Camilo Ernesto Guzmán AlmanzaJorge Giovanny Salazar Paredes2025-11-062025-11-062024-11https://repositorio.uees.edu.ec/handle/123456789/4436El fraude en transacciones electrónicas bajo el estándar ISO 8583 representa un desafío significativo para las instituciones financieras. Este problema genera pérdidas económicas, disminuye la confianza de los clientes y aumenta los costos operativos (Nilson Report, 2023). La digitalización masiva de las transacciones incrementa la exposición al fraude, especialmente en instituciones que carecen de medidas de seguridad avanzadas.De acuerdo a esta estadística, las instituciones financieras que no implementen medidas de seguridad adecuadas enfrentan consecuencias graves económicas y la perdida de la confianza de los consumidores (Techopedia, 2023). Bajo este contexto los métodos tradicionales de detección de transacciones sospechosas no son suficientes para abordar las amenazas emergentes, por lo que es necesario y urgente apoyar las estrategias con modelos de inteligencia artificial (Goodfellow, Bengio, & Courville, 2016). Para abordar esta problemática, se propone diseñar un modelo de redes neuronales enfocado en la detección de transacciones sospechosas, utilizando clasificación binaria bajo el estándar ISO 8583. Este modelo empleará datos transaccionales y patrones de comportamiento, asistido por la experiencia de expertos, para identificar con mayor precisión fraudes y transacciones legítimas. Su implementación busca minimizar pérdidas, optimizar costos y fortalecer la confianza de los clientes usuarios.esRedes Neuronalestransacciones sospechosasBalanceo y normalización de datosISO 8583detecciónThesis