[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"detail-sidebar-cat-0-es-110":3,"doc-seo-126759-110":49,"doc-detail-126759-es":110},{"code":4,"msg":5,"data":6},0,"success",[7,13,17,21,25,29,33,37,41,45],{"id":8,"doc_module":4,"doc_module_name":9,"category_name":10,"show_sort_weight":11,"slug":12},39,"Document","Cómic",60,"comic",{"id":14,"doc_module":4,"doc_module_name":9,"category_name":15,"show_sort_weight":11,"slug":16},43,"Estilo de Vida","lifestyle",{"id":18,"doc_module":4,"doc_module_name":9,"category_name":19,"show_sort_weight":11,"slug":20},38,"Examen","exam",{"id":22,"doc_module":4,"doc_module_name":9,"category_name":23,"show_sort_weight":11,"slug":24},44,"General","general",{"id":26,"doc_module":4,"doc_module_name":9,"category_name":27,"show_sort_weight":11,"slug":28},41,"Investigación e Informes","research-report",{"id":30,"doc_module":4,"doc_module_name":9,"category_name":31,"show_sort_weight":11,"slug":32},37,"Literatura","literature",{"id":34,"doc_module":4,"doc_module_name":9,"category_name":35,"show_sort_weight":11,"slug":36},22,"Relatos y Novelas","story-novel",{"id":38,"doc_module":4,"doc_module_name":9,"category_name":39,"show_sort_weight":11,"slug":40},42,"Religión y Espiritualidad","religion-spirituality",{"id":42,"doc_module":4,"doc_module_name":9,"category_name":43,"show_sort_weight":11,"slug":44},40,"Salud y Atención Médica","healthcare",{"id":46,"doc_module":4,"doc_module_name":9,"category_name":47,"show_sort_weight":11,"slug":48},24,"Tecnología","technology",{"code":4,"msg":50,"data":51},"ok",{"site_id":52,"language":53,"slug":54,"title":55,"keywords":56,"description":57,"schema_data":58,"social_meta":103,"head_meta":105,"extra_data":107,"updated_unix":109},110,"es","fraud-detection-in-blockchain-transactions-using-machine-learning-processes-an-approximation-to-the-state-of-the-art","Detección de fraude en transacciones Blockchain usando procesos de Machine Learning - una Aproximación al Estado del Arte","","Revisión sistemática de la literatura orientada a la detección de fraude en transacciones sobre redes blockchain mediante procesos de Machine Learning. El trabajo contextualiza la base tecnológica de blockchain y la creciente adopción de aplicaciones financieras, junto con el marco regulatorio emergente. La metodología emplea una Aproximación al Estado del Arte con cinco fases para indagar, identificar, seleccionar, clasificar y analizar estudios, incluyendo la definición de preguntas de investigación, cláusulas de búsqueda y cuestionarios de calidad y extracción de datos.",{"@graph":59,"@context":102},[60,77,93],{"@type":61,"itemListElement":62},"BreadcrumbList",[63,68,71,74],{"item":64,"name":65,"@type":66,"position":67},"https://docshare.wps.com","Home","ListItem",1,{"item":69,"name":9,"@type":66,"position":70},"https://docshare.wps.com/es/document/",2,{"item":72,"name":27,"@type":66,"position":73},"https://docshare.wps.com/es/document/investigación-e-informes/",3,{"item":75,"name":55,"@type":66,"position":76},"https://docshare.wps.com/es/document/fraud-detection-in-blockchain-transactions-using-machine-learning-processes-an-approximation-to-the-state-of-the-art/126759/",4,{"url":75,"name":55,"@type":78,"author":79,"headline":55,"publisher":82,"fileFormat":85,"inLanguage":53,"description":57,"dateModified":86,"datePublished":87,"encodingFormat":85,"isAccessibleForFree":88,"interactionStatistic":89},"DigitalDocument",{"name":80,"@type":81},"Emma Wilson","Person",{"url":64,"name":83,"@type":84},"DocShare","Organization","application/pdf","2026-09-11","2026-08-05",true,{"@type":90,"interactionType":91,"userInteractionCount":76},"InteractionCounter",{"@type":92},"ViewAction",{"@type":94,"mainEntity":95},"FAQPage",[96],{"name":97,"@type":98,"acceptedAnswer":99},"Qué fases contempla la metodología y para qué sirve cada una?","Question",{"text":100,"@type":101},"Indagación aporta contexto; Identificación define términos PICOC y la cláusula de búsqueda; Selección establece criterios y genera cuestionarios de evaluación y extracción; Clasificación importa resultados y aplica el cuestionario de calidad; Análisis trata y discute los datos cualitativa y cuantitativamente, finalizando con conclusiones.","Answer","https://schema.org",{"og:url":75,"og:type":104,"og:title":55,"og:site_name":83,"og:description":57},"article",{"robots":106,"canonical":75},"index,follow",{"doc_id":108,"site_id":52},126759,1785934628,{"code":4,"msg":5,"data":111},{"doc_id":108,"user_id":112,"nickname":80,"user_avatar":113,"doc_module":4,"category_id":26,"category_name":27,"doc_title":55,"doc_description":57,"doc_content":114,"file_id":115,"file_url":116,"file_type":117,"file_size":118,"view_count":76,"is_deleted":4,"is_public":67,"is_downloadable":67,"audit_status":67,"page_count":76,"language":119,"language_code":53,"site_id":52,"html_lang":53,"table_of_contents":120,"faqs":121,"seo_title":122,"seo_description":57,"update_tm":109,"read_time":123},962084928432,"https://ap-avatar.wpscdn.com/davatar_155a257f0dc6eb9ab79c44ca47cae57d","XVI Jornadas de Ingenier´ıa Telemtica  \nJITEL 2023  \nLa Salle – Universitat Ramon Llull  \nActas de las XVI Jornadas de Ingeniería Telemática (JITEL 2023),  \nBarcelona (España), 8-10 de noviembre de 2023 .  \nISBN  \nDeteccin de fraude en transacciones Blockchain usando procesos de Machine Learning, una Aproximacin al Estado del Arte  \nRa´ul Oca˜na, Isaac Agudo, Javier Lpez  \nNetwork, Information and Computer Security (NICS) Lab,  \nUniversidad de Mlaga, 29071  \n{roa, isaac, [javier](javier}@lcc.uma.es)[}](javier}@lcc.uma.es)[@lcc.uma.es](javier}@lcc.uma.es).  \nLas aplicaciones financieras basadas en tecnologa blockchain son cada vez ms comunesen el da a da de la economa regulada global. Con este precedente, y en una contextualizacinde la deteccin de fraude mediante el uso detcnicas de Machine Learning, el siguiente artculode investigacin en curso presenta una revisinsistemtica de la literatura en la que se intenta dar respuesta a cules son las tcnicas de deteccin ms usadas actualmente y sus rendimientos, as como cul es –si existe– la tendencia de uso de nuevastcnicas en este mismo contexto.  \nPalabras Clave—machine learning, blokchain, fraude, revisin, estado del arte  \nI. INTRODUCCI ´ON  \nLa tecnolog´ıa blockchain naci como la base para dar soporte al desarrollo de redes que permitiesen el intercambio de activos digitales. Esta era la idea original propuesta en el white paper de Bitcoin [1], y en un amplio sentido, se mantiene hasta la fecha.  \nUna de las caracter´ısticas ms innatas de las redes decadena de bloques es su naturaleza transaccional. En ella se basan nuevas funcionalidades que han ido surgiendo en estos protocolos, como podr´ıan ser la tokenizacin, la ejecucin de un cdigo remoto en formato smart-contract, o el registro de documentos digitales. Como resultadode esta evolucin, las diferentes redes en activo estn viendo crecer su volumen de operaciones y capitalizacin, alcanzando actualmente el trilln de dolares americanos [21] .  \nAnte este tipo de situaciones, gobiernos e instituciones gubernamentales estn tomando iniciativas de regulacin para estas redes, las cuales estn en proceso de tomarefecto o lo harn en periodos de tiempo cercano. Ejemplos de esto pueden ser la Ley MiCA [2], ratificada el 20 deabril de 2023 en el Parlamento Europeo; o el preaviso del Ministerio de Hacienda Espa˜nol de la obligatoriedadde presentar registro de las operaciones realizadas en las  \nplataformas de criptodivisas a partir de 2024, expuesta en el BOE Num. 81 [3], tambin de abril de 2023 .  \nCon el objetivo de aportar valor al ecosistema investigador, y centrndonos en el estudio de la literatura hasta la fecha, se propone el desarrollo de una revisin sistemticabasada en la metodolog´ıa de Aproximacin al Estado del Arte [4], mediante la cual se pretende dar respuesta a dos preguntas de investigacin propuestas, las cuales indaganen las tcnicas de Machine Learning ms usadas, as´ı como la evolucin sufrida por las mismas en el contexto dela resolucin del problema en la deteccin de fraude en transacciones blockchain.  \nII. METODOLOG´IA  \nLa metodolog´ıa de revisin seleccionada es la de Aproximacin al Estado del Arte, que presentada por Gmez Vargas et al. [4], propone un proceso metodolgico dividido en cinco fases: Indagacin, Identificacin, Seleccin, Clasificacin, y Anlisis. Como resultado, y esta es una de las principales diferencias con otras metodolog´ıas derevisin, se espera producir una recuperacin y descripcindel estado actual de la literatura, con la finalidad de transcender reflexivamente, generando una cr´ıtica en el caso de ser correspondiente.  \nLa seccin de Indagacin ser la encargada de dar contextualizacin a la temtica a tratar, generando en el lector e investigador los conceptos necesarios para la correcta y objetiva evaluacin de la literatura que serrevisada posteriormente.  \nEn segundo lugar, encontramos la fase de Identificacin, en la que se definirn los trminos PICOC, as´ı como las preguntas de investigacin y la clusula de b","cbCaiawP06sonwF4","https://ap.wps.com/l/cbCaiawP06sonwF4","pdf",142714,"Spanish","# Introducción\n# Metodología\n## Aproximación al Estado del Arte\n# Aproximación al Estado del Arte","[{\"question\":\"Qué fases contempla la metodología y para qué sirve cada una?\",\"answer\":\"Indagación aporta contexto; Identificación define términos PICOC y la cláusula de búsqueda; Selección establece criterios y genera cuestionarios de evaluación y extracción; Clasificación importa resultados y aplica el cuestionario de calidad; Análisis trata y discute los datos cualitativa y cuantitativamente, finalizando con conclusiones.\"}]","Detección de fraude en transacciones Blockchain usando procesos de Machine Learning - una Aproximación al Estado del Arte | PDF",6]