Detección de fraude aduanero mediante un enfoque de aumento de gradiente para la clasificación conjunta y la...

Área de la Ciencia:

• Ciencia de datos
• Aprendizaje automático
• Finanzas públicas

Sus antecedentes:

• Los ingresos aduaneros son vitales para los gobiernos, lo que requiere análisis avanzados para la detección de fraude.
• Los métodos tradicionales para detectar el fraude aduanero requieren mucha mano de obra, son costosos y dependen en gran medida del juicio de expertos.
• El aprendizaje automático ofrece una solución para identificar el fraude y minimizar las pérdidas de ingresos de manera eficiente.

Objetivo del estudio:

• Introducir y evaluar el Enfoque Dual de Aprendizaje Basado en XGBoost (DXGBA) para la detección de fraude aduanero.
• Demostrar la capacidad de DXGBA para clasificar simultáneamente declaraciones fraudulentas y estimar los riesgos de ingresos asociados.
• Optimizar las inspecciones aduaneras para maximizar la recuperación de ingresos dentro de recursos limitados.

Principales métodos:

• Formulación de las importaciones infravaloradas como una tarea de aprendizaje supervisado dual.
• Aplicación del modelo DXGBA para clasificación y regresión simultáneas dentro de un único marco de aumento.
• Investigación de estrategias de remuestreo (SMOTE, RU) para abordar el desequilibrio de clases.
• Evaluación utilizando un conjunto de datos de aduanas de referencia y comparación con modelos de referencia.

Principales resultados:

• DXGBA detecta con éxito el fraude y estima el impacto en los ingresos, clasificando las declaraciones por riesgo.
• El modelo recupera hasta el 87,98% de los ingresos mientras audita solo el 10% de las declaraciones.
• Los pipelines de mejora que utilizan incrustaciones basadas en árboles y características profundas basadas en autoencoders mejoraron aún más la precisión y la estimación de ingresos.

Conclusiones:

• DXGBA ofrece una solución de alto rendimiento para la detección de fraude aduanero y la evaluación de riesgos de ingresos.
• El marco de aprendizaje dual permite la priorización eficiente de las inspecciones, maximizando la recuperación de ingresos.
• DXGBA supera a los métodos existentes, mostrando su potencial para mejorar la eficiencia de la administración aduanera.