روش های داده کاوی در شناسایی تقلب در کارت های اعتباری

سال انتشار: 1389
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 3,412

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICECC01_061

تاریخ نمایه سازی: 27 آذر 1390

چکیده مقاله:

با گسترش روز افزون دسترسی عموم افراد جامعه به اینترنت، بکارگیری تجارت الکترونیکی در داد و ستد های روزانه، نیز افزایش یافته است. از مهمترین ارکان تجارت الکترونیکی، سیستم های پرداخت الکترونیکی می باشد و تقلب در پرداخت های الکترونیکی یکی از مشکلات بزرگ است. برای نمونه زیان های تقلب در کارت های اعتباری هر سال افزایش می یابد و یکی از موضوعات مهم در شرکت های کارت اعتباری است. بنابراین شناسایی تقلب به یکی از مهمترین موضوعات پژوهشی تبدیل شده است. کاهش تقلب یک فرآیند پیچیده است که نیاز به دانش در بسیاری از زمینه های علمی دارد. بنابر نوع تقلبی که یک بانک یا موسسه کارت اعتباری با آن مواجه می شود، اقدامات مختلف ممکن است بکارگرفته شود. در این مقاله یافته های اخیر منتشر شده در شناسایی تقلب در کارت های اعتباری مقایسه و تحلیل شده اند. اهداف اصلی این مقاله عبارتند از، ابتدا شناخت انواع تقلب در کارت های اعتباری و سپس بررسی راهکار هایی که در شناسایی تقلب در کارت های اعتباری بکار گرفته شده اند

کلیدواژه ها:

تقلب در کارت های اعتباری ، شناسایی تقلب ، تکنیک های داده کاوی ، تجارت الکترونیکی ، سیستم هایپرداخت الکترونیکی

نویسندگان

نوید نصیری

دانشکده فنی و مهندسی، دانشگاه قم، ایران

بهروز مینایی

دانشکده فنی و مهندسی، دانشگاه قم

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • D. Simic, Reducing Fraud in Electronic Payment Systems, The 7th ...
  • Constanta, Romania, May 2005. ...
  • S. Panigrahi, A. Kundu, S. Sural, A.K. Majumdar, Credit Card ...
  • M. Pulina, A. Paba, A Discrete Choice Approach to Model ...
  • http :/mpra.ub _ uni-muenchen .de/200 19> ...
  • L. Delamaire, H. Abdou, J. Pointon, Credit Card Fraud and ...
  • R.J. Bolton, D.J. Hand, Statistical Fraud Detection: A Review, January ...
  • C. Phua, V. Lee, K. Smith, R. Gayler, 5. A ...
  • T. P. Bhatla, V. Prabhu, A. Dua, Understanding Credit Card ...
  • D. W. Abbott, I. Ph. Matkovsky, J. F. Elder IV, ...
  • R.J. Bolton, D.J. Hand, Unsupervised Profiling Methods for Fraud Detection. ...
  • Credit Card Fraud Protection, How to Protect Your Business and ...
  • Ph. K.Chan, S.J. Stolfo, Toward Scalable Learning with Non-uniform Class ...
  • V.Dheepa, R.Dhanapal, Analysis of Methods, ...
  • Intern ational Journal of Recent Trends in Engineering, Vol 2, ...
  • Abhinav Srivastava, Amlan Kundu, Shamik Sural, Arun K. Majumdar, Credit ...
  • P. J. Bentley, J. Kim, G. H. Jung, J. Uk ...
  • M. Ise, A. Niimi, O. Konishi, Feature Selection in large ...
  • C. Whitrow, D. J. Hand, P. Juszczak, D. Transaction ...
  • Aggregation _ a Strategy for Credit Card Fraud Detection, Springer ...
  • P.K. Chan, W. Fan, A.L. Prodromidis, S.J. Stolfo, Distributed Data ...
  • Monkol Lek, B. Anandarajah, N. Cerpa, R. Jamieson, Data Mining ...
  • European Conference On Information Systems, Bled, Slovenia, June 2001. ...
  • P. Juszczak, N. M. Adams, D. J. Hand, Ch. Whitrowa, ...
  • R. Kancherla, R. Venkata, A. Verma, Behavioral Fraud Mitigation through ...
  • Sh. M. Huang, D. C. Yen, L. W. Yang, J. ...
  • نمایش کامل مراجع