A introdução de sistemas de pagamento online ajudou muito na facilidade de pagamentos. Mas, ao mesmo tempo, aumentou em fraudes de pagamento. Fraudes de pagamento online podem acontecer com qualquer pessoa que use qualquer sistema de pagamento, especialmente ao fazer pagamentos com cartão de crédito. É por isso que a detecção de fraudes de pagamento online é muito importante para as empresas de cartão de crédito.
No aprendizado de máquina (machine learning), que vamos utilizar aqui para realizar a detecção de fraudes, temos três subcategorias importantes: O supervisionado, não supervisionado e aprendizado por reforço. O aprendizado de máquina supervisionado consiste no uso de conjuntos de dados rotulados para treinar algoritmos, permitindo que eles classifiquem dados ou façam previsões com precisão.
Tipos de Problemas:
O aprendizado supervisionado aborda dois tipos principais de problemas:
- Classificação: Atribui dados de teste a categorias específicas (por exemplo, classificar spam em uma caixa de entrada).
- Regressão: Compreende a relação entre variáveis dependentes e independentes (por exemplo, prever receita de vendas).
O problema de detecção de fraude é tipicamente um problema de classificação e um algoritmo para resolução deste tipo de problema que iremos utilizar aqui é o de “árvores de decisão” (“decision tree”) embora posteriormente possamos usar um outro algoritmo também de aprendizado de máquina supervisionado para comparar a performance, caso achemos que seja necessário.
Detecção de fraude de pagamentos online com aprendizado de máquina
Para identificar fraudes de pagamento online com aprendizado de máquina, precisamos treinar um modelo de aprendizado de máquina para classificar pagamentos fraudulentos e não fraudulentos. Para isso, precisamos de um conjunto de dados contendo informações sobre fraudes de pagamentos online, para que possamos entender que tipo de transações levam à fraude. Para esta tarefa, coletei um conjunto de dados do Kaggle, que contém informações históricas sobre transações fraudulentas que podem ser usadas para detectar fraudes em pagamentos online. Abaixo estão todas as colunas do conjunto de dados que estou usando aqui:
- step: representa uma unidade de tempo em que 1 passo (step) é igual a 1 hora
- type: Tipo de transação online
- value: o valor da transação
- nameOrig: cliente que inicia a transação
- oldbalanceOrg: saldo antes da transação
- newbalanceOrig: saldo após a transação
- nameDest: destinatário da transação
- oldbalanceDest: saldo inicial do destinatário antes da transação
- newbalanceDest: o novo saldo do destinatário após a transação
- isFraud: transação fraudulenta
Detecção de fraudes em pagamentos online usando Python
Importando as bibliotecas Python necessárias e o conjunto de dados necessários para esta tarefa:
| import pandas as pd import numpy as np data = pd.read_csv(“credit card.csv”) print(data.head()) |
Agora, vamos dar uma olhada se esse conjunto de dados tem algum valor nulo ou não:
| print(data.isnull().sum()) |
Portanto, esse conjunto de dados não tem nenhum valor nulo. Antes de prosseguir, agora, vamos dar uma olhada no tipo de transação mencionada no conjunto de dados:
| # Explorando o tipo de transação print(data.type.value_counts()) |
| type = data[“type”].value_counts() transactions = type.index quantity = type.values import plotly.express as px figure = px.pie(data, values=quantity, names=transactions,hole = 0.5, title=”Distribuição do Tipo de Transação”) figure.show() |
Distribuição do Tipo de Transação:
# Excluindo colunas do tipo texto que não são relevantes
| data = data.drop(columns=[“nameOrig”, “nameDest”]) data.head() |
Agora vamos transformar os recursos categóricos em numéricos.
| data[“type”] = data[“type”].map({“CASH_OUT”: 1, “PAYMENT”: 2, “CASH_IN”: 3, “TRANSFER”: 4, “DEBIT”: 5}) |
Agora vamos dar uma olhada na correlação entre os recursos dos dados com a coluna isFraud:
| # Checking correlation correlation = data.corr() print(correlation[“isFraud”].sort_values(ascending=False)) |
Verificamos que a correlação maior com a coluna isFraud é das colunas amount e isFlaggedFraud.
Aqui, também transformarei os valores da coluna isFraud em rótulos No Fraud e Fraud para ter uma melhor compreensão da saída:
| data[“isFraud”] = data[“isFraud”].map({0: “No Fraud”, 1: “Fraud”}) print(data.head()) |
Modelo de detecção de fraude de pagamentos online
Agora vamos treinar um modelo de classificação para classificar transações fraudulentas e não fraudulentas. Antes de treinar o modelo, dividirei os dados em conjuntos de treinamento e teste:
# Dividindo os dados em x e y
| from sklearn.model_selection import train_test_split x = np.array(data[[“type”, “amount”, “oldbalanceOrg”, “newbalanceOrig”]]) y = np.array(data[[“isFraud”]]) |
Agora vamos treinar o modelo de detecção de fraude de pagamentos online:
| # Treinando o modelo de machine learning DecisionTree from sklearn.tree import DecisionTreeClassifier xtrain, xtest, ytrain, ytest = train_test_split(x, y, test_size=0.10, random_state=42) model = DecisionTreeClassifier() model.fit(xtrain, ytrain) print(model.score(xtest, ytest)) |
| 0.999746959585831 |
Podemos perceber que o score (performance) do modelo é praticamente de 100%, por isso não vamos tentar implementar outro modelo para comparação porque o nosso modelo é muito bom.
Agora vamos classificar se uma transação é uma fraude ou não, alimentando uma transação no modelo:
| # prediction #features = [type, amount, oldbalanceOrg, newbalanceOrig] features = np.array([[4, 9000.60, 9000.60, 0.0]]) print(model.predict(features)) |
| [‘Fraud’] |
Resumo
É assim que podemos detectar fraudes em pagamentos online com aprendizado de máquina usando Python. A detecção de fraudes de pagamento online é uma das aplicações da ciência de dados em finanças.
O notebook jupyter com o código em Python do projeto, 100% funcional e testado, se encontra disponível em https://github.com/evillafuerte/fraud_detection .
Autor: Ernesto Villafuerte Oyola
Analista de Dados
Msc. Computação (Eng. Software)
Consultor e Professor