Detecção de fraudes em transações bancárias utilizando inteligência artificial
Authors/Creators
-
1.
Fatec Praia Grande
Description
O artigo analisa o impacto da Inteligência Artificial (IA) no setor bancário e financeiro, especificamente na detecção de fraudes em transações financeiras. Destaca-se a evolução da IA e seu papel transformador no contexto bancário e financeiro. O foco central é a complexidade das fraudes financeiras, abordando diversas modalidades e seu impacto econômico, são citados casos emblemáticos como a Fraude de Jerome Kerviel no Société Générale (2008) e a Fraude de Nick Leeson no Barings Banks (1995), evidenciando a necessidade de métodos eficazes na prevenção e identificação desses incidentes. O artigo delineia as técnicas modernas e IA empregadas na detecção de fraudes bancárias, destacando o uso de algoritmos avançados, como aprendizado de máquina e redes neurais. A proposta é utilizar essas abordagens para identificar padrões suspeitos em transações financeiras, ressaltando não apenas a eficácia, mas também o potencial dessas metodologias na mitigação de riscos e na proteção das instituições financeiras contra atividades fraudulentas. O estudo fornece uma visão detalhada desde os métodos mais antigos até os métodos mais atuais de IA destacando a utilização de algoritmos avançados para alcançar uma detecção mais precisa e eficiente. Os resultados ressaltam a capacidade desses métodos em identificar e prevenir incidentes similares aos casos apresentados. Espera-se que algoritmos avançados proporcionem uma resposta efetive na identificação de transações suspeitas. O estudo conclui enfatizando não apenas a eficácia das abordagens modernas de IA na detecção de fraudes bancárias, mas também o potencial dessas técnicas na proteção das instituições financeiras contra atividades fraudulentas. Destaca-se a importância contínua do desenvolvimento e implementação de métodos avançados de IA para fortalecer a segurança no setor bancário, mitigando riscos e protegendo os clientes e as instituições contra ameaças financeiras.
Versão publicada na Revista Processando o Saber:
https://www.fatecpg.edu.br/revista/index.php/ps/article/view/341
Abstract (English)
The article analyzes the impact of Artificial Intelligence (AI) in the banking and financial sector, specifically in the detection of fraud in financial transactions. It highlights the evolution of AI and its transformative role in the banking and financial context. The central focus is on the complexity of financial frauds, addressing various types and their economic impact. Emblematic cases such as the Jerome Kerviel's fraud at Société Générale (2008) and Nick Leeson's Fraud at Barings Banks (1995) are mentioned, underscoring the need for effective methods in preventing and identifying these incidents. The article outlines modern techniques and AI employed in detecting banking frauds, emphasizing the use of advanced algorithms such as machine learning and neural networks. The proposal is to use these approaches to identify suspicious patterns in financial transactions, emphasizing not only their effectiveness but also their potential in mitigating risks and protecting financial institutions against fraudulent activities. The study provides a detailed overview from older to more current AI methods, highlighting the use of advanced algorithms to achieve more precise and efficient detection. The results underscore the capability of these methods in identifying and preventing incidents similar to the cases presented. It is expected that advanced algorithms will provide an effective response in identifying suspicious transactions. The study concludes by emphasizing not only the effectiveness of modern AI approaches in detecting banking frauds but also the potential of these techniques in protecting financial institutions against fraudulent activities. It highlights the ongoing importance of developing and implementing advanced AI methods to strengthen security in the banking sector, mitigating risks, and safeguarding clients and institutions against financial threats.
Files
02.pdf
Files
(295.6 kB)
| Name | Size | Download all |
|---|---|---|
|
md5:a12cff2c533fba67d15ddf9d8d086c50
|
295.6 kB | Preview Download |
Additional details
Additional titles
- Translated title (English)
- Fraud detection in banking transactions using artificial intelligence
Related works
- Is published in
- Journal article: https://www.fatecpg.edu.br/revista/index.php/ps/article/view/341 (URL)
Dates
- Issued
-
2025-06-06
References
- AZEVEDO, Frederico Luis de. Detecção de fraudes de cartão de crédito em uma base brasileira utilizando Autoencoder. 2021. 55 f. Dissertação (Mestrado em Computação Aplicada) - Programa de Pós-graduação em Computação Aplicada, Instituto Federal do Espírito Santo, Serra, 2021.
- BARCELOS, Vanessa Azevedo; DOS SANTOS, André Moraes. Transformação digital e seguro: uma revisão sistemática da literatura. Revista de Gestão e Secretariado (Management and Administrative Professional Review), v. 14, n. 6, p. 8849-8874, 2023.
- BELTRAN, Rafael Duarte. Detecção de fraudes bancárias utilizando métodos de clustering. Orientador: Alessandro Bof de Oliveira. 2019. 61 p. Trabalho de Conclusão de Curso (Bacharel em Ciência da Computação) - Universidade Federal do Pampa, Curso de Ciência da Computação, Alegrete, 2019.
- CAIRES, Daniel de Oliveira. Técnicas de interpretabilidade para aprendizado de máquina: um estudo abordando avaliação de crédito e detecção de fraude. 2022. Dissertação (Mestrado em Matemática, Estatística e Computação) - Instituto de Ciências Matemáticas e de Computação, University of São Paulo, São Carlos, 2022. doi:10.11606/D.55.2022.tde-16122022-180337.
- CRISTOVÃO, Rafael Belmiro. Detecção de fraudes em cartão de crédito: um caso de uso de modelos supervisionados no e-commerce brasileiro. 2023. Dissertação (Mestrado em Matemática, Estatística e Computação) - Instituto de Ciências Matemáticas e de Computação, University of São Paulo, São Carlos, 2023.
- DE LIMA, J. D. N. KOCHHANN, A. A Inteligência Artificial na educação: as implicações no futuro do trabalho docente. CONTRIBUCIONES A LAS CIENCIAS SOCIALES, [S. l.], v. 16, n. 9, p. 17307–17318, 2023.
- DE QUEIROZ MACHADO, Diego et al. O Caso Barings: As Lições Foram Aprendidas. Revista Alcance, v. 22, n. 2 (Abr-Jun), p. 316-329, 2015.
- DE SOUZA, Daniel Henrique Miguel; BORDIN JR, Claudio J. Detecção de fraude de cartão de crédito por meio de algoritmos de aprendizado de máquina. Revista Brasileira de Computação Aplicada, v. 15, n. 1, p. 1-11, 2023.
- GIL, Antonio Carlos. Como elaborar projetos de pesquisa. 4. ed. São Paulo: Atlas, 2002.
- HERMANN FILHO, Roberto Max. Escândalos financeiros: a problemática das falhas de controle de mesas de instituições financeiras durante os anos de 1995 a 2008. 2011. 88 f. Dissertação (Mestrado em Administração) - Pontifícia Universidade Católica de São Paulo, São Paulo, 2011.
- KOHILAN, Rasenthiran et al. A Machine Learning-based Approach for Detecting Smishing Attacks at End-user Level. In: 2023 IEEE International Conference on e-Business Engineering (ICEBE). IEEE, 2023. p. 149-154.
- KOVACH, Stephan. Detecção de fraudes em transações financeiras via Internet em tempo real. 2011. Tese (Doutorado em Sistemas Digitais) - Escola Politécnica, Universidade de São Paulo, São Paulo, 2011.
- LIMA, Jardielma Queiroz de. Detecção de fraudes em cartões de crédito utilizando técnicas de aprendizado de máquina. 2022. 74 f. Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) - Instituto Federal do Espírito Santo, Serra, 2022.
- MARTINS, Emerson; GALEGALE, Napoleão Verardi. Detecção de fraudes no segmento de crédito financeiro utilizando aprendizado de máquina: uma revisão da literatura. Revista e-TECH: Tecnologias para Competitividade Industrial-ISSN-1983-1838, v. 15, n. 3, 2022.
- MATHIJSSEN, Max; OVEREEM, Michiel; JANSEN, Slinger. Identification of practices and capabilities in API management: a systematic literature review. arXiv preprint arXiv:2006.10481, 2020.
- OLIVEIRA, Rafael Barros de. Aprendizado de máquinas e desafios da gestão na era dos dados: um estudo de caso na área de prevenção a fraudes bancárias. 2019. 52 f. Trabalho de Conclusão de Curso (Bacharelado em Administração) Universidade de Brasília, Brasília, 2019.
- SANCHES, Marcelo Kaminski. Aprendizado de máquina semi-supervisionado: proposta de um algoritmo para rotular exemplos a partir de poucos exemplos rotulados. 2003. Dissertação (Mestrado em Ciências de Computação e Matemática Computacional) - Instituto de Ciências Matemáticas e de Computação, Universidade de São Paulo, São Carlos, 2003.
- SANTOS, Evandro da Silva dos. Aplicação de algoritmos de aprendizagem supervisionada de máquina em sistemas embarcados no auxílio à aplicação de defensivos agrícolas. 2023. Dissertação (Mestrado em Tecnologias Computacionais para o Agronegócio) - Universidade Tecnológica Federal do Paraná, Medianeira, 2023.
- SEMEDO, D. (2022) Auditoria interna no setor bancário e a sua importância na prevenção e deteção da fraude. (Dissertação de mestrado não publicada). Instituto Politécnico de Lisboa, Instituto Superior de Contabilidade e Administração de Lisboa.
- SICHMAN, J. S. Inteligência Artificial e sociedade: avanços e riscos. Estudos Avançados, [S. l.], v. 35, n. 101, p. 37-50, 2021. DOI: 10.1590/s0103-4014.2021.35101.004. Disponível em: https://www.revistas.usp.br/eav/article/view/185024. Acesso em: 10 jan. 2024.