ارائه يك مدل تركيبي از تكنيك هاي داده كاوي براي تشخيص تقلب كارت هاي اعتباري با رويكرد حساس به هزينه

كارشناسي ارشد

در سال هاي اخير با توجه به پيشرفت سريع تجارت الكترونيكي، استفاده از كارت هاي اعتباري به طور چشمگيري افزايش يافته است. متاسفانه استفاده متقلبانه از كارت هاي اعتباري نيز تبديل به يك منبع درآمد جذاب براي متقلبان شده و بانك ها و ديگر موسسات مالي صادركننده كارت اعتباري را با چالش هايي مواجه مي كند. بنابراين بكارگيري روش هاي تشخيص تقلب در اين زمينه از اهميت بالايي برخوردار مي باشد. از طرفي با توجه به گسترش شبكه هاي الكترونيكي و افزايش تراكنش ها، بررسي داده ها توسط انسان بسيار مشكل شده است. روش هاي داده كاوي با استفاده از شناخت دانش موجود در الگوهاي رفتاري كاربران و مشتريان، اين امر را تا حدودي آسان مي سازند. تكنيك هاي داده كاوي متعددي در زمينه تشخيص تقلب قابل استفاده مي باشد كه از ديدگاه نوع يادگيري در قالب دو گروه كلي بانظارت (دسته بندي) و بدون نظارت (خوشه بندي) قرار مي گيرد. با توجه به بررسي مطالعات پيشين، در اين تحقيق تركيبي از هر دو روش در مدل تشخيص تقلب بكار گرفته شده است. مدل تركيبي علاوه بر بكارگيري مزيت هاي هر دو روش، امكان سطح بندي روش ها به هنگام توسعه مدل را نيز فراهم مي كند. مسئله ديگر در زمينه كشف تقلب كارت اعتباري، هزينه هاي ناشي از تشخيص نادرست نوع كلاس تراكنش ها (عادي و مشكوك به تقلب) مي باشد. از اين رو در اين تحقيق يك معيار حساس به هزينه كارامد كه بتواند ميزان كارايي مدل تشخيص تقلب را از نظر هزينه تشخيص-هاي نادرست ارزيابي نمايد، ارائه مي شود. مراحل داده كاوي در اين پژوهش مطابق فرايند استاندارد CRISP-DM دنبال شد. در گام مدلسازي، مدل تركيبي پيشنهادي روي 19806 تراكنش از كارت هاي چندين بانك ايراني اجرا شد. مدلسازي شامل سه مرحله مي شود كه مراحل اول و دوم بر مبناي يادگيري بدون نظارت بوده و مرحله آخر از يادگيري بانظارت استفاده مي كند. در مرحله اول مدل، پس از خوشه بندي دارندگان كارت ها با روش هاي كوهونن، دو مرحله اي و k- ميانگين، روش كوهونن با تعداد بهينه 10 خوشه و شاخص نيمرخ 0/6 به عنوان روش خوشه بندي برتر در نظر گرفته شد. سپس در مرحله دوم، روش تحليل گروه همتا براي تعيين برچسب داده ها روي تراكنش هاي هر خوشه حاصل از روش كوهونن اجرا شد و در مجموع 329 تراكنش از كل مجموعه داده برچسب مشكوك را به خود تخصيص داد. در نهايت مجموعه داده داراي برچسب براي آموزش و آزمون روش هاي دسته بندي شبكه عصبي، شبكه بيزين، درخت تصميم، جنگل تصادفي و ماشين بردار پشتيبان مورد استفاده قرار گرفت. از ميان روش هاي دسته بندي، جنگل تصادفي با دقت 99/93 درصد و نرخ موفقيت در هزينه 99/89 درصد در مقايسه با ساير روش ها به بالاترين عملكرد دست يافت و به عنوان دسته بندي كننده برتر در نظر گرفته شد.

193808

دانشگاه علم و صنعت ايران

دكتر اصغر ابوالحسني

فناوري اطلاعات - تجارت الكترونيكي

دكتر عليرضا علي احمدي