کشف تقلب در سامانه های پرداخت الکترونیک با استفاده از یادگیری عمیق
- سال انتشار: 1401
- محل انتشار: هشتمین همایش ملی مطالعات و تحقیقات نوین در حوزه علوم کامپیوتر، برق و مکانیک ایران
- کد COI اختصاصی: ICCONF08_038
- زبان مقاله: فارسی
- تعداد مشاهده: 316
نویسندگان
فارغ التحصیل کارشناسی ارشد رشته کامپیوتر گرایش هوش مصنوعی ، دانشگاه فردوسی ، مشهد ایران
چکیده
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 ها
تشخیص تقلب، شبکه عصبی، یادگیری عمیق، خودرمزگذارهامقالات مرتبط جدید
- ارائه یک مدل ریاضی برای زمانبندی کارگاه انعطاف پذیر با در نظر گرفتن تعرفه زمانی مصرف برق به منظور کاهش هزینه های انرژی
- مدیریت زنجیره تامین دایره ای و بررسی اثرات زیست محیطی آن با رویکرد پویایی شناسی سیستم ها
- زمان بندی مجدد بارانداز عبوری به علت تاخیر در رسیدن کامیون های ورودی با در نظر گرفتن امکان تخلیه بار یک کامیون در چند مرحله
- ACOkEL : Ant Colony Optimization for Selecting k-Labelsets for Multi-label Classification
- مسیریابی و جانمایی بهینه خودرو همراه با کمینه سازی هزینه لجستیکی در سیستم حمل و نقل بین شهری
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.