مریم اسدی - کارشناس ارشد مدیریت فناوری اطلاعات
الهام مجد - استاد گروه مدیریت

با توجه به گسترش تجارت الکترونیک و بانکداری الکترونیک مهم ترین چالش، مسائل امنیتی درپردازش-های الکترونیکی و نیز کشف تقلب در این سیستم می باشد. در این شرایط ضروریست از علم داده برای حلاین مشکل بهره گرفت و داده کاوی، پاسخی مناسب برای استخراج این دارایی است. داده کاوی با ترکیب علمآمار، ریاضی، منطق، هوش مصنوعی به کشف الگوهای پنهان و روابط بین دادهها می پردازد. با توجه به اینکهکه عملیات مدیریت تقلب در دو فاز جداگانه شناسایی و مدیریت قابل اجرا میشود، در این مقاله یک چارچوبترکیبی جدید برای شناسایی و تشخیص تقلب ارائه گردیده و در انتها نیز با استفاده از نتایج حاصل،راهکارهایی برای اخطار، جلوگیری و پیشگیری از حالت های مشکوک شناسایی شده پیشنهاد شده است. نتایجحاصل نشانگر آن است که استفاده از این چارچوب میتواند در ارائه ی راهکار مناسب در مواقع مشکوک یا پرخطر کمک فراوانی داشته باشد. در این پژوهش کلیه ی تراکنش های یک سال اخیر مشتریان بانک موردمطالعه قرار داده شده است. داده ها دارای ویژگی های زیر می باشند: واریز یا برداشت از حساب، مقدارتراکنش، شماره مشتری، تراکنش اتفاق افتاده جعلی است یا خیر، تاریخ تراکنش. در ادامه با ارائه یک روشپیشنهادی که شامل ترکیبی از الگوریتم کای نزدیک ترین همسایه و شبکه های عصبی که یکی ازپرکاربردترین الگوریتم های تشخیص تقلب در داده کاوی می باشد به تشخیص بهینه تقلب در سیتم بانکداریالکترونیک پرداخته ایم تا میزان قابلبیت اطمینان و درصد صحت تشخیص الگوریتم پیشنهادی که یکی ازروش های یادگیری با ناظر می باشد، محاسبه گردد. نتایج حاصل از بهینه سازی الگوریتم ترکیبی بیانگر دقتپیش بینی ۱۰۰ درصد را نشان می دهد که نسبت به تحقیقات مشابه از دقت مناسبی برخوردار می باشد.

داده کاوی، تقلب، شبکه های عصبی، تراکنش های سالم، تراکنش های متقلبانه