Prevención de fraude bancario con scoring explicable de riesgo

Prevención de fraude bancario con scoring explicable de riesgo es un proyecto aplicado que desarrolla un marco interpretable para scoring de riesgo de fraude a partir de redes transaccionales. El objetivo es ayudar a equipos de riesgo y operaciones a priorizar revisión, monitoreo y seguimiento usando señales relacionales, en lugar de depender solamente de predicciones de caja negra.

El trabajo conecta capacidades de CRiSS-LAB en ciencia de redes, analítica de grafos, machine learning, detección de anomalías y apoyo a decisiones. A nivel público, el enfoque estudia cómo interactúan las cuentas dentro de vecindarios transaccionales locales, cómo la exposición a riesgo previamente identificado aparece en la red, y qué patrones estructurales sugieren concentración, dispersión, movimiento rápido, recencia o comportamiento inusual del vecindario.

Esta entrada está documentada deliberadamente solo en un nivel público y no sensible. No revela datos privados, reglas operativas, materiales específicos de terceros ni detalles de implementación que puedan comprometer seguridad o flujos de prevención de fraude.

Valor público de investigación:

• Scoring explicable de riesgo para decisiones de alto impacto.
• Features basadas en grafos para sistemas transaccionales.
• Priorización con analistas humanos en el ciclo de decisión.
• Prácticas responsables de IA para detección de fraude y operaciones financieras.
• Mejor separación entre predicción, interpretación y toma de decisiones.