¿Cuántas veces hemos visto en televisión noticias relacionadas con el fraude en cajeros? Muchas veces. Y con la llegada de la tecnología e internet los fraudes han aumentado, pero también su control y la detección de patrones de conducta a través de estrategias como data mining o minería de datos.
Fraude con tarjeta de crédito
Existen varias formas de fraude con tarjetas de crédito como son la clonación o el phishing. Pero el patrón de conducta es siempre el mismo. Por norma general, una vez se hacen con los datos de nuestra tarjeta de crédito, los estafadores sacan pequeñas cantidades de dinero sin que apenas seamos capaces de darnos cuenta.
Por un lado, la policía es capaz de establecer patrones de conducta a partir de los datos recogidos en los históricos. Por otro lado, el data mining reúne técnicas que abarcan desde la estadística o la inteligencia artificial, hasta el procesamiento masivo de datos, que ayudan a establecer patrones de comportamiento de las transacciones que incitan al fraude financiero.
El data mining funciona de una forma simple. Analiza las transacciones históricas que se realizan con tarjetas de crédito, establece un patrón de comportamiento del estafador y crea un perfil. A partir de aquí, el sistema clasifica y da la “alarma” cada vez que se produce un patrón similar en el sistema. De esta forma, se detecta una estafa de forma inmediata y puede bloquearse la tarjeta para frenar el fraude.
Modelos sospechosos
Para detectar el fraude es necesario establecer el perfil del estafador. El data mining establece modelos de patrones de conducta:
- Modelos de datos inusuales: Determina comportamientos raros en un dato concreto respecto al resto de su grupo de comparación. Por ejemplo, movimientos de sumas de dinero en efectivo.
- Modelos de relaciones inexplicables: Establece relaciones entre registros que tienen valores iguales para determinados campos. Por ejemplo, una transferencia de fondos entre dos o más compañías con la misma dirección de envío.
- Modelos de características generales de fraude: Sirve para hacer predicciones de futuros ingresos de transacciones sospechosas.
La finalidad es encontrar patrones de conducta que están relacionados con los datos en cuestión, es decir, con transacciones o pagos. Aunque también se puede predecir situaciones que son susceptibles de acabar en fraude.
Comments
comments