Avances en el uso de inteligencia artificial para la mejora del control y la detección de fraudes en organizaciones DOI Creative Commons

Maricela Lescano-Delgado

Revista Cientifica de Sistemas e Informatica, Journal Year: 2024, Volume and Issue: 4(2), P. e671 - e671

Published: July 10, 2024

El estudio analizó el uso de Inteligencia Artificial (IA) para la mejora del control y detección fraudes en organizaciones, abarcando una revisión sistemática 59 artículos científicos publicados entre 2020 2023. Las tecnologías predominantes identificadas incluyen machine learning, deep learning blockchain, que han mostrado un impacto precisión eficiencia manejo grandes volúmenes datos. Se observó estas no solo optimizan los controles internos las sino también refuerzan seguridad transparencia transacciones, principalmente sectores financiero empresarial. Los resultados análisis sugieren adopción emergentes permite reducir falsos positivos mejorar tiempo real fraudes, gracias a algoritmos optimización utilizados estudios. Sin embargo, destacó desafíos, como interoperabilidad sistemas existentes capacitación personal manejar herramientas avanzadas. En conclusión, implementación IA asociadas es tendencia crecimiento proporciona soluciones avanzadas enfrentar amenazas actuales, aunque necesario seguir abordando desafíos maximizar su efectividad largo plazo.

Financial Transactional Fraud Detection using a Hybrid BiLSTM with Attention-Based Autoencoder DOI Open Access

K Sudharson,

S Varsha,

S. Rajalakshmi

et al.

International Research Journal of Multidisciplinary Technovation, Journal Year: 2025, Volume and Issue: unknown, P. 135 - 147

Published: March 25, 2025

In this study, we propose an original hybrid model that consists of a Bidirectional LSTM (BiLSTM) and Attention-Based Convolutional Autoencoder (CAE) designed for fraud detection in financial transactions. The structure the is constructed with three Conv1D layers on CAE dense layer functions as bottleneck effectively squeezing relevant information from transaction data. importance certain http transactions can be highlighted using attention mechanism which helps to concentrate important features. These features are further fed into BiLSTM, where BiLSTM learns context both past future sequences transactions, thus providing more complete picture To extent, evaluates reconstruction losses label types fraudulent activity. performance found very good it achieved accuracy 97% high Area Under Curve ROC analysis out total 100 percent showcasing model's ability correctly classify non-fraudulent

Language: Английский

Citations

0
Avances en el uso de inteligencia artificial para la mejora del control y la detección de fraudes en organizaciones DOI Creative Commons

Maricela Lescano-Delgado

Revista Cientifica de Sistemas e Informatica, Journal Year: 2024, Volume and Issue: 4(2), P. e671 - e671

Published: July 10, 2024

El estudio analizó el uso de Inteligencia Artificial (IA) para la mejora del control y detección fraudes en organizaciones, abarcando una revisión sistemática 59 artículos científicos publicados entre 2020 2023. Las tecnologías predominantes identificadas incluyen machine learning, deep learning blockchain, que han mostrado un impacto precisión eficiencia manejo grandes volúmenes datos. Se observó estas no solo optimizan los controles internos las sino también refuerzan seguridad transparencia transacciones, principalmente sectores financiero empresarial. Los resultados análisis sugieren adopción emergentes permite reducir falsos positivos mejorar tiempo real fraudes, gracias a algoritmos optimización utilizados estudios. Sin embargo, destacó desafíos, como interoperabilidad sistemas existentes capacitación personal manejar herramientas avanzadas. En conclusión, implementación IA asociadas es tendencia crecimiento proporciona soluciones avanzadas enfrentar amenazas actuales, aunque necesario seguir abordando desafíos maximizar su efectividad largo plazo.

Citations

1