Arquitetura de Tempo Real e Modelo de Aprendizado de Máquina para Detecção de Fraudes de Cartão de Crédito

Abstract

Diante da necessidade crescente de sistemas seguros e eficientes para detectar fraudes em transações de cartões de crédito em tempo real, este estudo propõe e avalia uma abordagem de detecção de fraude baseada em aprendizado de máquina, integrada a uma arquitetura em tempo real de um banco virtual. A arquitetura multicamadas utilizada permite uma clara divisão de responsabilidades, resultando em operações otimizadas e eficientes. Com o uso do modelo de aprendizado de máquina Random Forest, o sistema é capaz de fazer previsões precisas sobre possíveis transações fraudulentas. Essa implementação fornece resultados robustos e confiáveis, com acurácia de 99,98%, precisão de 99,97%, revocação de 100% e F1-score de 99,88%, destacando o potencial do aprendizado de máquina para melhorar significativamente a eficácia da detecção de fraudes.