Gamers ahora disponen en Latam de SSD más fría
Si usted no lo sabía, existe una herramienta que le ayuda a detectar la posibilidad de que cometan un fraude con su tarjeta de crédito. Son los algorritmos y consisten en la identificación de transacciones con alta probabilidad de fraude basándose en patrones históricos previamente registrados.
Las ventajas del uso de los algoritmos como una herramienta para la detección de fraudes con tarjetas de crédito, está en la utilización de modelos predictivos / motores de aprendizaje como parte clave de los sistemas de detección de fraude ha sido tema de discusión en los últimos años.
Diferentes sistemas de detección basados en motores de aprendizaje ya han sido empleados exitosamente, incluyendo redes neuronales, aprendizaje Bayesiano, sistemas inmunológicos artificiales, y bosques aleatorios entre otros.
Según una investigación hecha por la empresa de seguridad Easy Solutions, estos algoritmos se comparan y evalúan mediante medidas de clasificación binarias tradicionales tales como las tasas de alertas falsas, errores de clasificación, características operativas del receptor (ROC), Kolmogorov-Smirnov (KS) o Puntaje F1 (F1-Score).
“Estas medidas pueden no ser el método de evaluación más apropiado a la hora de analizar modelos de detección de fraude, ya que por ejemplo supone tácitamente que los errores de clasificación tienen el mismo costo al de transacciones correctamente clasificadas” afirmó Alejandro Correa Bahnsen, Data Scientist en Easy Solutions.
“Esta suposición no se sostiene en la práctica cuando se predice erróneamente una transacción fraudulenta. Una transacción legítima tiene un costo significativamente diferente al de su opuesto”.
Con el propósito de tener en cuenta los diferentes costos de la detección de fraude con el uso de un algoritmo, Easy Solutions emplea una matriz de costos modificada, cuyos resultados son el uso de la medida de evaluación de costos, y se comparan diferentes modelos de motores de aprendizaje, los cuales fueron entrenados con datos reales de fraude con tarjetas suministrados a su vez por una importante entidad europea de procesamiento de tarjetas.
“Esto nos ayuda a entender la necesidad de una medida de evaluación más orientada hacia los negocios, como el costo”, concluye Alejandro Correa Bahnsen.
Con este tipo de medida, las compañías están en capacidad de tomar decisiones mejor alineadas con sus objetivos, ya que la discusión no se centrará en los niveles esperados de falsos positivos o satisfacción de los clientes, sino en el impacto económico real del fraude y su detección.
