حمید محمدی والا - دانشجوی کارشناسی ارشد، دانشگاه پیام نور مرکز بین الملل قشم-
اکبر فرهودی نژاد - استادیار دانشگاه پیام نور

امروزه، با پیشرفت تکنولوژی و پیچیده تر شدن فرآیندهای کسب و کار، روش های انجام و در نتیجه شناسایی کلاهبرداری ها نیز به مراتب پیچیده تر شده اند. در سال های گذشته ثابت شده است که ابزارهای داده کاوی از کارایی قابل توجهی در حوزه ی کشف تقلب برخوردارند. در تحقیقات گذشته از روش های داده کاوی به منظور کشف تقلب در بانکداری استفاده شده است. در این تحقیق به تشخیص رفتارهای مشکوک مشتریان بانک بر اساس روش های داده کاوی پرداخته شد. به این ترتیب که مدل حاضر ترکیبی از روش خوشه بندی و دسته بندی می باشد. در ابتدا با استفاده از الگوریتم Two Step تراکنش های مشتریان برچسب گذاری شده و سپس با استفاده از آنها به دسته بندی تراکنش ها و تشخیص رفتارهای مشکوک با استفاده از شبکه عصبی RBF پرداخته شده است. نتایج تحقیق نشان می دهد که مدل پیشنهادی قادر است 85 درصد از تراکنش های مشکوک را به درستی تشخیص دهد که دقت بالایی در شناسایی تراکنش های مشکوک محسوب می شود.

بانکداری، تقلب، داده کاوی، الگوریتم Two Step، شبکه عصبی RBF