Uma proposta de análise on-line e identificação de transações financeiras fraudulentas com visual analytics

Abstract

As instituições financeiras lidam com centenas de milhares de transações bancárias por dia e precisam garantir segurança e qualidade para seus clientes. Atualmente, pesquisas em padrões predefinidos são insuficientes para identificar fraudes devido à evolução contínua dos métodos fraudulentos usados pelos criminosos. Os sistemas utilizados para este fim baseiam-se na aplicação de alguns métodos de Inteligência Artificial, que negligenciam a análise de processos humanos e fazem pouco uso das técnicas de Visual Analytics (VA). O domínio de detecção de fraudes envolve aspectos orientados ao tempo e multivariados para identificar transações anômalas, tornando a detecção de fraudes uma tarefa difícil. Este trabalho descreve a criação de um modelo para cada cliente, com base em seu comportamento de movimentações financeiras, utilizando técnicas de identificação de outliers, que sinalizam possíveis fraudes. Os resultados são apresentados em consoles de VA, que permitem exploração visual, descoberta e integração da análise humana, reduzindo a taxa de falsos positivos na identificação de transações financeiras fraudulentas. Aplicamos essa abordagem a uma instituição financeira brasileira, com um volume diário de mais de 30 milhões de transações e movimentações bancárias. Este projeto envolve uma abordagem híbrida composta pelo: (1) uso de algoritmos não supervisionados para de detecção outliers; e (2) uso de VA para apoiar a análise humana em tempo real com o objetivo de reduzir a incidência de falsos positivos. Informações fraudulentas potenciais são apresentadas usando técnicas de VA que permitem aos especialistas avaliar transações suspeitas sem aumento dos tempos normais de processamento. Os resultados obtidos sinalizam que nossa abordagem pode superar o desempenho do método de detecção de fraudes hoje utilizado na instituição brasileira.