<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>Scoring de Riesgo | CRiSS-LAB Chile</title><link>https://criss-lab.com/es/tag/scoring-de-riesgo/</link><atom:link href="https://criss-lab.com/es/tag/scoring-de-riesgo/index.xml" rel="self" type="application/rss+xml"/><description>Scoring de Riesgo</description><generator>Wowchemy (https://wowchemy.com)</generator><language>es-cl</language><lastBuildDate>Wed, 04 Mar 2026 00:00:00 +0000</lastBuildDate><image><url>https://criss-lab.com/media/sharing.png</url><title>Scoring de Riesgo</title><link>https://criss-lab.com/es/tag/scoring-de-riesgo/</link></image><item><title>scoring-fraude: scoring explicable de riesgo de fraude con redes transaccionales</title><link>https://criss-lab.com/es/projects/scoring-fraud/</link><pubDate>Wed, 04 Mar 2026 00:00:00 +0000</pubDate><guid>https://criss-lab.com/es/projects/scoring-fraud/</guid><description>&lt;p>&lt;strong>scoring-fraude&lt;/strong> 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.&lt;/p>
&lt;p>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.&lt;/p>
&lt;p>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.&lt;/p>
&lt;p>Valor público de investigación:&lt;/p>
&lt;ul>
&lt;li>Scoring explicable de riesgo para decisiones de alto impacto.&lt;/li>
&lt;li>Features basadas en grafos para sistemas transaccionales.&lt;/li>
&lt;li>Priorización con analistas humanos en el ciclo de decisión.&lt;/li>
&lt;li>Prácticas responsables de IA para detección de fraude y operaciones financieras.&lt;/li>
&lt;li>Mejor separación entre predicción, interpretación y toma de decisiones.&lt;/li>
&lt;/ul></description></item></channel></rss>