Item type: Item , Access status: Restricted , Add to my list

DESARROLLO DE UN SISTEMA DE PERFILADO EN GRUPOS DE FRAUDE

Abstract

Telegram se ha convertido en uno de los espacios donde se organiza el fraude bancario. En sus grupos se compran y venden credenciales, datos de tarjetas y cuentas, además de coordinar el uso de mulas y la monetización. Revisar esa actividad a mano es inviable por volumen, y los filtros basados en listas de palabras quedan obsoletos en cuanto cambia la jerga. Este Trabajo de Fin de Grado describe el diseño, la implementación y la evaluación de un sistema modular que perfila usuarios en grupos de Telegram de fraude bancario. El sistema extrae el histórico de mensajes de diez grupos (aproximadamente 64.000 mensajes), lo enriquece con procesamiento del lenguaje natural y reconocimiento de entidades de dominio, resume la actividad de cada usuario en 22 atributos tabulares y le asigna una clase de riesgo (low, medium o high) mediante un sistema de reglas que produce etiquetas plata. Sobre los 2.172 usuarios resultantes se entrenan tres modelos XGBoost que comparten arquitectura, particiones y semilla y difieren solo en la entrada: uno tabular, uno basado únicamente en embeddings multilingües del texto y uno híbrido que concatena ambas representaciones. Evaluados sobre el mismo conjunto de test, el modelo tabular obtiene un F1 macro de 0,928, el híbrido 0,895 y el de solo texto 0,609. Esto se debe a que las etiquetas son una función determinista de los atributos tabulares, lo que fija un techo, porque reproducir las reglas no equivale a detectar mejor el fraude real. El modelo híbrido coincide con las reglas en el 98,9 % de los usuarios; la revisión manual de las discrepancias muestra algunos aciertos sobre puntos ciegos de las reglas (compradores de cuentas, un operador que trabaja en jerga inglesa) y también una limitación propia: el promedio de embeddings (mean pooling) diluye la señal en usuarios con mensajes muy repetitivos. El trabajo se completa con un módulo de inferencia que asigna a cada usuario una puntuación continua de 0 a 100.
Loading...

Quotes

PlumX

Journal Title

Journal ISSN

Volume Title

Publisher

Universidad Rey Juan Carlos

URL external

External URL

DOI

Description

Trabajo Fin de Grado leído en la Universidad Rey Juan Carlos en el curso académico 2025/2026. Directores/as: Antonio González Pardo

Citation

Endorsement

Review

Supplemented By

Referenced By

Statistics

Views
7
Downloads
0

Bibliographic managers