Aprendizaje federado para la detección de crimen financiero

Ponente(s): Karen Jazmín López Castro, José Antonio Neme Castillo

El crimen financiero representa un riesgo significativo para la estabilidad económica y la seguridad nacional, y su detección oportuna es un reto debido a la sensibilidad de los datos y la fragmentación de la información entre instituciones. Esta charla presenta el uso del aprendizaje federado como una solución innovadora para enfrentar estos desafíos en el sector bancario mexicano. A diferencia de los enfoques tradicionales, el aprendizaje federado permite entrenar modelos de inteligencia artificial sin compartir directamente los datos entre instituciones, preservando la privacidad y cumpliendo con los marcos regulatorios. Se discutirán casos de uso específicos, ventajas frente a métodos centralizados, y los principales retos técnicos y organizacionales para su implementación en contextos reales. La presentación busca abrir el diálogo sobre cómo aplicar tecnologías colaborativas y respetuosas de la privacidad para combatir delitos como el lavado de dinero, la corrupción y el financiamiento al terrorismo.