Aquesta TFM investiga l'ús de models d'IA per a la detecció pagaments fraudulents en sistemes de pagament electrònic.  Els principals reptes en el desenvolupament d'aquests models són la manca de dades etiquetades, la necessitat d'equilibrar la minimització dels falsos positius i la maximització dels veritables positius i la complexitat de les transaccions financeres. Aquest estudi pretén explorar el rendiment de diferents algorismes d'aprenentatge automàtic i aprenentatge profund, com ara la regressió logística, les xarxes neuronals, XGBoost i Random Forest, per detectar pagaments fraudulents i desenvolupar tècniques per abordar l'escassetat i el desequilibri de dades. La investigació implica l'experimentació amb dos conjunts de dades, un real i l'altre generat artificialment, ambdós amb un alt grau de desequilibri. Les conclusions de l'estudi poden millorar el desenvolupament de models d'IA fiables i efectius per a la detecció de pagaments fraudulents, contribuint a millorar les mesures de seguretat dins dels sistemes financers.

Autor: Melih Kurtaran

Supervisors: Isaac Lera Castro i Antoni Jaume-i-Capó

Data defensa: 24/07/2023elih Kurtaran

Supervisors: Isaac Lera Castro i Antoni Jaume-i-Capó