ساناز کاشانی - دانشجوی کارشناسی ارشد علوم کامپیوتر دانشگاه سیستان و بلوچستان
مهری مهرجو - عضو هیات علمی دانشگاه سیستان و بلوچستان
مهدی زراعتگری - دانشجوی کارشناسی ارشد علوم کامپیوتر دانشگاه سیستان و بلوچستان

موسسات مالی و پولی به دنبال تسریع در شناخت فعالیت های کلاهبرداران و متقلبان می باشند. علت این امر اثر مسقیم آن رویخدمت رسانی به مشتریان این موسسات، کاهش هزینه های عملیاتی و باقی ماندن به عنوان یک ارائه دهنده خدمات مالی معتبر وقابل اطمینان میباشد. از طرفی در سالهای اخیر با گسترش فناوری اطلاعات و ارتباطات، بانکداری الکترونیک رواج زیادی پیدا کردهاست. در این بین به کارگیری تکنیک های شناسایی تقلب به منظور جلوگیری از اقدامات متقلبانه در سیستم های بانکداری به خصوصسیستم های بانکداری الکترونیک، امری اجتناب ناپذیر است. در این تحقیق، روش های داده کاوی به منظور تشخیص تقلب در بانکداریالکترونیک بررسی می گردد. بدین منظور از یک روش ترکیبی شامل خوشه بندی به منظور تفکیک مشتریان و رده بندی به منظور ساخت مدلی جهت کشف تقلب استفاده می شود. در مرحله خوشه بندی از روش های K میانگین، کوهنن و روش دو مرحله ای و در مرحله رده بندی از روش های تکی رده بندی شامل درخت تصمیم ،شبکه عصبی و ماشین بردار پشتیبان و همچنین روش های جمعی رده بندی مانند بگینگ، بوستینگ استفاده خواهد شد. در نهایت، نتایج بدست آمده نشان می دهد در مرحله خوشه بندی روش K میانگین خوشه بندی بهتری را انجام می دهد و مدل بگینگ شبکه های عصبی در پیشبینی رده های موجود در مجموعه داده نسبت به سایر مدلها دقت بهتری دارد.

بانکداری الکترونیک، داده کاوی، خوشه بندی، رده بندی، درخت تصمیم، شبکه عصبی، ماشین بردار پشتیبان