DESENVOLVIMENTO E ANÁLISE DE MOTOR ANTIFRAUDE PARA PAGAMENTOS ONLINE
DEVELOPMENT AND ANALYSIS OF AN ANTI-FRAUD ENGINE FOR ONLINE PAYMENTS
DOI:
https://doi.org/10.24933/e-usf.v6i2.284Palavras-chave:
machine-learning, motor de regras, KNN, fraude.Resumo
As compras onlines e as transações digitais estão cada vez mais presentes no dia a dia das pessoas. Por consequência, surgiram também novos comportamentos fraudulentos, visando o abuso de tais meios de pagamentos. O objetivo do presente trabalho é, portanto, o desenvolvimento e a demonstração de um fluxo de prevenção a esse tipo de fraude, utilizando-se de técnicas de machine-learning (KNN), conjuntamente com o modelo de motor baseado em regras, que mostre desde o desenvolvimento inicial até o fluxo de dado transacional, demonstrando, também, a análise dos dados criados. Com isso, será possível realizar previsões e desenvolver regras para a prevenção dos diversos tipos de comportamentos fraudulentos, e não somente contra aqueles baseados em situações já conhecidas, mas também em cenários inéditos. Assim, torna-se viável a criação de aplicativos e plataformas de pagamentos confiáveis e seguros, tanto para o meio empresarial quanto para o usuário final.
Downloads
Referências
PAYMENT FRAUD ATTACK RATE ACROSS FINTECH BALLOONED 70% IN 2021. helpnetsecurity. Disponível em: <https://www.helpnetsecurity.com/2022/03/21/payment-fraud-increase/> Acesso em: 12, maio de 2022.
DOMINGOS, Pedro. O Algoritmo Mestre: Como a busca pelo algoritmo de machine learning. São Paulo. Novatec Editora 1ª edição. 24, janeiro de 2017.
LIGEZA, Antoni. Logical Foundations for Rule-Based Systems: Studies in computational intelligence. Spinger Editora 2ª edição. 1, março de 2006.
MALINI N., Dr.M, et al. Analysis on Credit Card Fraud Identification Techniques based on KNN and Outlier Detection. Chennai, Índia: IEEE, 11, julho, 2017.
WANG, Xiaoguo, et al. Research and Design of a Rules Engine for Bank Anti-fraud Platform. Tongji University, Shanghai, China. International Conference on Engineering Management Iconf-EM. Janeiro, 2017. Disponível em <https://www.atlantis-press.com/proceedings/iconfem-16/25868905> Acesso em: 17 de maio de 2022.
SHAILESH, S. Dhok. Credit Card Fraud Detection Using Hidden Markov Model. International Journal of Soft Computing and Engineering. Março, 2012. Disponível em <https://mdatechsys.com/project/Mobile%20Computing/Credit%20Card%20Fraud%20Detection%20Using.pdf> Acesso em: 19 de maio de 2022.
YONG, Zhou. An Improved KNN Text Classification Algorithm Based on Clustering. School of Computer Science & Technology, China University of Mining & Technology, Xuzhou, Jiangsu 221116, China Março, 2009. p 230-237. Disponível em <http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.415.9683&rep=rep1&type=pdf> Acesso em: 18 de maio de 2022.
ANDRADE, Marco Antônio Rocca de. Fundamentos de Modelos de Markov Escondidos (HMM). Departamento de Engenharia Elétrica, Instituto Militar de Engenharia - IME, 2009. Disponível em <http://rmct.ime.eb.br/arquivos/RMCT_2_quad_2000/fund_modelos_Markov_escondidos.pdf> Acesso em: 20 de maio de 2022.
LUZ, Felipe. Algoritmo KNN para classificação. inferir.com.br, 2019. Disponível em: <https://inferir.com.br/artigos/algoritimo-knn-para-classificacao/> Acesso em: 18 de maio de 2022.
STONEBRAKER, Michael. PostgreSQL: Software de banco de dados procedural. Versão 13.4, 9 set. 2021. Disponível em: https://www.postgresql.org/. Acesso em: 20 maio. 2022.
HYKES, Solomon. Docker: Software de gerenciamento de containers. Versão 20.10, 20 maio. 2022. Disponível em: https://www.docker.com//. Acesso em: 20 maio. 2022.
RUSSON, Guido Van. Python: Software linguagem de programação. Versão 3.10, 4 setembro. 2021. Disponível em: https://www.python.org/. Acesso em: 20 maio. 2022.
STENBERG, Daniel. cURL: Software de linha de comando para transferir dados. Versão 7.83.1, 11 maio. 2022. Disponível em: https://curl.se/. Acesso em: 20 maio. 2022.
ASTHANA, Abhinav. Postman: Software desenvolvido ‘em cima’ do motor de javascript - NodeJS - que disponibiliza uma grande gama de ferramentas para testes em APIs. Versão V10, 11 agosto. 2022. Disponível em: https://www.postman.com/. Acesso em: 29 setembro. 2022.
INC, Mongodb. MongoDB: Banco de dados não relacional orientado à documentos. Versão V10, 19 agosto. 2022. Disponível em: https://www.mongodb.com/. Acesso em: 03 outubro. 2022.
COURNAPEAU, David. Scikit-learn: Framework de inteligência artificial desenvolvida em python. Versão v1.0.2, 28 abril. 2021. Disponível em: https://scikit-learn.org/stable/. Acesso em: 06 outubro. 2022.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Autores que publicam nesta revista concordam com os seguintes termos:
- Autores mantém os direitos autorais e concedem ao periódico o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
- Autores têm autorização para assumir contratos adicionais, separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
- Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado (Veja O Efeito do Acesso Livre).
