Detecção de fraudes em sistemas de pagamento móvel utilizando aprendizado de máquina

Abstract

Este artigo aborda a utilização de aprendizado de máquina na detecção de fraudes, por meio do algoritmo de árvore de decisão, em sistemas de pagamento digital voltados para dispositivos móveis. O estudo engloba o pré-processamento dos dados, o treinamento supervisionado e a avaliação do modelo com métricas apropriadas para problemas de classificação binária. Através de ferramentas como matriz de confusão e relatório de classificação, é concluída uma análise do desempenho do modelo em cenários com classes desbalanceadas. Os resultados demonstram que abordagens interpretáveis e de baixa complexidade computacional, podem ser eficazes na identificação de fraudes, assim auxiliando em um ambiente com mais segurança no espaço financeiro de aparelhos portáteis.

This article discusses the use of machine learning for fraud detection through the decision tree algorithm in digital payment systems designed for mobile devices. The study encompasses data preprocessing, supervised training, and model evaluation using metrics appropriate for binary classification problems. Through tools such as the confusion matrix and classification report, an analysis of the model’s performance in scenarios with imbalanced classes is conducted. The results demonstrate that interpretable approaches with low computational complexity can be effective in identifying fraud, thus contributing to a more secure environment in the financial space of portable devices.