Centro de Documentação da PJ
Monografia
 CD342 |
Aumentando a eficácia da detecção de fraudes em ecommerce [Recurso eletrónico] : variáveis geradas através de chave baseada em grafos / Natalia Fernanda Poles.- Lisboa : [s.n.], 2023.- 1 CD-ROM ; 12 cm
Tese de mestrado em Ciência de Dados e Métodos Analíticos Avançados, especialização em Ciência de Dados, apresentada ao Instituto Superior de Estatística e Gestão de Informação Universidade Nova de Lisboa, tendo como orientadores Flávio Luís Portas Pinheiro e Gustavo Rodrigues Pilatti. Ficheiro de 1,3 MB em formato PDF (37 p.).
FRAUDE, FRAUDE FINANCEIRA, BASE DE DADOS, INTERNET, FRAUDE COM CARTÃO DE PAGAMENTO, PREVENÇÃO CRIMINAL, TESE
Fraude causa danos significativos às empresas em todo o mundo, resultando em perdas financeiras e danos à reputação, às vezes levando à falência. Embora as tecnologias sejam usadas para prevenção, os fraudadores são muito rápidos em encontrar brechas e oportunidades para continuar o golpe. Muitas vezes, os fraudadores criam novos registros em plataformas online com o objetivo principal de ocultar as suas ações. Por conta disso, é difícil prevenir fraudes usando estratégias básicas como regras, painéis e análises pontuais. Este trabalho propõe a aplicação de métodos baseados em abordagens de grafos para encontrar relações entre vários registros, que são informações cadastradas, gerando um identificador único para cada cliente. Com base nessas informações, novas características são geradas, agregando recursos e integrando-os aos modelos de antifraude, análises, regras e monitoramentos. As fraudes testadas são financeiras, executadas em compras com cartão e abuso de promoções destinadas a atrair novos clientes ou auxiliar na retenção e fidelização deles. Todos esses métodos serão aplicados aos dados de uma plataforma online que presta serviço de entrega de alimentos, e podem ser empregados por outras empresas. A validade do estudo é reforçada pelo uso de uma base de dados real, abrangendo diversas nuances presentes em fraudes, como desequilíbrio de dados, mudanças constantes no comportamento dos fraudadores, ataques de robôs, entre outros desafios. Essa base de dados é extensa, permitindo uma análise mais representativa da população de fraudes.