تشخیص تقلب مبتنی بر داده در حمل و نقل بین المللی

اسناد تقلبی یک مشکل روبه رشد در حمل و نقل بین المللی است. اسناد حمل و نقل برای جلوگیری از محدودیت حمل و نقل یا عوارض گمرکی ممکن است عمدا دستکاری شوند. نمونه های مشهور چنین کلاهبرداری، سوء استفاده و قاچاق است. به منظور کاهش ریسک های کلاهبرداری در اسناد، شرکت های حمل و نقل و مقامات گمرکی معمولا بازرسی های تصادفی را برای بررسی مدارک همراه با محموله ها انجام می دهند. این مقاله بررسی می کند که آیا سیستم های هوشمند شناسایی تقلب می توانند با تجزیه و تحلیل مجموعه های بزرگی از داده های حمل و نقل تاریخی، تشخیص غلط و قاچاق را بهبود بخشند. به همین منظور مایک شبکه بیزی را به کار می بریم که وجود یک کالای خاص در لیست محموله را پیش بینی می کند. پیش بینی های شبکه بیزی با اسناد همراه یک محموله (از قبیل بارنامه) مقایسه می شود تا مشخص شود که آیا جعل اسناد مرتکب شده است یا خیر. همچنین نشان می دهیم که چگونه می توان مجموعه ای از مدل های تبعیض آمیز را از توپولوژی شبکه بیزی بدست آورد و همان کار شناسایی تقلب را انجام دهد. نتایج تجربی ما نشان می دهد که سیستم های هوشمند شناسایی تقلب در مقایسه با ممیزی های تصادفی می توانند به طور قابل توجهی تشخیص غلط و قاچاق را بهبود بخشند.

کلیدواژه ها:

حمل و نقل بین المللی ، تشخیص تقلب ، طبقه بندی اجتماعی ، شبکه های بیزی ، رگرسیون لجستیک و شبکه های عصبی