Prevención de fraudes de Robo de Cuentas a partir del análisis comportamental del usuario

Abstract

El fraude es un problema actual para la mayoría de las empresas, el cual necesitan resolver para cuidar de su negocio. Por un lado, es necesario que los individuos tomen medidas para protegerse y evitar caer en engaños. Por otro lado, es fundamental el papel de las empresas en el desarrollo de métodos de detección temprana de estos eventos para poder proteger su patrimonio y el de sus usuarios. Entre las múltiples formas de fraude que pueden existir, el “robo de cuentas” es una modalidad que preocupa a grandes empresas, como es el caso de las instituciones financieras. En el presente trabajo se busca abordar esta problemática, mediante un enfoque de aprendizaje automático t monería de datos, que permita detectar intentos fraudulentos en el inicio de sesión, diseñando el comportamiento habitual del titular de la cuenta, utilizando clústeres y grafos, sin la necesidad de disponer de datos etiquetados. Con este diseño, se alertarían los inicios de sesión sospechosos, permitiendo accionar de manera temprana para detectar nuevos patrones de comportamiento.

Fraud is one of the most important issues that the majority of companies are facing nowadays. On one hand, it is necessary for individuals to take actions in order to protect themselves and avoid falling into deceptions. On the other hand, it is paramount for companies to develop early detection methods of these type of events, aiming to protect their own wealth and their users’. Among the multiple kinds of fraud that may exist, “account takeover” is in the top concerns for large companies as financial institutions. This work is aimed towards addressing such problematic by using data mining and machine learning techniques to detect fraud attempts in the user login. The objective is to design clusters and graphs to represent the typical behavior of the account owner, without the need of labeled data. With this design suspicious logins would be alerted, allowing an early prevention of the fraud attempt.