Llegamos a ustedes gracias a:



Noticias

El MIT desarrolla modelo para evitar falsos positivos con tarjeta de crédito

[24/09/2018] Investigadores del MIT han utilizado aprendizaje automático para extraer más de 200 características detalladas para cada transacción individual para identificar mejor cuando los hábitos de gastos de un titular se salen de la norma habitual.

Pongamos un caso que es tan habitual como extraño cuando nos sucede: utilizamos la tarjeta de crédito para una transacción legítima, pero es rechazada. Una de las causas más probables es que las tecnologías de detección de fraude utilizadas por el banco en cuestión, han marcado la compra como sospechosa de manera incorrecta. Esta rémora puede estar a punto de acabarse tras la última investigación del Massachusetts Institute of Technology (MIT).Su equipo ha descubierto una nueva técnica de aprendizaje automático para reducir estos falsos positivos, ahorrar costos a las entidades financieras y agilizar las operaciones con los clientes.

Este nuevo enfoque extrae más de 200 características detalladas para cada transacción individual para identificar mejor cuando los hábitos de gastos de un titular se salen de la norma habitual.El experimento ya ha sido probado con un conjunto de datos de cerca de dos millones de compras de un gran banco, y se redujeron los falsos positivos en 54% con respecto a los modelos tradicionales. Esto, según estimaciones del Instituto, podría haber ahorrado a la entidad cerca de 220 mil dólares.

"Podríamos decir que el gran desafío de esta industria son los falsos positivos, señaló Kalyan Veeramachaneni, investigador principal del laboratorio de información y sistemas de decisión del MIT. "Hay una conexión directa entre la ingeniería de las características y la reducción de este problema.