کشف تقلب در دستگاه های ATM با استفاده از یادگیری ماشین

پژوهش حاضر بودند وارد مطالعه شدند. تکنیک هایی که با نتایج قابل قبولی جهت شناسائی تقلب همراه بودند شامل حافظه طولانی کوتاه مدت، رویکرد جدید برای تشخیص تقلب در تراکنش های کارت اعتباری خودکار با استفاده از برنامه های افزودنی مبتنی بر شبکه، مدل رفتار دارندگان کارت و تکنیک های طبقه بندی با استفاده از شبکه عصبی و بیزه ساده، یادگیری بدون نظارت، رویکرد حداقل ریسک بیزی، ماشین های محدود بولتزمن، الگوریتم یادگیری عمیق شبکه باور عمیق با استفاده از مهندسی ویژگی پیشرفته بر اساس تجزیه وتحلیل رفتار همگن، سیستم های ایمنی مصنوعی، الگوریتم جنگل تصادفی پویا، درخت تصمیم، یادگیری عمیق مبتنی بر خودرمزگذار، روش یادگیری تخاصمی و استفاده از طبقه بندی رگرسیون لجستیک، طبقه بندی جنگل تصادفی مبتنی بر درختان طبقه بندی و رگرسیون و روش یادگیری عمیق بود. پژوهش های آینده می تواند بر ارائه مدل های ترکیبی یادگیری عمیق جهت کشف تقلب، استفاده از الگوریتم های یادگیری عمیق جهت استخراج ویژگی تراکنش ها و ترکیب الگوریتم های فراابتکاری و الگوریتم های یادگیری عمیق جهت کشف تقلب باشد.

کلیدواژه ها:

خودپرداز ، تراکنش های الکترونیکی ، کشف تقلب ، یادگیری ماشین ، یادگیری عمیق