Banca de QUALIFICAÇÃO: VINÍCIUS ALEXANDRE RAMOS SIMÃO

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
STUDENT : VINÍCIUS ALEXANDRE RAMOS SIMÃO
Date: 19/11/2025
TIME: 14:30
LOCAL: https://conferenciaweb.rnp.br/sala/claudio-30
TITLE:

DETECÇÃO DE FRAUDES COM TÉCNICAS DE INTELIGÊNCIA ARTIFICIAL EM PAGAMENTOS ONLINE

PAGES: 47
BIG AREA: Outra
AREA: Multidisciplinar
SUMMARY:

O avanço tecnológico nos serviços financeiros impulsionou o acesso a pagamentos digitais, mas também trouxe um aumento expressivo nas tentativas de fraude, tornando-se um dos principais desafios para instituições e usuários. Este trabalho investiga métodos de detecção de fraudes em pagamentos online com foco em ensembles supervisionados (AdaBoost e votação majoritária) e técnicas de Inteligência Artificial Explicável (XAI), como SHAP e LIME, aplicadas em bases simuladas (Sparkov) e reais anonimizadas por PCA (Kaggle). A pesquisa replica e estende o estudo “Credit Card Fraud Detection Using AdaBoost and Majority Voting”, com o objetivo de validar os resultados da literatura e propor incrementos voltados à explicabilidade e auditoria financeira. O pipeline desenvolvido inclui etapas de pré-processamento, padronização, engenharia de atributos (como o recurso IsNight), balanceamento de classes via SMOTE e avaliação com métricas de acurácia, precisão, recall, F1, AUC-ROC e MCC, utilizando validação cruzada estratificada. Os resultados confirmam a eficácia metodológica observada na literatura, demonstrando que ensembles elevam o recall com controle de falsos positivos. Testes exploratórios com XGBoost e LightGBM indicam ganhos adicionais em determinados cenários, reforçando o potencial desses modelos. As explicações geradas por SHAP e LIME aumentam a transparência dos resultados, ainda que a anonimização por PCA limite a interpretabilidade semântica. Este estudo contribui para a validação e extensão de pesquisas existentes, destacando a relevância de modelos ensemble e de técnicas de XAI na detecção de fraudes financeiras e discutindo implicações práticas, limitações e perspectivas futuras, como o uso de séries temporais, deep learning e estratégias de balanceamento mais avançadas.

COMMITTEE MEMBERS:
Presidente - Interno ao Programa - 1671282 - CLAUDIO JOSE BORDIN JUNIOR
Membro Titular - Examinador(a) Interno ao Programa - 1355507 - HELOI FRANCISCO GENTIL GENARI
Membro Titular - Examinador(a) Externo ao Programa - 3440933 - PEDRO IVO DA CRUZ
Membro Suplente - Examinador(a) Interno ao Programa - 1761105 - MURILO BELLEZONI LOIOLA