ارائه مدلی برای بهبود کشف ناهنجاری در تراکنش های کارت های بانکی مشتریان با تشخیص رانش مفهوم و رویکرد یادگیری ماشین

با افزایش تراکنش های بانکی، که عمدتا تراکنش های کارتی هستند و در بیشتر موارد از طریق کانال های اینترنتی انجام میشوند، تراکنش های ناهنجار و سوءاستفاده نیز افزایش یافته است. از آنجا که الگوی رفتاری تراکنشی هر شخص در طول زمان به دلایل مختلف دچار تغییرات میشود، مساله ای به نام رانش مفهوم شکل میگیرید که سبب کاهش دقت الگوریتم های یادگیری ماشین که برای کشف ناهنجاری به کار گرفته میشوند خواهد شد. استفاده از مشخصه های آماری رفتاری مشتریان در الگوریتم های هوشمند قادر به حل مشکل رانش مفهوم و ارتقای دقت الگوریتم نیست از این رو طول عمر مفید الگوریتم های هوشمندی که برای کشف ناهنجاری رفتاری ایجاد میشوند بسیار کوتاه خواهد بود . برای احل ین مشکل و بهبود شناسایی ناهنجاری ها و مدیریت رانش مفهوم، در این تحقیق از مدلی بر اساس پنجره کشویی در ۶ الگوریتم یادگیری ماشین بانظارت استفاده و کارایی و دقت آنها با هم مقایسه شده است. مجموعه داده استفاده شده در این مقاله مربوط به تراکنش های مشتریان یکی از بانک های ایران در یک دوره ۷ ماهه است .طبق نتایج به دست آمده بعد از اجرای مدل، در کشف ناهنجاری های کارت ها بهبود ایجاد شده است و الگوریتم جنگل تصادفی بیشترین دقت،F۱_Score وAUC_Score را نسبت به سایر الگوریتم ها نشان داده است

کلیدواژه ها:

ناهنجاری کارت بدهی ، رانش مفهوم ، تحلیل الگوی رفتاری تراکنش ، پنجره کشویی ، بهبود کشف تقلب ، یادگیری ماشین