Publication
Análise comparativa de algoritmos de inteligência artificial na deteção da fraude transacional em contexto bancário: uma revisão sistemática de literatura
| dc.contributor.advisor | Ribeiro, António Rui Trigo | |
| dc.contributor.author | Mata, Pedro Alexandre Teixeira Fangueiro da | |
| dc.date.accessioned | 2024-01-09T09:00:07Z | |
| dc.date.available | 2024-01-09T09:00:07Z | |
| dc.date.issued | 2023 | |
| dc.description.abstract | Reconhecer a dificuldade da mitigação e deteção de fraude não significa que ficamos simplesmente reduzidos à esperança de que tudo irá correr para o melhor. Nos dias que correm, a fraude, é cada vez mais frequente e flexível, constantemente atualizando-se, sendo necessária uma luta diária constante, em que a passividade social não é solução. As instituições financeiras estão constantemente na linha da frente nesta batalha, principalmente a banca, setor altamente escrutinado, e incessantemente desejável pelos vários agentes fraudulentos, alvo das suas mais variadas técnicas e tentativas criminosas. Numa análise à perspetiva da fraude transacional, e suscitando o apoio da tecnologia, mais concretamente da Inteligência Artificial, levanta-se a questão: “Qual ou quais os melhores algoritmos de deteção de fraude transacional no contexto bancário?” Ora, através de uma Revisão Sistemática da Literatura, e reduzindo a 8 referências bibliográficas credíveis e comparáveis, analisamos, segundo a opinião dos seus autores, o melhor ou os melhores algoritmos de deteção de fraude transacional no setor bancário/financeiro. Após esta análise, agrupamos os resultados obtidos pelas 8 referências e observamos aqueles que foram selecionados mais vezes atingindo a um pódio de 2 algoritmos – Regressão Logística e Random Forest. Apesar das conclusões, apenas 1 dos 8 algoritmos teve em consideração a perspetiva bancária/financeira, as suas particularidades e desafios, seja na ótica operacional e/ou de tempo de processamento transacional. Por outro lado, a escolha do pódio ser bastante dúbia, já que os dois algoritmos apenas foram escolhidos mais 1 vez que os restantes das referências. Não é de todo consensual esta preferência. Estamos perante uma área de intensa investigação, que apesar de atualmente haver uma necessidade de uma abordagem mais aprofundada por parte da futura bibliografia, seguramente diferente resultados, análises e conclusões virão | pt_PT |
| dc.identifier.tid | 203454588 | pt_PT |
| dc.identifier.uri | http://hdl.handle.net/10400.26/48729 | |
| dc.language.iso | por | pt_PT |
| dc.subject | Fraude | pt_PT |
| dc.subject | Fraude bancária | pt_PT |
| dc.subject | Fraude transacional | pt_PT |
| dc.subject | Deteção de fraude | pt_PT |
| dc.subject | Inteligência artificial | pt_PT |
| dc.subject | Algoritmos de aprendizagem automática | pt_PT |
| dc.subject | Algoritmos de aprendizagem profunda | pt_PT |
| dc.title | Análise comparativa de algoritmos de inteligência artificial na deteção da fraude transacional em contexto bancário: uma revisão sistemática de literatura | pt_PT |
| dc.type | master thesis | |
| dspace.entity.type | Publication | |
| rcaap.rights | openAccess | pt_PT |
| rcaap.type | masterThesis | pt_PT |
| thesis.degree.grantor | Instituto Politécnico de Coimbra |