2

fa یک الگوریتم هوشمند مبتنی بر طبقه بند گروهی جهت تشخیص تقلب در کارتهای اعتباری A Intelligent Algorithm Based on Group Classifiers for Fraud Detection in Credit Cards تخصصي Special پژوهشي Research 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.   With the rapid advancements in technology, the use of credit cards in financial activities has increased dramatically. This increase has not only helped in the ease of transactions but has also led to the emergence of fraudulent frauds. Credit card fraud is increasing rapidly due to security weaknesses in traditional processing systems and causes millions of dollars in losses annually. To combat this problem, there is a need for effective fraud detection technologies. In this research, statistical methods and machine learning algorithms are introduced as effective tools for fraud detection and are used in identifying unauthorized activities. The present research examines the challenges in fraud-related data and develops new methods for fraud detection. Instead of using individual classifiers, a stack-based group classifier is used to detect fraud. The key advantage of this method is that it is able to classify fraud independently of the type and payment channel. In this study, a dataset of credit card transactions in September 2013 was examined, which included 492 frauds out of 284,807 transactions. The results obtained show that the proposed method is able to detect frauds with high accuracy and significantly outperforms previous methods. This research is considered as an important step towards the development of intelligent systems for detecting credit card fraud and can help improve the security of financial transactions. کشف تقلب, کارت اعتباری, یادگیری ماشین, جنگل تصادفی, طبقه بندی داده ها Fraud detection, credit card, machine learning, random forest, data classification 35 47 http://jiis.iauh.ac.ir/browse.php?a_code=A-10-49-1&slc_lang=fa&sid=1 yasser elmisola یاسر علمی سولا yasser.elmi@gmail.com 1003194753284600165 1003194753284600165 No دانشگاه ازاد اسلامی akram sardarabadi اکرم سردارابادی aks13611a@gmail.com 1003194753284600166 1003194753284600166 Yes