La complejidad de la actividad fraudulenta, como el robo de pagos y el lavado de dinero, ha evolucionado en proporción a los avances tecnológicos. El deep learning (DL) reduce drásticamente los falsos positivos en el fraude transaccional.
Con la disponibilidad de grandes volúmenes de datos de clientes, como transacciones sin procesar a lo largo del tiempo (RNN) y vectores de resumen de transacciones (RNN y CNN), las empresas pueden entrenar redes neuronales de inteligencia artificial como codificadores automáticos y modelos para identificar irregularidades en los patrones de actividad transaccional.