Evaluating bids

Desenvolvimento de Modelo de Antifraude para o Pix

Published on the February 25, 2025 in IT & Programming

About this project

Open

Preciso desenvolver um modelo de machine learning para detecção de fraudes em transações PIX, com processamento em streaming em tempo real (até 2 segundos de latência). O modelo deve analisar variáveis como padrões horários, valor da transação e outros comportamentos suspeitos, utilizando Apache Spark para garantir escalabilidade e velocidade. O critério de aceitação inclui acurácia mínima de 80% em backtesting com dados históricos e processamento dentro do tempo estipulado. Busco freelancers com experiência em modelos de antifraude, Spark Structured Streaming e machine learning em tempo real, que possam iniciar o projeto o quanto antes. Estarei disponível para revisar propostas técnicas e discutir detalhes.

Project overview

Objetivo: Criar um sistema de detecção de fraudes para transações PIX que opere em tempo real, identificando comportamentos anômalos com base em padrões de horário (ex.: Transações incomuns em horários de pico ou madrugada) e valor monetário (ex.: Valores acima da média do usuário). 1. Desenvolver um pipeline de streaming com Apache Spark para processar transações. 2. Treinar um modelo de machine learning (ex.: Random Forest, XGBoost, ou modelo híbrido) com dados históricos rotulados. 3. Implementar lógica de alerta em tempo real para bloquear transações suspeitas. 4. Garantir latência máxima de 2 segundos desde a entrada da transação até a decisão. Contexto: Com o aumento de transações via PIX no Brasil, há necessidade crítica de mitigar riscos de fraudes (ex.: Sequestro de chaves, transações fantasma). O modelo deve ser integrado a sistemas financeiros existentes, com capacidade de processar milhares de transações por segundo. Referências: - Detecção de Fraude em Tempo Real com Spark: https://spark.apache.org/docs/latest/streaming-programming-guide.html - Padrões de Fraude no PIX: https://www.bcb.gov.br/estabilidadefinanceira/pix - Exemplo de Arquitetura de Antifraude: https://medium.com/@parinpatel094/a-deep-dive-into-apache-flinks-datastream-api-48366e3fed27 https://medium.com/@parinpatel094/real-time-fraud-detection-using-apache-flink-and-machine-learning-62e83ad15de1 --- Critérios de Aceite: 1. Acurácia mínima de 80%* em testes com dataset histórico. 2. Latência máxima de 2 segundos por transação. 3. Documentação técnica detalhada da arquitetura e modelo. 4. Código entregue em repositório Git com exemplos de deployment. --- Observações Adicionais: - Priorizaremos freelancers com portfólio em projetos similares (antifraude, Spark, ML em tempo real). - Indique na proposta: experiência com Kafka/Amazon Kinesis (para streaming), frameworks de ML (ex.: MLlib, Tensorflow), e métricas de avaliação de modelos (ex.: auc-roc, f1-score). - Incluir sugestões de otimização de custos na infraestrutura será um diferencial.

Category IT & Programming
Subcategory Web development
What is the scope of the project? Medium-sized change
Is this a project or a position? Project
I currently have I have an idea
Required availability As needed
API Integrations Other (Other APIs)
Roles needed Developer

Delivery term: July 01, 2025

Skills needed

MySQL API Data Modeling Data Structures Python Financial Analysis Big Data Artificial intelligence Data Science Data Analyst (Python)

Want to start working on this project?

Log into your Workana account or Register today. Boost your freelance work!