راه حل نوین جهت کاهش خطای تشخیص تقلب بانکی مبتنی بر روش های فرا ابتکاری

تقلب و پول شویی یکی از چالش های اصلی در سیستم بانکداری می باشد که توسعه خدمات بانکی را با مشکل مواجه میکند. کلاهبرداری بانکی یا تراکنشهای مبتنی بر پول شویی الگوی بخصوصی دارد و بنابراین آنها را می توان از تراکنشهای قانونی تشخیص داد. در هرحال، یافتن این الگوها از راه روش های کشف داده ای از قبیل داده کاوی امکان پذیر است چرا که اکثر این الگوها مجهول بوده و روش های تشخیص الگو از قبیل شبکه عصبی مصنوعی برای کشف آنها نیاز است. تکنیک های داده کاوی از قبیل شبکه عصبی مصنوعی ابزارنسبتا خوبی برای کشف تقلب بانکی هستند اما اشتباه یاد گیری شبکه عصبی یا سایر روشهای داده کاوی می تواند به دلیل پیچیدگی تراکنشهای غیرقانونی حائز اهمیت باشد. بنابراین، یادگیری این فن داده کاوی باید از طریق روشهایی از قبیل آلگوریتم های ریاضیاتی تقویت شود. روش بهینه ای محاسباتی پارتیکل اسوارم در این مقاله به منظور بالا بردن عملکرد شبکه عصبی مصنوعی و تشخیص دقیق ترطرح تقلب استفاده گردید. دقت، حساسیت و تخصص در کشف کلاهبرداری بانکی به ترتیب ۹۰,۳۲%، ۸۸,۰۶%، و ۹۰,۱۲% بود.

کلیدواژه ها:

تقلب بانکی ، یادگیری ماشینی ، الگوریتم ریاضیاتی ، آلگوریتم بهینه سازی پارتیکل اسوارم ، تقلب صورت های مالی ، شبکه عصبی مصنوعی