ANÁLISE DO DESEMPENHO DE CLASSIFICADORES SUPERVISIONADOS NA DETECÇÃO DE FRAUDE EM TRANSAÇÕES POR CARTÕES DE CRÉDITO
Resumo
Diversos fatores no âmbito digital contribuem para o crescimento de fraudes em transações realizadas através do cartão de crédito, fato que acarreta prejuízos para pessoas e instituições financeiras. Em resposta a essa problemática, faz-se necessário encontrar medidas que identifiquem e reportem rapidamente esses desvios, tornando as compras digitais mais seguras. Portanto, esse estudo propõe a aplicação de técnicas capazes de, em grande quantidade de dados, extrair padrões e classificá-los como prováveis transações fraudulentas ou não, por meio da aplicação de Machine Learning e do aprimoramento do resultado com Ensemble Learning. O resultado obtido é uma melhoria significativa na performance do algoritmo de KNN combinado com a técnica de stacking, principalmente considerando a métrica Recall.
Referências
ALMAZROI, A. A.; AYUB, N. Online payment fraud detection model using machine learning techniques. IEEE Access, v. 11, p. 137188–137203, 2023.
DING, Y. et al. Credit card fraud detection based on improved variational autoencoder generative adversarial network. IEEE Access, v. 11, p. 83680–83691, 2023.
ESENOGHO, E. et al. A neural network ensemble with feature engineering for improved credit card fraud detection. IEEE Access, v. 10, p. 16400–16407, 2022.
GHALEB, F. A. et al. Ensemble synthesized minority oversampling-based generative adversarial networks and random forest algorithm for credit card fraud detection. IEEE Access, v. 11, p. 89694–89710, 2023.
HASHEMI, S. K.; MIRTAHERI, S. L.; GRECO, S. Fraud detection in banking data by machine learning techniques. IEEE Access, v. 11, p. 3034–3043, 2023.
JEMAI, J.; ZARRAD, A.; DAUD, A. Identifying fraudulent credit card transactions using ensemble learning. IEEE Access, v. 12, p. 54893–54900, 2024.
KALID, S. N. et al. Detecting frauds and payment defaults on credit card data inherited with imbalanced class distribution and overlapping class problems: A systematic review. IEEE Access, v. 12, p. 23636–23652, 2024.
LEBICHOT, B. et al. Transfer learning strategies for credit card fraud detection. IEEE Access, v. 9, p. 114754–114766, 2021.
LUCAS, T. J. et al. A comprehensive survey on ensemble learning-based intrusion detection approaches in computer networks. IEEE Access, 2023.
MIENYE, I. D.; SUN, Y. A deep learning ensemble with data resampling for credit card fraud detection. IEEE Access, v. 11, p. 30628–30638, 2023.
SICA, N. Impressões digitais e sua relação com as pessoas e as empresas. Disponível em: https://www.kaspersky.com.br/blog/pesquisa-impressoes-digitais/18906/. Acesso em: 26 abr. 2025.
