Detección de anomalías en la facturación electrónica de la DIAN usando Machine Learning

Abstract

Este estudio propone un modelo basado en Machine Learning para detectar anomalías y fraudes en la facturación electrónica recibida por la DIAN, optimizando la eficacia en la fiscalización tributaria. El enfoque de investigación es cuantitativo, con diseño no experimental y transversal, aplicando técnicas avanzadas de aprendizaje automático como Autoencoders y Isolation Forest. Se emplea un muestreo aleatorio estratificado, considerando un ingreso diario promedio de 25 millones de facturas, tomando una muestra significativa y manejable correspondiente a una semana específica (aproximadamente 175 millones de registros). Los resultados serán validados mediante validación cruzada y métricas estándar como precisión, recall y F1-Score.

This study proposes a machine learning-based model to detect anomalies and fraud in electronic invoicing received by the DIAN, optimizing the effectiveness of tax audits. The research approach is quantitative, with a non-experimental and cross-sectional design, applying advanced machine learning techniques such as Autoencoders and Isolation Forest. Stratified random sampling is used, considering an average daily inflow of 25 million invoices, taking a meaningful and manageable sample corresponding to a specific week (approximately 175 million records). The results will be validated using cross-validation and standard metrics such as precision, recall, and F1-score.