Mi SciELO
Servicios Personalizados
Articulo
Indicadores
- Citado por SciELO
Links relacionados
- Similares en SciELO
Compartir
Revista Cubana de Ciencias Informáticas
versión On-line ISSN 2227-1899
Resumen
AMEIJEIRAS SANCHEZ, David; VALDES SUAREZ, Odeynis y GONZALEZ DIEZ, Héctor. Algoritmos de detección de anomalías con redes profundas. Revisión para detección de fraudes bancarios. Rev cuba cienc informat [online]. 2021, vol.15, n.4, suppl.1, pp. 244-264. Epub 01-Dic-2021. ISSN 2227-1899.
Los diversos avances en las ciencias y los grandes volúmenes de datos que se han generado sólo en los últimos años han sobrepasado la capacidad humana para recolectar, almacenar y comprender los mismos sin el uso de las herramientas adecuadas limitando las capacidades de detección de fraudes en las instituciones. Una forma de fraude bancario es el que ocurre con las tarjetas de crédito/débito; estas se han convertido en un método de pago muy popular en las compras online de bienes y servicios. Es por estos motivos que se realizó un análisis de los principales algoritmos de detección de anomalías basados en aprendizaje profundo enfocado en el fraude bancario. Se determinó que las arquitecturas basadas en AEs destacan en tareas no supervisadas y las (Long short-term memory) LSTM para tareas de clasificación.
Palabras clave : anomalía de datos; aprendizaje profundo; fraude bancario; tarjetas de crédito.