Artificial intelligence and ontology applied to credit card fraud detection

Abstract

El continuo crecimiento de los negocios virtuales y el aumento del uso de las tarjetas de crédito a través de internet, está provocando un gran incremento del fraude contra el sistema financiero que está ocasionando una grave pérdida económica. Las actividades fraudulentas son muy modernas y sofisticadas, lo que las hacen difíciles de detectar. A parte de costar millones y millones de euros todos los años, el fraude también generan pérdida de imagen para los bancos y desconfianza de los clientes. Para combatir este problema, las instituciones financieras han llevado a cabo diversas investigaciones y análisis para así crear sistemas que detecten las transacciones no autorizadas y poder prevenirlas. Este proyecto propone dos métodos para prevenir y detectar el fraude alternativos a los que usan las grandes entidades bancarias. El primer método propuesto es un algoritmo que analiza de manera muy detallada la hora y el tipo de transacción para así poder crear un perfil de cada usuario y detectar comportamientos sospechosos. El segundo método pospuesto, desarrolla un sistema experto basado en ontologías, reglas para la detección transacciones no autorizadas y está formado por reglas SWRL y una red de ontologías.---ABSTRACT---The continuous growth of virtual businesses and the increase in the use of credit cards through the Internet is causing a great increase in fraud against the financial system, which is causing a serious economic loss. Fraudulent activities are very modern and sophisticated, which makes them really difficult to detect. Apart from costing millions and millions of euros every year, fraud also generates customer distrust and loss of image for banks. To fight against this problem, financial institutions have carried out investigations and analysis to create systems to prevent and detect unauthorized transactions. This project proposes two methods to prevent and detect fraud as alternatives to those used by the big bank’s institutions. The first approach is an algorithm that analyzes in detail the time and type of transaction in order to create a profile of each user based on their behavior and detect suspicious behavior. The second approach develops an expert system based on ontologies, rules for the detection of unauthorized transactions and consists of SWRL rules and a network of ontologies.