A Two-Stage Unsupervised Learning Approach for Anomaly Detection in Transactions of Cooperative Financial Institutions

Abstract

La detección de anomalías en transacciones financieras es un desafío crítico para mitigar los riesgos asociados con actividades fraudulentas. Este estudio propone un marco robusto adaptado al sector financiero cooperativo, utilizando técnicas de aprendizaje no supervisado para identificar comportamientos anómalos en los datos transaccionales. Se empleó Hierarchical Clustering para segmentar a los usuarios en clústeres de comportamiento distintivos, revelando patrones indicativos de actividad normal y sospechosa...