Caracterización y clasificación binaria para identificar lavado de criptoactivos en exchanges

Abstract

El lavado de dinero es una práctica malintencionada y criminal, cuyo propósito es el de ingresar al sistema legal dinero proveniente de actividades ilícitas, mediante diferentes mecanismos que permitan ocultar el verdadero origen de los recursos financieros. En este proyecto se logra diferenciar las tipologías en los casos de lavado de activos dentro del contexto colombiano. Específicamente, se hace énfasis en los criptoactivos como medio para lavar activos, y se escoge el caso en el cual se hace uso de los Exchange para ofuscar la verdadera fuente de obtención de los recursos. Por lo que, se analiza ese caso en particular, se proponen unas pautas que se deberían tener en cuenta para que los Exchange puedan identificar posibles fraudes en las transacciones y como procede. Finalmente, se procede a proponer un acercamiento a una solución en la detección de posible fraude mediante dos algoritmos de clasificación binaria, los cuales son Random Forest Classifier y Logistic Regression, teniendo como atributos, para los modelos, las señales de riesgo identificadas para esos casos.