بررسی و ارزیابی روش ها و تکنیک های هوشمند تشخیص تقلب در تراکنش های مالی و بانکی

تقلب ها در سیستم بانکی منجر به دستیابی غیرقانونی به اطلاعات و سوء استفاده از آنها می گردد، اعتماد مشتریان بانک ها وموسسات مالی را کاهش داده و ضررهای جبران ناپذیری به آنها وارد مینماید. باتوجه به نبود سازوکاری برای تشخیص تقلبدر کارتهای سیستم بانکی، مسئله اصلی این پژوهش ارائه مدلی برای تشخیص تقلب در کارتهای بانکی، هنگام تراکنش یا بافاصله کوتاهی بعد از آن می باشد. شکاف تحقیقاتی، عدم وجود یک روش یکپارچه است که ضمن پردازش تراکنش ها و مقداردهیمتغیرهای نامتعادل، وزن مناسب برای هر متغیر را تعیین نموده و قادر به تشخیص تراکنش های واقعی از غیر واقعی همزمانباشد. همچنین وجود اطلاعات حجیم و غیرساختاریافته بانکی از دیگر چالش های موجود است که پردازش اطلاعات را دشوارمی سازد. لذا در پژوهش حاضر، قصد داریم با ارائه یک راهکار مناسب بر چالش های موجود غلبه نماییم. در این تحقیق به بررسیتکنیک های هوشمند مبتنی بر داده کاوی و یادگیری ماشین برای تشخیص تقلب در تراکنش های بانکی از جمله: ماشین بردارپشتیبان، شبکه عصبی، یادگیری عمیق و جنگل تصادفی پرداخته شده است و معایب و مزایای هر کدام از روشها مورد بررسیقرار گرفته اند. براساس تحلیل نتایج روش های موجود، یک روش کارآمد برای شناسایی تقلب در تراکنش های بانکی، از جایگذاریویژگی های بدون مقدار و الگوریتم تجمیعی جنگل تصادفی برای برطرف نمودن چالش های موجود در شناسایی تقلب استفادهمی کند. این الگوریتم از روش های موثر داده کاوی برای کاوش و استخراج اطلاعات ارزشمند در داده های بانکی ناهمگن و نامتعادلمحسوب میشود. نتایج حاکی از آن است که روش های داده کاوی در این مساله، توانایی مطلوبی از خود نشان داده اند اما هیچیک از روشهای موجود قادر نبودند تا تمامی معیارهای ارزیابی را بهبود ببخشند و در تحلیل دادهای نامتقارن نیز با مشکلمواجه بودند. بنابراین به منظور رفع آنها، روش پیشنهادی براساس جایگذاری ویژگی های بدون مقدار و جنگل تصادفی ارائهشده است.