تسهیم گزاری تشخیص تقلب در کارت های بانکی براساس پردازش تصویر با استفاده از الگوریتم های حوزه یادگیری ماشین

بخش بانکی در آستانه یک تحول جدی است و محور پشت آن هوش مصنوعی (AI) است. اپلیکیشن های جدید هوش مصنوعی قبلا برای مقابله با چالش ها در زمینه های امتیازدهی اعتبار، ارزیابی ریسک، تجربه مشتری و مدیریت پورتفولیو پیشنهادشده اند. یکی از بحرانی ترین چالش ها در بخش فوق، کشف تقلب در جریان معاملات است. اخیرا مدل های یادگیری عمیق برای مقابله با مشکل خاص از نظر شناسایی و پیش بینی رویدادهای تقلبی احتمالی معرفی شده اند. هدف تخمین توزیع ناشناخته تراکنش های عادی/متقلبانه و سپس شناسایی انحرافاتی است که ممکن است نشان دهنده یک تقلب بالقوه باشد. در این مقاله، یک مدل یادگیری عمیق چند مرحله ای جدید را توضیح می دهیم که هدف آن مدیریت موثر جریان های ورودی تراکنش ها و شناسایی موارد تقلبی است. ما استفاده از دو رمزگذار خودکار را برای انجام انتخاب ویژگی و یادگیری نمایش فضای داده نهفته بر اساس یک مدل بهینه سازی غیرخطی پیشنهاد می کنیم. در ویژگی های قابل توجه ارائه شده، ما متعاقبا از یک شبکه عصبی پیچیده عمیق برای شناسایی تقلب ها استفاده می کنیم، بنابراین دو بلوک پردازشی مختلف را با هم ترکیب می کنیم. هدف ترکیب اتخاذ شده شناسایی تقلب ها در مورد نمایش داده های پنهان آشکار است و نه بر روی داده های اولیه.

کلیدواژه ها:

تقلب ، یادگیری ماشین ، کارت بانکی ، بهینه سازی.