آکادمی داده که به زودی پنجمین سال فعالیت خود را جشن می گیرد سالهاست به دنبال ایجاد محتوای مفید برای علاقه مندان علوم داده‌کاوی، متن کاوی و علوم مرتبط با علم داده، مدیریت دانش، هوش تجاری و مباحث مرتبط است. آکادمی داده امیدوار است با این اقدامات بتواند اثری هر چند اندک در افزایش آگاهی علاقه مندان به این حوزه ها داشته باشد. در این سری مقالات آکادمی داده تلاش دارد مقالات جالب، جدید، پر محتوا و اثرگزار را در علوم داده‌کاوی، متن کاوی، مدیریت دانش، هوش تجاری و مباحث مرتبط ارایه نماید. در این سری مقالات ابتدا مقدمه و سپس نتیجه گیری مقالات ارایه شده است و سپس فایل پی دی اف مقاله برای دانلود رایگان علاقه مندان توسط آکادمی داده تهیه شده و قابل دانلود است.
خلاصه
یکی از مهم ترین موانع برای استفاده از بانکداری الکترونیک، عدم امنیت تراکنش ها و بروز تقلب در مسیر انجام مبالات مالی است، با توجه به رشد روزافزون تقلب که باعث از دست دادن سرمایه های زیادی در سطح جهان و ایران شده و نظر به اینکه از یک سو روش های زیادی برای کشف تقلب ارائه شده است ولی روش های تقلب هم مدرن تر شده و در حوزه های مختلف در حال رشد هستند و از سوی دیگر حجم بالای داده و شباهت زیاد بین آنها باعث می شود طبقه بندی داده به متقلبانه و سالم کار بسیار دشواری باشد و نیز یکی از مشکلات در تشخیص تقلب، تنوع و تغییر مداوم شیوه های تقلب است و موفقیت در پیشگیری و یا تشخیص یک نوع تقلب باعث به وجود آمدن روشی دیگر می شود، بنابراین در این مقاله بر آن شد که روشی برای کشف تقلب در حوزه پرداخت با کارت های اعتباری ارائه شود و این حوزه تمرکز را بر روی تقلب هایی که از سوی پذیرنده صورت می گیرد قرار داده شد.در اين پژوهش برای شناسایی تقلب از روش ترکیبی یادگیری عمیق با شبکه های عصبی (ANN) به همراه متد خود رمز گذار به شناسایی ناهنجاری ها در مجموعه داده پرداخته شد که با دقت بالایی تراکنش ها به دو دسته متقلبانه و مجاز طبقه بندی شد.
نتیجه گیری
از آنجایی که تقلب مانع پیشرفت فناوری های نوین در سیستم های بانکی شده است و با توجه به رشد روزافزون تقلب که باعث از دست دادن سرمایه های زیادی در حوزه ی بانکداری الکترونیک شده و روش های تقلب در تراکنش های بانکی روز به روز افزایش یافته و تغییر می کنند، در این مقاله بر آن شد که روشی برای کشف تقلب در حوزه ی پرداخت با کارت های اعتباری ارائه شود و در این حوزه تمرکز بر روی تقلب هایی که از سوی پذیرنده صورت می گیرد قرار داده شد. در این پژوهش برای شناسایی تقلب از روش ترکیبی یادگیری عمیق با شبکه های عصبی (ANN) به همراه متد خود رمز گذار به شناسایی ناهنجاری ها در مجموعه داده پرداخته شد و داده های آموزش شامل دو دسته با ناظر و بدون ناظر بودند که با دقت بالایی تراکنش ها به دو دسته متقلبانه و مجاز طبقه بندی شدند، و با دقت بالای ۸۳ درصد موارد متقلبانه به درستی تشخیص داده شد و نیز با دقت تقریبا ۱۰۰ درصد موارد مجاز طبقه بندی و تشخیص داده شد.
این مقاله توسط آکادمی داده تهیه شده است و از طریق لینک قابل دسترسی است. محققین علاقه مند می توانند آن را به صورت رایگان دریافت نمایند.
اگر در حال پژوهش در حوزه داده کاوی هستید، سوالات و اشکالات خود را از طریق تلگرام با آکادمی داده در میان بگذارید. با عضو شدن در کانال تلگرام آکادمی داده از مقالات جدید و دیتاست های منتشر شده مطلع شوید.
مجموعه مقالات فارسی در مورد یادگیری عمیق که شامل 50 مقاله فارسی در مورد الگوریتم ها و روش های یادگیری عمیق است به صورت یکجا نیز از طریق لینک قابل دسترسی هستند.
اگر در زمینه داده کاوی در حال تحقیق یا پیاده سازی پروژه یا پایان نامه هستید برای گرفتن مشاوره یا دادن سفارش انجام با ما تماس بگیرید. آکادمی داده در تلگرام (https://t.me/dataacademy) حضور دارد برای ارتباط از طریق ایمیل آدرس جیمیل: dataacademyir@gmail.com می باشد.