کشف تقلب در سامانه های پرداخت الکترونیک با استفاده از یادگیری عمیق

یکی از مهم ترین موانع برای استفاده از بانکداری الکترونیک عدم امنیت تراکنش ها و بروز تقلب در مسیر انجام مبالات مالیاست. با توجه به رشد روزافزون نقلب که باعث از دست دادن سرمایه های زیادی در سطح جهان و ایران شده و نظر به اینکهاز یک سو روش های زیادی برای کشف تقلب ارائه شده است ولی روش های تقلب هم مدرن تر شده و در حوزه های مختلفدر حال رشد هستند و از سوی دیگر حجم بالای داده و شباهت زیاد بین آن ها باعث می شود طبقه بندی داده به متقلبانه وسالم کار بسیار دشواری باشد و نیز یکی از مشکلات در تشخیص تقلب. تنوع و تغییر مداوم شیوه های تقلب است و موفقیتدر پیشگیری و یا تشخیص یک نوع تقلب باعث به وجود آمدن روشی دیگر می شود. بنابراین در این پژوهش بر آن شد کهروشی برای کشف تقلب در حوزه پرداخت با حضور کارت های اعتباری ارائه شود و در این حوزه تمرکز را بر روی تقلب هاییکه از سوی پذیرنده کارت و با استفاده از دستگاه POS صورت می گیرد قرار داده شد. در این پژوهش برای شناسایی تقلباز روش ترکیبی یادگیری عمیق با شبکه های عصبی (ANN) به همراه متد خودرمزنگار به شناسایی ناهنجاری ها درمجموعه داده پرداخته شد که با دقت بالایی تراکنش ها به دو دسته متقلبانه و مجاز طبقه بندی شد. برای آموزش و طبقهبندی داده ها و کاهش اندازه داده از متد خودرمزنگار استفاده شد که دو روش با حضور ناظر و بدون حضور ناظر بررسی شد وپس از ساخت مدل و پردازش آن با دقتی بالغ بر ۸۳% موارد تقلب و تقریبا ۱۰۰% موارد غیر تقلب شناسایی شد.

کلیدواژه های کشف تقلب در سامانه های پرداخت الکترونیک با استفاده از یادگیری عمیق:

تشخیص تقلب ، شبکه عصبی ، یادگیری عمیق ، خودرمزگذارها