Propuesta de modelo predictivo para la detección de fraude en mensajes de texto mediante el uso de Redes Neuronales Recurrentes

dc.contributor.advisorMamani Ticona, Wilfredo
dc.contributor.authorSalinas Bolaños, Yair Andrey
dc.coverage.spatialPerú
dc.date.accessioned2024-11-26T16:19:28Z
dc.date.issued2024
dc.description.abstractEl 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.formatapplication/pdf
dc.identifier.urihttps://hdl.handle.net/20.500.12640/4287
dc.languageEspañol
dc.language.isospa
dc.publisherUniversidad ESAN
dc.publisher.countryPE
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rightsAttribution-ShareAlike 4.0 Internationalen
dc.subjectSeguridad informática
dc.subjectFraude
dc.subjectMensajería electrónica
dc.subjectAprendizaje automático
dc.subjectRedes neuronales
dc.subject.ocdehttps://purl.org/pe-repo/ocde/ford#2.02.04
dc.titlePropuesta de modelo predictivo para la detección de fraude en mensajes de texto mediante el uso de Redes Neuronales Recurrentes
dc.typeinfo:eu-repo/semantics/bachelorThesis
dc.type.otherTesis
local.acceso.esanAcceso abierto
renati.advisor.dni29470979
renati.advisor.orcidhttps://orcid.org/0000-0003-1489-9056
renati.author.dni72551707
renati.discipline613066
renati.jurorBallón Alvarez, Joseph Eber
renati.jurorCalderón Niquin, Marks Arturo
renati.jurorCamargo Román Mariela Isabel
renati.levelhttps://purl.org/pe-repo/renati/level#tituloProfesional
renati.typehttps://purl.org/pe-repo/renati/type#tesis
thesis.degree.disciplineIngeniería de Tecnologías de Información y Sistemas
thesis.degree.grantorUniversidad ESAN. Facultad de Ingeniería
thesis.degree.nameIngeniero(a) de Tecnologías de Información y Sistemas

Archivos

Bloque original

Mostrando 1 - 3 de 3
Miniatura
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

Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
1.71 KB
Formato:
Item-specific license agreed upon to submission
Descripción: