://repository.usta.edu.co/bitstream/11634/54007/8/2024sergioblanco.pdf.jpgcde6451e7cd910dcffe9c2ee6921b55aMD58open accessSergio Alfredo Blanco Soler-CRAI.pdf.jpgSergio Alfredo Blanco Soler-CRAI.pdf.jpgIM Thumbnailimage/jpeg7596https://repository.usta.edu.co/bitstream/11634/54007/9/Sergio%20Alfredo%20Blanco%20Soler-CRAI.pdf.jpg814898c23d71368678f25cdb4d08114aMD59open accessCarta_autorizacion_autoarchivo_autor_2021.pdf.jpgCarta_autorizacion_autoarchivo_autor_2021.pdf.jpgIM Thumbnailimage/jpeg7681https://repository.usta.edu.co/bitstream/11634/54007/10/Carta_autorizacion_autoarchivo_autor_2021.pdf.jpg39c9ba698c9cf971c3737ed1ff149d5cMD510open access11634/54007oai:repository.usta.edu.co:11634/540072024-02-08 03:02:17.905open accessRepositorio Universidad Santo Tomásnoreply@usta.edu.coQXV0b3Jpem8gYWwgQ2VudHJvIGRlIFJlY3Vyc29zIHBhcmEgZWwgQXByZW5kaXphamUgeSBsYSBJbnZlc3RpZ2FjacOzbiwgQ1JBSS1VU1RBCmRlIGxhIFVuaXZlcnNpZGFkIFNhbnRvIFRvbcOhcywgcGFyYSBxdWUgY29uIGZpbmVzIGFjYWTDqW1pY29zIGFsbWFjZW5lIGxhCmluZm9ybWFjacOzbiBpbmdyZXNhZGEgcHJldmlhbWVudGUuCgpTZSBwZXJtaXRlIGxhIGNvbnN1bHRhLCByZXByb2R1Y2Npw7NuIHBhcmNpYWwsIHRvdGFsIG8gY2FtYmlvIGRlIGZvcm1hdG8gY29uCmZpbmVzIGRlIGNvbnNlcnZhY2nDs24sIGEgbG9zIHVzdWFyaW9zIGludGVyZXNhZG9zIGVuIGVsIGNvbnRlbmlkbyBkZSBlc3RlCnRyYWJham8sIHBhcmEgdG9kb3MgbG9zIHVzb3MgcXVlIHRlbmdhbiBmaW5hbGlkYWQgYWNhZMOpbWljYSwgc2llbXByZSB5IGN1YW5kbwptZWRpYW50ZSBsYSBjb3JyZXNwb25kaWVudGUgY2l0YSBiaWJsaW9ncsOhZmljYSBzZSBsZSBkw6kgY3LDqWRpdG8gYWwgdHJhYmFqbyBkZQpncmFkbyB5IGEgc3UgYXV0b3IuIERlIGNvbmZvcm1pZGFkIGNvbiBsbyBlc3RhYmxlY2lkbyBlbiBlbCBhcnTDrWN1bG8gMzAgZGUgbGEKTGV5IDIzIGRlIDE5ODIgeSBlbCBhcnTDrWN1bG8gMTEgZGUgbGEgRGVjaXNpw7NuIEFuZGluYSAzNTEgZGUgMTk5Mywg4oCcTG9zIGRlcmVjaG9zCm1vcmFsZXMgc29icmUgZWwgdHJhYmFqbyBzb24gcHJvcGllZGFkIGRlIGxvcyBhdXRvcmVz4oCdLCBsb3MgY3VhbGVzIHNvbgppcnJlbnVuY2lhYmxlcywgaW1wcmVzY3JpcHRpYmxlcywgaW5lbWJhcmdhYmxlcyBlIGluYWxpZW5hYmxlcy4K

Publicaciones similares