شناسایی تقلب در کارت های اعتباری با رویکرد یادگیری عمیق و تکنیک انتخاب ویژگی

  • سال انتشار: 1398
  • محل انتشار: سومین کنفرانس ملی فناوریهای نوین در مهندسی برق و کامپیوتر
  • کد COI اختصاصی: ICTI03_022
  • زبان مقاله: فارسی
  • تعداد مشاهده: 798
دانلود فایل این مقاله

نویسندگان

سینا دامی

استادیار گروه مهندسی کامپیوتردانشکده فنی و مهندسی، واحد تهران غرب، دانشگاه آزاد اسلامی، تهران، ایران

سپهر صدری شیرازی

دانشجوی کارشناسی ارشدIT دانشکده فنی و مهندسی، واحد تهران غرب، دانشگاه آزاد اسلامی، تهران، ایران

چکیده

تجارت الکترونیک به دلیل سرعت، کارایی، کاهش هزینه ها و سهولت دسترسی، مشتریان زیادی را به خود جذب کرده، به گونه ای که امروزه به عنوان یکی از رایج ترین کانال های خرید و فروش مطرح است. این رشد روز افزون زمینه ی مناسبی برای متقلبین فراهم ساخته و آن را به عنوان منبع درآمد فریبنده ای برای آنان مطرح ساخته است. لذا فراهم سازی زیرساختی مناسب، کارا و ایمن برای پرداخت های الکترونیکی از اهمیت ویژه ای برخوردار است که یکی از مولفه های کلیدی آن شناسایی تقلب است. تمرکز این مقاله نیز بر روش های شناسایی مبتنی بر رویکرد یادگیری عمیق و تکنیک انتخاب ویژگی است. برای این منظور از یک شبکه باور عمیق (DBN) برای انتخاب ویژگی های مهم مربوط به تراکنش کارتهای اعتباری استفاده شد. همچنین از یک شبکه عصبی کانولوشن (CNN) با لایه های عمیق جهت فرایند دسته بندی و شناسایی تقلب بهره گرفته شد. مدل پیشنهادی CNN در این مقاله، بسیار عمیق تر از مدل های قبلی در فرایند شناسایی تقلب بوده و برای اولین بار تحلیل عمق برای CNN در این وظیفه نشان داده شده است. نتایج ارزیابی بر روی مجموعه داده های واقعی نشان داد که روش پیشنهادی عملکرد قابل توجهی در افزایش معیار سنجش Fi داشته و قادر به ارائه شناسایی دقیق تری نسبت به روش های پایه می باشد. همچنین، آزمایش های مشابهی برای انواع پولینگ با اعماق مختلف لایه های کانولوشنی در فرایند شناسایی تقلب انجام گرفت. جدای از مزایای استفاده از DBN جهت انتخاب ویژگی های مهم، این نتیجه حاصل شد که با افزایش عمق لایه های کانولوشنی در هر دو حالت استفاده از DBN و بدون آن کارایی سیستم شناسایی تقلب بهبود چشم گیری حاصل می کند.

کلیدواژه ها

شناسایی تقلب، تقلب کارتهای اعتباری، انتخاب ویژگی، یادگیری عمیق، CNN DBN

مقالات مرتبط جدید

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.