Diseño de una aplicación web para detección temprana de fraude de pagos en línea en el sector bancario, utilizando técnicas de aprendizaje automático explicable

Abstract

El fraude en pagos en línea constituye un problema relevante para el sector bancario, ya que implica el uso no autorizado de información financiera para realizar transacciones fraudulentas, generando pérdidas económicas y afectando la confianza de los usuarios en los servicios digitales. El crecimiento del comercio electrónico y de los sistemas de pago digitales ha incrementado la complejidad y frecuencia de estas prácticas, lo que exige la implementación de mecanismos avanzados de detección y prevención. El objetivo de este proyecto es desarrollar modelos predictivos de detección de fraude en pagos en línea mediante técnicas de minería de datos y aprendizaje automático. Para ello, se aplicó la metodología Ágil (Scrum y Kanban), incorporando etapas de preprocesamiento de datos, selección de variables relevantes, entrenamiento de modelos de aprendizaje supervisado y evaluación mediante métricas de clasificación. Adicionalmente, se emplearon técnicas de optimización y validación cruzada para mejorar el desempeño de los modelos y reducir el riesgo de sobreajuste...Online payment fraud represents a significant challenge for the banking sector, as it involves the unauthorized use of financial information to conduct fraudulent transactions. This results in economic losses and undermines user trust in digital services. The growth of e commerce and digital payment systems has increased the complexity and frequency of these practices, making it necessary to implement advanced detection and prevention mechanisms. The objective of this project is to develop predictive models for online payment fraud detection using data mining and machine learning techniques. To this end, an Agile methodology (Scrum and Kanban) was applied, incorporating stages of data preprocessing, relevant feature selection, supervised learning model training, and evaluation through classification metrics. Additionally, optimization techniques and cross-validation were employed to improve model performance and reduce the risk of overfitting...