Métodos y Técnicas de Machine Learning e Inteligencia Artificial para el enfrentamiento al Fraude en las Telecomunciaciones

Abstract

Este trabajo recoge un estudio bibliográfico sobre diferentes métodos y técnicas de minería de datos (MD), Machine Learning (ML) o aprendizaje automático, e Inteligencia Artificial (IA), asociados al enfrentamiento al fraude en las telecomu- nicaciones, el cual está en constante transformación y se ha complejizado a la par que los servicios y las tecnologías. Cada vez la cantidad de datos para procesar es mayor, lo que incide en un aumento del tiempo de respuesta al fraude si no se emplean técnicas apropiadas, además de que se exige la combinación de diversas fuentes de datos, por lo que este tipo de herramienta es fundamental, tanto para la detección de patrones (comportamientos de fraude), como para la automatización de los procesos de trabajo que permitan reducir los tiempos de respuesta. Esto se logra con la aplicación de una serie de métodos que pueden ser supervisados, se- misupervisados y no supervisados, que comprenden algoritmos para el tratamien- to de grandes volúmenes de datos, específicamente para el tratamiento del fraude bypass. Al reducir el tiempo de detección y mitigación del fraude, así como la co- rrecta caracterización de patrones de comportamiento fraudulentos, se garantiza el aseguramiento de los ingresos y se evitan pérdidas económicas.