شناسایی ناهنجاری های رفتاری درگاه پرداخت الکترونیک در صنعت بانک داری با رویکرد داده کاوی

با استفاده گسترده از دروازه های پرداخت اینترنتی (IPG)، احتمال استفاده از آن ها برای اهداف قمار افزایش یافته است و این موضوع تبدیل به یکی از اصلی ترین نگرانی های ارائه دهندگان خدمات پرداخت شده است. چالش های زیادی در کشف دروازه های پرداخت اینترنتی قمار وجود دارد که مهم ترین آن ها کمبود کارهای قبلی منتشرشده، تعداد محدود مجموعه داده های معیار و عدم توانایی در ارزیابی دقیق نتایج نهایی است. در این پژوهش، ابتدا ۱۸ ویژگی آموزنده را معرفی می کنیم، سپس توزیع گوسی حاکم بر هر ویژگی را با توجه به نمونه های بذر به دست می آوریم. سرانجام، برای هر IPG جدید و همه ۱۸ ویژگی، خصوصیات تطبیق IPG جدید را با توزیع های گوسی محاسبه می کنیم و یک امتیاز قمار برای آن IPG محاسبه می کنیم. نتایج ارزیابی شده توسط کارشناسان داده، نشانگر دقت بالای روش ما است.

کلیدواژه ها:

قمار ، یادگیری نیمه نظارتی ، اندازه گیری شباهت ، ارائه دهندگان خدمات پرداخت