Identificação de fraude em transações financeiras com Redes Neurais para Grafos (2025)
- Authors:
- Autor USP: GUERRA, SABRINA VIEIRA - ICMC
- Unidade: ICMC
- Subjects: REDES NEURAIS; TEORIA DOS GRAFOS; FINANÇAS; PREJUÍZO; CRIME ECONÔMICO
- Language: Português
- Abstract: As fraudes financeiras são um risco atual para comerciantes e clientes, que enfrentam prejuízos financeiros e experiências desagradáveis, principalmente em transações on-line. Os padrões entre fraudadores e seu métodos de operação podem oferecer alguma previsibilidade de como uma transação ilegítima se comporta. Este trabalho tem o objetivo de transformar um conjunto de dados tabular e altamente desbalanceado em um grafo com nós (sendo eles as transações e demais informações de identidade) e arestas, que representam o relacionamento entre as entidades. A partir dessa modelagem, aplicaram-se dois modelos de Redes Neurais em Grafos (Graph Neural Networks – GNN), o GraphSAGE e o Graph Attention Network (GAT), para avaliar os resultados segundo as métricas AUC (Area Under the Curve)–ROC (Receiver Operating Characteristic), AUC–PR (Precision–Recall), revocação, precisão e F1-Score. Além disso, the XGBoost classificato modelo was used para uma segunda comparação das métricas atingidas. Os experimentos com GNNs utilizaram a biblioteca Pytorch Geometric e sua classe HeteroConv para aplicar os dois diferentes modelos de redes neurais, SAGEConv e GATConv. As métricas apresentadas foram as de melhor resultado obtido com os respectivos hiperparâmetros e modelos. Os resultados demonstram que o modelo SAGEConv performou estatisticamente melhor do que o modelo GATConv em relação à métrica AUC-PR, não havendo diferença estatisticamente significante em relação ao modelo baseline XGBoost. No entanto, o valor médio de todos os seus parâmetros foi maior quando comparado aos dois modelos. Conclui-se que os modelos GNNs são um bom ponto de partida para a análise deste conjunto de dados, mesmo que enfrentem desafios pelo alto desbalanceamento e por serem o produto de uma conversão de dados tabulares. A eficiência temporal e complexidade dos algoritmos devem ser levadas em consideração, bem como a boa explicabilidade visual dografo.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2025
-
ABNT
GUERRA, Sabrina Vieira. Identificação de fraude em transações financeiras com Redes Neurais para Grafos. 2025. Trabalho de Conclusão de Curso (MBA) – Instituto de Ciências Matemáticas e de Computação, Universidade de São Paulo, São Carlos, 2025. Disponível em: https://bdta.abcd.usp.br/directbitstream/3d29d64b-8f1a-4b21-a754-e6c07887055f/SabrinaVieiraGuerra_TCC_2025.pdf. Acesso em: 14 abr. 2026. -
APA
Guerra, S. V. (2025). Identificação de fraude em transações financeiras com Redes Neurais para Grafos (Trabalho de Conclusão de Curso (MBA). Instituto de Ciências Matemáticas e de Computação, Universidade de São Paulo, São Carlos. Recuperado de https://bdta.abcd.usp.br/directbitstream/3d29d64b-8f1a-4b21-a754-e6c07887055f/SabrinaVieiraGuerra_TCC_2025.pdf -
NLM
Guerra SV. Identificação de fraude em transações financeiras com Redes Neurais para Grafos [Internet]. 2025 ;[citado 2026 abr. 14 ] Available from: https://bdta.abcd.usp.br/directbitstream/3d29d64b-8f1a-4b21-a754-e6c07887055f/SabrinaVieiraGuerra_TCC_2025.pdf -
Vancouver
Guerra SV. Identificação de fraude em transações financeiras com Redes Neurais para Grafos [Internet]. 2025 ;[citado 2026 abr. 14 ] Available from: https://bdta.abcd.usp.br/directbitstream/3d29d64b-8f1a-4b21-a754-e6c07887055f/SabrinaVieiraGuerra_TCC_2025.pdf
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
SabrinaVieiraGuerra_TCC_2... | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
