Propuesta de modelo predictivo para la detección de fraude en mensajes de texto mediante el uso de Redes Neuronales Recurrentes
dc.contributor.advisor | Mamani Ticona, Wilfredo | |
dc.contributor.author | Salinas Bolaños, Yair Andrey | |
dc.coverage.spatial | Perú | |
dc.date.accessioned | 2024-11-26T16:19:28Z | |
dc.date.issued | 2024 | |
dc.description.abstract | El smishing, o fraude por mensajes de texto, se ha vuelto un problema creciente en el país, debido a la falta de mecanismos adecuados para detectar mensajes fraudulentos, lo que ha generado que muchos ciudadanos sean víctimas de estafa al recibir estos tipos de mensajes. El estudio tuvo como objetivo encontrar el mejor clasificador de fraude en mensajes de texto en el contexto peruano, para lo cual se recolectaron 527 imágenes de las que se obtuvieron 1740 mensajes, etiquetados manualmente como FRAUDE o LEGITIMO, basándose en recomendaciones de entidades públicas/privadas, y validadas por una experta en fraude del rubro de telecomunicaciones; posteriormente, se integraron con bases en otros idiomas, logrando un total de 4475 registros. Los mensajes fueron vectorizados con Word2Vec y FastText. Finalmente, se entrenaron algoritmos de Redes Neuronales Recurrentes (RNN, LSTM, GRU) y combinaciones con CNN para identificar el mejor modelo. Los resultados evaluados con Accuracy, Precision, Recall, F1-score y AUC evidenciaron que el mejor clasificador fue una RNN de 3 capas (200, 160, 1) usando el embedding FastText-NewL de 300 dimensiones, alcanzando 85.62% en Accuracy, 84.49% en Precision, 88.77% en Recall, 86.57% en F1-score y 93.14% en AUC. | |
dc.format | application/pdf | |
dc.identifier.uri | https://hdl.handle.net/20.500.12640/4287 | |
dc.language | Español | |
dc.language.iso | spa | |
dc.publisher | Universidad ESAN | |
dc.publisher.country | PE | |
dc.rights | info:eu-repo/semantics/openAccess | |
dc.rights | Attribution-ShareAlike 4.0 International | en |
dc.subject | Seguridad informática | |
dc.subject | Fraude | |
dc.subject | Mensajería electrónica | |
dc.subject | Aprendizaje automático | |
dc.subject | Redes neuronales | |
dc.subject.ocde | https://purl.org/pe-repo/ocde/ford#2.02.04 | |
dc.title | Propuesta de modelo predictivo para la detección de fraude en mensajes de texto mediante el uso de Redes Neuronales Recurrentes | |
dc.type | info:eu-repo/semantics/bachelorThesis | |
dc.type.other | Tesis | |
local.acceso.esan | Acceso abierto | |
renati.advisor.dni | 29470979 | |
renati.advisor.orcid | https://orcid.org/0000-0003-1489-9056 | |
renati.author.dni | 72551707 | |
renati.discipline | 613066 | |
renati.juror | Ballón Alvarez, Joseph Eber | |
renati.juror | Calderón Niquin, Marks Arturo | |
renati.juror | Camargo Román Mariela Isabel | |
renati.level | https://purl.org/pe-repo/renati/level#tituloProfesional | |
renati.type | https://purl.org/pe-repo/renati/type#tesis | |
thesis.degree.discipline | Ingeniería de Tecnologías de Información y Sistemas | |
thesis.degree.grantor | Universidad ESAN. Facultad de Ingeniería | |
thesis.degree.name | Ingeniero(a) de Tecnologías de Información y Sistemas |
Archivos
Bloque original
1 - 3 de 3
- Nombre:
- 2024_ITIS_24-2_01_T.pdf
- Tamaño:
- 10.33 MB
- Formato:
- Adobe Portable Document Format
- Descripción:
- Texto completo
No hay miniatura disponible
- Nombre:
- 2024_ITIS_24-2_01_F.pdf
- Tamaño:
- 316.88 KB
- Formato:
- Adobe Portable Document Format
- Descripción:
- Autorización (acceso restringido)
No hay miniatura disponible
- Nombre:
- 2024_ITIS_24-2_01_TU.pdf
- Tamaño:
- 45.21 MB
- Formato:
- Adobe Portable Document Format
- Descripción:
- Informe Turnitin (acceso restringido)
Bloque de licencias
1 - 1 de 1
No hay miniatura disponible
- Nombre:
- license.txt
- Tamaño:
- 1.71 KB
- Formato:
- Item-specific license agreed upon to submission
- Descripción: