Detección de fraudes en cuentas bancarias a través del análisis de transacciones financieras mediante modelos de IA y machine learning para mejorar la seguridad en instituciones bancarias del Ecuador

Abstract

El fraude financiero no solo impacta a las entidades bancarias en términos de pérdidas económicas, sino que también afecta la confianza de los clientes y la estabilidad del sistema financiero. En Ecuador, los reportes de la Asociación de Bancos Privados del Ecuador (ASOBANCA, 2023) indican que el fraude electrónico representa el 75% de los incidentes de seguridad financiera, lo que subraya la importancia de estrategias innovadoras para la detección y prevención de estos eventos. Los métodos tradicionales de detección de fraude, basados en reglas heurísticas y revisiones manuales, presentan limitaciones en términos de escalabilidad y capacidad de adaptación a nuevas tácticas fraudulentas. La implementación de técnicas de ciencia de datos, como análisis de series temporales, modelos de clasificación basados en redes neuronales convolucionales y arquitecturas de aprendizaje profundo, permiten una detección más efectiva y oportuna, reduciendo la exposición al riesgo...Financial fraud not only impacts banking institutions in terms of economic losses, but also affects customer trust and the stability of the financial system. In Ecuador, reports from the Association of Private Banks of Ecuador (ASOBANCA, 2023) indicate that electronic fraud accounts for 75% of financial security incidents, highlighting the importance of innovative strategies for detecting and preventing such events. Traditional fraud detection methods, based on heuristic rules and manual reviews, present limitations in terms of scalability and adaptability to new fraudulent tactics. The implementation of data science techniques, such as, time series analysis, classification models based on convolutional neural networks and deep learning architectures, allows for more effective and real-time detection, reducing risk exposure...