|
یک الگوریتم هوشمند مبتنی بر طبقه بند گروهی جهت تشخیص تقلب در کارتهای اعتباری
|
یاسر علمی سولا   ، اکرم سردارابادی |
|
|
|
چکیده: (87 مشاهده) |
با پیشرفت‌های سریع فناوری، استفاده از کارتهای اعتباری در فعالیت‌های مالی به‌طور چشمگیری افزایش یافته است. این افزایش نه تنها به سهولت در انجام تراکنش‌ها کمک کرده، بلکه به بروز کلاهبرداری‌های متقلبانه نیز منجر شده است. کلاهبرداری از کارتهای اعتباری به‌دلیل ضعف‌های امنیتی در سیستم‌های پردازش سنتی، به سرعت در حال افزایش است و سالانه میلیون‌ها دلار خسارت به بار می‌آورد. برای مقابله با این مشکل، نیاز به فناوری‌های مؤثر برای شناسایی تقلب احساس می‌شود. در این تحقیق، روش‌های آماری و الگوریتم‌های یادگیری ماشین به‌عنوان ابزارهای مؤثری برای کشف تقلب معرفی شده‌اند و در شناسایی فعالیت‌های غیرمجاز به کار گرفته شده‌اند. تحقیق حاضر به بررسی چالش‌های موجود در داده‌های مربوط به کلاهبرداری و توسعه روش‌های جدید برای کشف تقلب می‌پردازد. به‌جای استفاده از طبقه‌بندهای منفرد، از یک طبقه‌بند گروهی مبتنی بر پشته برای شناسایی تقلب استفاده شده است. این روش مزیت کلیدی آن است که قادر به طبقه‌بندی تقلب به‌طور مستقل از نوع و کانال پرداخت است. در این تحقیق، مجموعه‌داده‌ای شامل تراکنش‌های انجام شده توسط کارتهای اعتباری در سپتامبر 2013 مورد بررسی قرار گرفته است که شامل 492 کلاهبرداری از 284807 تراکنش می‌باشد. نتایج به‌دست‌آمده نشان می‌دهد که روش پیشنهادی با دقت بالایی قادر به شناسایی تقلب‌ها است و به‌طور قابل توجهی از روش‌های پیشین بهتر عمل می‌کند. این تحقیق به‌عنوان یک گام مهم در راستای توسعه سیستم‌های هوشمند برای کشف تقلب در کارتهای اعتباری به شمار می‌آید و می‌تواند به بهبود امنیت تراکنش‌های مالی کمک کند.
|
|
| واژه‌های کلیدی: کشف تقلب، کارت اعتباری، یادگیری ماشین، جنگل تصادفی، طبقه بندی داده ها |
|
|
متن کامل [PDF 809 kb]
(69 دریافت)
|
نوع مطالعه: پژوهشي |
موضوع مقاله:
تخصصي
دریافت: 1404/3/18 | پذیرش: 1404/3/22 | انتشار: 1404/3/22
|
|
|
|
|
|
|
| ارسال پیام به نویسنده مسئول |
|
|
|
| ارسال نظر درباره این مقاله |
|
|
|
