Desenvolvimento de um sistema distribuído com microsserviços e aprendizado de máquina para detecção de fraudes transacionais em tempo real

Abstract

Este trabalho apresenta o desenvolvimento e a avaliação de um sistema distribuído para detecção de fraudes financeiras em tempo real, integrando conceitos de arquitetura de software e aprendizado de máquina com o objetivo de minimizar a latência para a inferência da análise transacional. O sistema foi construído visando desacoplar os componentes em microsserviços conteinerizados que utilizam comunicação híbrida: síncrona para inferência de alto desempenho e assíncrona para auditoria e persistência. O modelo preditivo supervisionado foi acoplado a um pipeline de automação que permite o retreinamento e atualização nas réplicas de inferência. Os resultados experimentais, obtidos por meio de testes de carga controlados, demonstraram que a arquitetura suporta alta concorrência com vazão estável e taxa de erro nula até o ponto de saturação dos recursos. Conclui-se que a solução proposta atende aos requisitos de escalabilidade, resiliência e baixa latência, validando a viabilidade técnica da aplicação em ambientes financeiros.