El fraude fiscal, que implica cualquier acción que perjudique a la Hacienda Pública al eludir o evadir las obligaciones tributarias, supone un gran problema para las arcas públicas, y se ha convertido en una de las mayores preocupaciones en la actualidad. En España se calcula que se defraudan unos 90.000 millones de euros al año. El fraude fiscal con tarjetas de crédito es uno de los que más se producen; debido al reciente aumento del número de tarjetas de crédito en nuestra sociedad, el fraude a Hacienda es más accesible que nunca. Es por eso por lo que se están dedicando muchos esfuerzos a luchar contra este problema, a través de la propuesta de nuevos enfoques y modelos capaces de hacer frente a lo que supone una importante pérdida de recursos para el Estado que podrían ser destinados a diferentes causas. El objetivo principal del presente estudio es abordar esta problemática mediante el uso de algoritmos de Aprendizaje Automático, para así detectar y prevenir estas prácticas fraudulentas. Se han empleado tanto algoritmos supervisados como no supervisados buscando obtener los mejores resultados en cada uno de ellos. Estos algoritmos tienen como entrada dos bases de datos que contienen registros sintéticos de transacciones bancarias. Los diferentes modelos han dado unos resultados muy prometedores en ambos conjuntos de datos, demostrando una gran capacidad en la detección de fraude fiscal con tarjetas de crédito.
ABSTRACT
Tax fraud, which involves any action that harms the Spanish Public Treasury by evading or avoiding tax obligations, is a major problem for the public coffers, and has become one of today’s major concerns. In Spain, it is estimated that around €90,000 million are defrauded every year. Tax fraud with credit cards is one of the most common; due to the recent increase in the number of credit cards in our society, tax fraud is more accessible than ever. That is why many efforts are being devoted to fight against this problem, through the proposal of new approaches and models capable of dealing with what represents a significant loss of resources for the State that could be destined to different causes. The main objective of this study is to address this problem by using machine learning algorithms to detect and prevent these fraudulent practices. Both supervised and unsupervised algorithms have been used to obtain the best results in each of them. These algorithms have as input two databases containing synthetic records of banking transactions. The different models have shown very promising results on both datasets, indicating a great ability in detecting tax fraud with credit cards.
El fraude fiscal, que implica cualquier acción que perjudique a la Hacienda Pública al eludir o evadir las obligaciones tributarias, supone un gran problema para las arcas públicas, y se ha convertido en una de las mayores preocupaciones en la actualidad. En España se calcula que se defraudan unos 90.000 millones de euros al año. El fraude fiscal con tarjetas de crédito es uno de los que más se producen; debido al reciente aumento del número de tarjetas de crédito en nuestra sociedad, el fraude a Hacienda es más accesible que nunca. Es por eso por lo que se están dedicando muchos esfuerzos a luchar contra este problema, a través de la propuesta de nuevos enfoques y modelos capaces de hacer frente a lo que supone una importante pérdida de recursos para el Estado que podrían ser destinados a diferentes causas. El objetivo principal del presente estudio es abordar esta problemática mediante el uso de algoritmos de Aprendizaje Automático, para así detectar y prevenir estas prácticas fraudulentas. Se han empleado tanto algoritmos supervisados como no supervisados buscando obtener los mejores resultados en cada uno de ellos. Estos algoritmos tienen como entrada dos bases de datos que contienen registros sintéticos de transacciones bancarias. Los diferentes modelos han dado unos resultados muy prometedores en ambos conjuntos de datos, demostrando una gran capacidad en la detección de fraude fiscal con tarjetas de crédito.
ABSTRACT
Tax fraud, which involves any action that harms the Spanish Public Treasury by evading or avoiding tax obligations, is a major problem for the public coffers, and has become one of today’s major concerns. In Spain, it is estimated that around €90,000 million are defrauded every year. Tax fraud with credit cards is one of the most common; due to the recent increase in the number of credit cards in our society, tax fraud is more accessible than ever. That is why many efforts are being devoted to fight against this problem, through the proposal of new approaches and models capable of dealing with what represents a significant loss of resources for the State that could be destined to different causes. The main objective of this study is to address this problem by using machine learning algorithms to detect and prevent these fraudulent practices. Both supervised and unsupervised algorithms have been used to obtain the best results in each of them. These algorithms have as input two databases containing synthetic records of banking transactions. The different models have shown very promising results on both datasets, indicating a great ability in detecting tax fraud with credit cards. Read More
Related posts:
Walmart Cuts Ties With Capital One
Nearly 90% of businesses saw up to 9% of revenue lost due to fraud
AI-based security solutions can detect & prevent fraudulent activity
The pros and cons for AI in financial sector cybersecurity
Uso de algoritmos de social network (grafos) para detectar redes de influencia que impacten en KPIs como churn y ventas
Demostrador de un navegador por métodos clásicos mediante técnicas de odometría visual