توسعه الگوريتم يادگيري جمعي براي كشف تقلب در كارتهاي اعتباري

كارشناسي ارشد

سالانه به دليل وجود تراكنش‌هاي متقلبانه‌اي كه به‌وسيله كارت‌هاي اعتباري انجام مي‌شود ميلياردها دلار از دست مي‌رود. طراحي يك الگوريتم و روش كشف تقلب مؤثر كليد حل اين بحران و ضررهاي مالي مي‌باشد. كارت اعتباري كه بر بستر تجارت الكترونيكي كار مي‌كند به دليل بالا بردن سرعت انجام كار و سهولت و كارايي بسيار رايج و پركاربرد مي‌باشد. كارت اعتباري هم توسط كاربران قانوني و هم توسط متقلبان استفاده مي‌شود. متقلبان از روش‌هاي نوين و مختلفي براي نفوذ و تهديد سيستم‌هاي مربوط به تجارت الكترونيكي استفاده مي‌كنند، اين تهديدات از طرف اين گروه‌ها باعث شده است تا سيستم‌هاي كشف تقلب ساخته شوند. سيستم‌هاي كشف تقلب با تحليل داده‌هاي مربوط به تراكنش‌هاي كاربران مي‌توانند رفتارها و فعاليت‌هاي فريبكارانه را افشا كنند و تقلب را در حوزه‌هاي مختلف تجارت الكترونيكي كشف كنند. در اين تحقيق با استفاده از توسعه روشي بر مبناي روش‌هاي داده‌كاوي به دنبال كشف تقلب در تراكنش‌هاي كارت اعتباري هستيم. روش‌هاي كشف تقلب مشكلات و نقص‌هايي دارند كه باعث مي‌شود هر روش به‌تنهايي نتواند تصميم درستي درباره سالم بودن يا تقلب بودن يك تراكنش بگيرد. اين مشكلات مانند نامتوازن بودن پايگاه داده، وجود ويژگي‌هاي نامرتبط، تعداد هشدار‌هاي غلط بالا و استفاده از يك الگوريتم تحليل داده يكسان درروش كشف مي‌باشند. درروش ارائه‌شده در اين تحقيق با استفاده از روش يادگيري جمعي راجع به يك تراكنش تصميم‌گيري مي‌شود. اين كار باعث بالا رفتن دقت و صحت نتايج و هم‌افزايي الگوريتم‌هاي تحليل داده در ارائه نتيجه مطلوب‌تر مي‌شود. الگوريتم يادگيري جمعي توسعه داده‌شده در اين پژوهش براي كشف تقلب در داده‌هاي كارت اعتباري كه مربوط به تراكنش‌هاي دو روز يك بانك اروپايي مي‌باشند استفاده شده است. اين الگوريتم در مقايسه با روش‌هاي قبلي منجر به رسيدن به‌دقت 100٪، صحت 99٪ و تماميت 97.5٪ در كشف تلقب شد.

190934

دانشگاه علم و صنعت ايران

دكتر بابك اميري

مهندسي فناوري اطلاعات - تجارت الكترونيكي

دكتر محمد فتحيان