scoring-fraude: scoring explicable de riesgo de fraude con redes transaccionales

scoring-fraude es un proyecto aplicado que desarrolla un marco explicable 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 interpretables, 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.