Publicación: Modelado predictivo basado en inteligencia artificial y generación de datos sintéticos para la prevención temprana del riesgo de fraude en el sector financiero colombiano
| dc.contributor.advisor | Chéry Leal, Marie José | |
| dc.contributor.author | Barrera Gaona, David Sebastián | |
| dc.contributor.author | Vargas Guerrero, Brandon Santiago | |
| dc.contributor.author | Jaimes Clavijo, Sophia | |
| dc.creator.id | 1052381980 | |
| dc.creator.id | 1000286431 | |
| dc.creator.id | 1070943836 | |
| dc.date.accessioned | 2026-03-22T01:02:31Z | |
| dc.date.issued | 2026-03-06 | |
| dc.description.abstract | El presente proyecto desarrolla un modelo predictivo apoyado en inteligencia artificial (IA) y generación de datos sintéticos para fortalecer la detección automatizada de fraudes financieros en el sistema bancario colombiano. Ante el aumento de transacciones digitales y el crecimiento de los delitos cibernéticos, se plantea una solución que permita mejorar la capacidad de respuesta de las entidades financieras mediante el uso de algoritmos de aprendizaje supervisado entrenados con datos no sensibles. El modelo busca superar el desequilibrio entre operaciones legítimas y fraudulentas, preservando la privacidad y el cumplimiento normativo. A través de un enfoque exploratorio, se desarrolla un prototipo funcional en entornos simulados, evaluado mediante métricas de desempeño propias del aprendizaje automático. El proyecto incorpora consideraciones legales, éticas y técnicas, y se enmarca en la Estrategia Nacional de Inteligencia Artificial de Colombia, contribuyendo al fortalecimiento de la seguridad digital y al desarrollo de soluciones tecnológicas sostenibles en el ámbito financiero. | spa |
| dc.description.abstract | This project develops a predictive model supported by artificial intelligence (AI) and synthetic data generation to enhance the automated detection of financial fraud within the Colombian banking system. In light of the growing volume of digital transactions and cybercrime incidents, it proposes a solution to improve financial institutions’ responsiveness through supervised learning algorithms trained on non-sensitive, artificially generated data. The model aims to address the imbalance between legitimate and fraudulent operations while ensuring privacy and regulatory compliance. Using an exploratory approach, a functional prototype is implemented in simulated environments and evaluated through performance metrics common in machine learning. The project integrates legal, ethical, and technical considerations and aligns with Colombia’s National Artificial Intelligence Strategy, contributing to stronger digital security and the advancement of sustainable technological innovation in the financial sector. | eng |
| dc.description.degreelevel | Trabajo de grado | spa |
| dc.description.degreename | Ingeniero de Sistemas | spa |
| dc.format | ||
| dc.format.extent | 73 páginas | |
| dc.format.medium | Recurso electrónico | spa |
| dc.format.mimetype | application/pdf | |
| dc.identifier.instname | instname:Universidad Ean | spa |
| dc.identifier.local | BDM-FIS | |
| dc.identifier.reponame | reponame:Repositorio Institucional Biblioteca Digital Minerva | spa |
| dc.identifier.repourl | https://repository.ean.edu.co/ | |
| dc.identifier.uri | https://hdl.handle.net/10882/19142 | |
| dc.language.iso | spa | |
| dc.publisher.faculty | Facultad de Ingeniería | spa |
| dc.publisher.program | Ingeniería de Sistemas | spa |
| dc.rights.accessrights | info:eu-repo/semantics/openAccess | |
| dc.rights.coar | http://purl.org/coar/access_right/c_abf2 | |
| dc.rights.creativecommons | Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0) | |
| dc.rights.license | Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0) | |
| dc.rights.local | Abierto (Texto Completo) | spa |
| dc.rights.uri | https://creativecommons.org/licenses/by-nc-nd/4.0/ | |
| dc.subject.armarc | Fraude de Internet | spa |
| dc.subject.armarc | Delitos informáticos | spa |
| dc.subject.armarc | Inteligencia artificial | spa |
| dc.subject.armarc | Aprendizaje automático (Inteligencia artificial) | spa |
| dc.subject.armarc | Procesamiento electrónico de datos | spa |
| dc.subject.armarc | Fraude de valores | spa |
| dc.subject.armarc | Delitos económicos | spa |
| dc.subject.proposal | Aprendizaje automático | spa |
| dc.subject.proposal | Detección de anomalías | spa |
| dc.subject.proposal | Modelado predictivo | spa |
| dc.subject.proposal | Ciberseguridad financiera | spa |
| dc.subject.proposal | Innovación tecnológica | spa |
| dc.subject.proposal | Regulación de datos | spa |
| dc.subject.proposal | Simulación bancaria | spa |
| dc.subject.proposal | Machine learning | eng |
| dc.subject.proposal | Anomaly detection | eng |
| dc.subject.proposal | Predictive modeling | eng |
| dc.subject.proposal | Financial cybersecurity | eng |
| dc.subject.proposal | Technological innovation | eng |
| dc.subject.proposal | Data governance | eng |
| dc.subject.proposal | Banking simulation | eng |
| dc.title | Modelado predictivo basado en inteligencia artificial y generación de datos sintéticos para la prevención temprana del riesgo de fraude en el sector financiero colombiano | spa |
| dc.title | Predictive modeling based on artificial intelligence and synthetic data generation for the early prevention of fraud risk in the Colombian financial sector | eng |
| dc.type | Trabajo de grado - Pregrado | spa |
| dc.type.coar | http://purl.org/coar/resource_type/c_7a1f | |
| dc.type.coarversion | http://purl.org/coar/version/c_ab4af688f83e57aa | |
| dc.type.content | Text | |
| dc.type.driver | info:eu-repo/semantics/bachelorThesis | |
| dc.type.other | Trabajo de grado - Pregrado | |
| dc.type.redcol | http://purl.org/redcol/resource_type/TP | |
| dc.type.version | info:eu-repo/semantics/acceptedVersion | |
| dspace.entity.type | Publication | |
| person.affiliation.name | Ingeniería de Sistemas |
Archivos
Bloque de licencias
1 - 1 de 1
Cargando...
- Nombre:
- license.txt
- Tamaño:
- 1.92 KB
- Formato:
- Item-specific license agreed upon to submission
- Descripción:
