Análisis de métodos de machine learning para detección de fraude en transacciones financieras en tiempo real

Las entidades financieras enfrentan un creciente desafío en la detección de fraudes en transacciones digitales debido a la sofisticación de las técnicas fraudulentas. Este estudio analiza los modelos de Machine Learning aplicados a la detección de fraudes en tiempo real, con el objetivo de identificar sus características, deficiencias y retos. Basado en fuentes como (Asobancaria, 2022) y la (Superintendencia Financiera, 2023), se evalúan las implicaciones prácticas y teóricas para mejorar la seguridad financiera en Colombia.

Grantor dc:publisher

Universidad Ean

Year dc:date

2025

Authors dc:creator

• Tarazona Nieto, María Camila
• Pérez Beltrán, Daniel Antonio
• Becerra Barajas, Leyla Rocío
• Mateus Agudelo, Laura Carolina

Contributors dc:contributor

• García García, Diego Armando

• Fraude de Internet
• Seguridad informática
• Instituciones financieras
• Protección de datos
• Fraude financiero
• Machine learning
• Detección de fraudes entidades financieras
• Seguridad digital
• Financial fraud
• Fraud Detection in Financial Institutions
• Digital security

Statement dc:rights

• info:eu-repo/semantics/openAccess
• Abierto (Texto Completo)
• Atribución-NoComercial-SinDerivadas 2.5 Colombia

Licence

• http://creativecommons.org/licenses/by-nc-nd/2.5/co/

Language dc:language

spa

Identifier

BDM-PML
instname:Universidad Ean
reponame:Repositorio Institucional Biblioteca Digital Minerva
repourl:https://repository.ean.edu.co/

OAI record oai:identifier

https://repository.universidadean.edu.co/server/oai/request?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Anull%3A10882%2F14671