Resumen

En la era actual de la tecnología, especialmente en el comercio y la banca en línea, las transacciones realizadas con Mastercards han estado aumentando rápidamente. La tarjeta se convierte en un equipo altamente utilizable para las compras en línea. Esta alta demanda y tasa de inflación también causan un daño considerable y un aumento en los casos de fraude. Es muy necesario detener las transacciones fraudulentas porque afecta a las condiciones financieras con el tiempo, la detección de anomalías tiene una aplicación importante para detectar el fraude. En este trabajo se propone un nuevo marco que integra Spark con un enfoque de aprendizaje profundo. Este trabajo también implementa diferentes técnicas de aprendizaje automático para la detección de fraudes, como bosques aleatorios, SVM, regresión logística, árbol de decisiones y KNN. Se realiza un análisis comparativo utilizando varios parámetros. Se obtuvo una precisión de más del 96% tanto para los conjuntos de datos de entrenamiento como de prueba. El sistema existente como Cardwatch, detección de fraudes basada en servicios web

• Materias:Comunicación inalámbrica Dispositivos móviles Seguridad de la información Algoritmo de inteligencia Sensor inteligente
• Subjects:Wireless communication Mobile devices Information security Algorithm intelligence Intelligent sensor
• Palabras claves:Tecnología; Tarjetas Mastercard; Casos de fraude; Detección de anomalías; Aprendizaje profundo; Aprendizaje automático
• Keywords:Technology; Mastercards; Fraud cases; Anomaly detection; Deep learning; Machine learning