تشخیص تقلب درسیستم های پرداخت الکترونیکی بانکها با استفاده از داده کاوی

تشخیص تقلب درسیستم های پرداخت الکترونیکی بانکها با استفاده از داده کاوی

آکادمی داده

۱۳۹۷/۰۵/۱۷


  • 41 بازدید

در این سلسله مقالات به مفاهیم و کاربرد های داده‌کاوی، متن کاوی و علوم مرتبط با علم داده پرداخته می‌شود. با توجه به حجم عظیم مقالات تولید شده در زبان فارسی در حوزه داده کاوی و علم داده، آکادمی داده تصمیم گرفت مقالات فارسی منتشر شده در این حوزه را خلاصه برداری کرده و در اختیار علاقه مندان قرار دهد. این مقالات ابتدا با معرفی موضوع و کارهای انجام شده آغاز می شود و سپس مجموعه داده یا دیتاست تحقیق ارائه می شود و سپس پیاده سازی انجام شده در رپیدماینر، وکا یا پایتون ارائه شده و نتایج تحلیل می شود.

در این رشته نوشته ها ابتدا خلاصه ای از مقاله ارائه شده و سپس نتیجه گیری مقاله عینا آورده می گردد و سپس فایل پی دی اف آن نیز برای دانلود در اختیار محققین و پژوهشگران عزیز قرار می گیرد. 

 

از جمله الگوریتم های داده کاوی مورد استفاده برای کشف تقلب می توان به شبکه های عصبی، خوشه بندی، درختهای تصمیمگیری، گراف تحلیل روابط، تحلیل آماری، تجمیع موارد مشکوک و موتور استنتاج اشاره نمود. همانطور که گفته شد، یکی از روشهایی امیدوارکننده در مسأله تشخیص تقلب، روش شبکه عصبی مصنوعی است که در برخی از موارد توانایی بالقوه ی خوبی جهت تشخیص تقلب های مالی از خود نشان داده اند. اما نکته اساسی این است که، در مدل های شبکه عصبی مصنوعی، پیشداوری محقق در مورد ساختار مدل با توجه به فروض اولیه، به شبکه تحمیل می شود. حال آنکه در این بین مدل های شبکه عصبی مبتنی بر الگوریتم GMDH ، نوعی شبکه ی خودسامانده و یک سویه بوده و دیگر نیازی به تحمیل شرایط اولیه توسط محقق ندارد، که استفاده از این نوع شبکه عصبی به دلیل بیان شده به عنوان روش پیشنهادی در این پژوهش مطرح گردید. این پژوهش حاصل از نتایج که مدل شبکه نشان داد ی عصبی مصنوعی مبتنی بر الگوریتم GMDH ، عملکرد قابل توجهی در شناسایی تقلب داشته و قادر به ارائه تشخیص های دقیقتری نسبت به مدل های پایه خود ( مدلهای به کار گرفته شده در این پژوهش ) می باشد.

 

این مقاله از طریق لینک قابل دسترسی است و محققین علاقه مند می توانند آن را به صورت رایگان دریافت نمایند. 

اگر به دنبال مجموعه مقالات فارسی در موضوعات مختلف هستید به لینک مراجعه بفرمایید. در این لینک مجموعه مقالات فارسی در حوزه های مختلف داده کاوی و متن کاوی ارائه شده است.

کپی برداری بدون ذکر منبع، بر اساس قانون جرائم اینترنتی و مادۀ 12 فصل سوم قانون جرائم رایانه ای غیر قانونی بوده و مجازات جزای نقدی و حبس دارد و شرعا نیز حرام است! 
اگر در زمینه داده کاوی در حال تحقیق یا پیاده سازی پروژه تجاری یا پایان نامه هستید برای گرفتن مشاوره یا دادن سفارش انجام با ما تماس بگیرید.  آکادمی داده در تلگرام، واتزآپ و تمامی پیام رسان های ایرانی(سروش، آی گپ، بله و ویسپی) با شماره 09120637751 حضور دارد برای ارتباط از طریق ایمیل آدرس جیمیل: dataacademyir@gmail.com می باشد. 


افتخار آکادمی داده، همسفر بودن با شما در راه یادگیری علم داده است.