Detecção de fraudes em transações Pix com algoritmos de aprendizado de máquina

Santos, Daniele Chaves dos

Detecção de fraudes em transações Pix com algoritmos de aprendizado de máquina

Primeiro orientador dc.contributor.advisor1	Rodrigues, Andrey Antonio de Oliveira
Currículo Lattes do primeiro orientador dc.contributor.advisor1Lattes	http://lattes.cnpq.br/2463845194642969	pt_BR
E-mail do orientador dc.contributor.emailOrientador	andrey.rodrigues@ufam.edu.br	pt_BR
Primeiro membro da banca dc.contributor.referee1	Freitas, Carlos Alberto Oliveira de
Segundo membro da banca dc.contributor.referee2	Santos, Fernando Júnior Soares dos
Autor dc.creator	Santos, Daniele Chaves dos
Currículo Lattes do autor dc.creator.Lattes	https://lattes.cnpq.br/3209377753286464	pt_BR
Instituição do autor dc.creator.affiliation	Universidade Federal do Amazonas	pt_BR
Sigla da instituição do autor dc.creator.affiliation-init	UFAM	pt_BR
E-mail do autor dc.creator.email	daniele.santos@ufam.edu.br	pt_BR
Data de disponibilização dc.date.available	2025-07-16T21:26:18Z
Data do evento dc.date.event	2025-07-07
Resumo / Abstract dc.description.abstract	The popularization of Pix, an instant payment system created by the Central Bank of Brazil, has brought significant advances in the speed of financial transactions. However, it has also intensified the need for efficient mechanisms to detect fraud in real time. This work aims to evaluate the effectiveness of machine learning algorithms applied to the identification of fraudulent transactions. Logistic Regression, Decision Tree, Random Forest, and XGBoost models were used. The models were trained on a synthetic dataset with over six million records, simulating real operations. The analysis considered metrics such as Accuracy, Precision, Recall, and F1-Score. XGBoost showed the best performance, achieving an accuracy of 99.97%. It is concluded that ensemble learning models are promising for strengthening security in instant payment systems like Pix.	pt_BR
Condicional dc.description.condicional	Não	pt_BR
Nota dc.description.nota	4	pt_BR
Resumo (português) dc.description.resumo	A popularização do Pix, sistema de pagamento instantâneo criado pelo Banco Central do Brasil, trouxe avanços significativos na agilidade das transações financeiras. No entanto, também intensificou a necessidade de mecanismos eficientes para detecção de fraudes em tempo real. Este trabalho tem como objetivo avaliar a eficácia de algoritmos de aprendizado de máquina aplicados à identificação de transações fraudulentas. Foram utilizados modelos de Regressão Logística, Árvore de Decisão, Random Forest e XGBoost. Os modelos foram treinados em uma base sintética com mais de seis milhões de registros, simulando operações reais. A análise considerou métricas como Acurácia, Precisão, Recall e F1-Score. O XGBoost apresentou o melhor desempenho, alcançando acurácia de 99,97\%. Conclui-se que modelos de ensemble learning são promissores para fortalecer a segurança em sistemas de pagamento instantâneo como o Pix.	pt_BR
Referência (citação) dc.identifier.citation	SANTOS, Daniele Chaves dos. Detecção de fraudes em transações Pix com algoritmos de aprendizado de máquina. 2025. 34 f. Trabalho de Conclusão de Curso (Bacharelado em Sistemas de Informação) - Universidade Federal do Amazonas, Itacoatiara (AM),2025.	pt_BR
Endereço permanente (URI) dc.identifier.uri	https://riu.ufam.edu.br/handle/prefix/8898
Idioma dc.language	por	pt_BR
País dc.publisher.country	Brasil	pt_BR
Curso dc.publisher.course	Sistemas de Informações - Bacharelado - Itacoatiara	pt_BR
Faculdade, Instituto ou Departamento dc.publisher.department	ICET - Instituto de Ciências Exatas e Tecnologia (Itacoatiara)	pt_BR
Local de publicação dc.publisher.localpub	Itacoatiara (AM)	pt_BR
Tipo de acesso dc.rights	Acesso Aberto	pt_BR
Licença (endereço) dc.rights.uri	https://creativecommons.org/licenses/by-nc-nd/4.0/	pt_BR
Palavras-chave dc.subject	Machine learning	pt_BR
Palavras-chave dc.subject	Fraud detection	pt_BR
Palavras-chave dc.subject	Instant payment	pt_BR
Palavras-chave dc.subject	Pix transaction	pt_BR
Área de conhecimento (CNPq) dc.subject.cnpq	CIENCIAS SOCIAIS APLICADAS: ADMINISTRACAO	pt_BR
Termo controlado dc.subject.other	Fraudes bancárias	pt_BR
Título dc.title	Detecção de fraudes em transações Pix com algoritmos de aprendizado de máquina	pt_BR
Tipo de documento dc.type	Trabalho de Conclusão de Curso	pt_BR