Development of a fraud detection microservice platform

Abstract

O mundo ciber-físico deixou de optar por verificações manuais e promoveu a adoção de sistemas mais eficientes e fiavéis para detetar transações fraudulentas. Estes sistemas visam otimizar e também melhorar a forma como estas transações são validadas. Para atingir estes objetivos, foram criados ou adaptados modelos de aprendizagem automática para realizar estas tarefas. São cuidadosamente testados e desenvolvidos para atender às necessidades dos utilizadores para garantir que não se envolvem em negócios fraudulentos e para evitar tentativas maliciosas de roubar ou fazer qualquer dano ao utilizador final. Nos últimos anos, o DTx tem vindo a desenvolver um sistema capaz de hospedar este tipo de algoritmos e disponibilizá-los para sistemas de produções em ambientes ciber-físicos. No início deste trabalho, a DTx propôs conceber e criar uma plataforma que pudesse ser implementada num ambiente em nuvem e também capaz de acolher um módulo de IA que esteja qualificado para prever entradas de Churn em extratos de telecomunicações. Nesta dissertação, o grande objetivo foi criar uma plataforma baseada numa arquitetura de microserviços, de forma a fornecer uma solução para os requisitos especificados pelo DTx e torná-la uma solução simples, mas eficiente. De forma abrangente, esta dissertação começa por expor um estudo profundo sobre o estado atual da arte dos sistemas ciber-físicos, ambientes em nuvem, algoritmos de aprendizagem automática e plataformas que podem acolher este tipo de sistemas. Em seguida, apresenta-se então as especificações do sistema, a forma como foi implementado, os seus diversos serviços e, finalmente, uma análise dos resultados onde é possível ver que maior parte dos requisitos foram atingidos.

The cyber-world has dropped manual checking and promoted the adoption of more efficient and relying systems to detect fraudulent transactions. These systems aim to optimize and also improve how these transactions are validated. For the sake of achieving these objectives, machine learning models were created or adapted to accomplish these tasks. They are carefully tested and developed to meet users needs to make a more secure way to guarantee that they do not fall into fraudulent businesses and to prevent malicious attempts to steal or do any arm to the end user. In the past few years, DTx has been developing a system that is capable of hosting these kinds of algorithms and making them available for cyber-environment productions systems. In the beginning of this work, DTx proposed to design and create a platform that could be deployed in a cloud environment and also capable of hosting an AI module that was qualified to predicting Churn entries in telecom extracts. In this dissertation, the major goal was to create a platform based on a microservice architecture, in order to provide a solution to the requirements specified by DTx and making it a simple but efficient solution. Comprehensively, this dissertation begins by exposing a deep study on the current state of the art of cyber-physical systems, cloud environments, machine learning algorithms and platforms that can host these types of systems. It is then presented the specifications of the system, how it was implemented, its various services, and finally a analysis of results where it is possible to see that the major needs were achieved.