نظارت بلادرنگ (زمان-واقعی ) بر کلاهبرداری و تقلب در معاملات آنلاین با استفاده از یادگیری ماشین و پردازش جریانی
- سال انتشار: 1403
- محل انتشار: بیست و سومین کنفرانس بین المللی فناوری اطلاعات، کامپیوتر و مخابرات
- کد COI اختصاصی: ITCT23_014
- زبان مقاله: فارسی
- تعداد مشاهده: 161
نویسندگان
مهندسی کامپیوتر، مرکز آموزش عالی پلدختر، دانشگاه لرستان، لرستان، ایران
استاد راهنما، دکترای کامپیوتر نرم افزار ، اصفهان، ایران
استاد مشاور، ارشد کامپیوتر نرم افزار ، دورود، لرستان، ایرا ن
چکیده
کلاهبرداری آنلاین یک نگرانی برا ی مشاغل و مصرف کنندگان است . برای مقابله با این مشکل ، محققان روی ایجاد روشهای تشخیص تقلب کار کرده اند که یادگیری ماشین و پردازش جریانی را ترکیب می کند . این روش ها در نظارت به موقع تقلب موفق بوده اند که به شناسایی و جلوگیری از فعالیت ها به سرعت کمک می کند. این مقاله یک نمای کلی از اینکه چرا تشخیص تقلب در تراکنش ها بسیار مهم است ارائه می دهد و بر این نکته تاکید می کند که چگونه طبقه بندی کنندههای یادگیری ماشین نقش حیاتی در شناسایی دقیق و جلوگیری از تقلب دارند. همچنین در مورد موانع مرتبط با نظارت بلادرنگ در تشخیص تقلب صحبت می کند، مانند مد یریت حجم دادهها با سرعت در برخورد با دادههای متنوع و پیچیده، مسائل مقیاسپذیری ، تصمیم گیری سریع ، مدیریت در زمان واقعی دادههای نامتعادل، تطبیق مدلها با شرایط متغیر و به حداقل رساندن نکات مثبت و منفی کاذب. و رسیدگی به نگرانی های مربوط به حریم خصوصی . این مقاله یافته ها و بینش ها ی حاصل از مطالعات را مورد بحث قرار می دهد که بر اهمیت مهندسی ویژگ ی ، انتخاب مدل، پردازش دادهها در زمان واقعی و تشخیص ناهنجاری ها در افزایش دقت مدلهای تشخیص تقلب تاک ید می کند. همچنین به انواع کلاهبرداری مانند کلاهبرداری کارت اعتباری ، تقلب در پرداخت آنلاین ، کلاهبرداری تبلیغات آنلاین ، کلاهبرداری در تجارت الکترونیک ، تقلب در تشخیص ناهنجاری و کلاهبرداری در شبکه های اجتماعی می پردازد. علاوه بر این ، این مقاله به بررسی مزایای نظارت بر تقلب در زمان می پردازد. در مورد توانایی انجام اقدامات پس از شناسا یی به حداقل رساندن ضرر و زیان ایجاد اعتماد، با مشتریان و جلوگیری فعالانه از کلاهبرداری بحث می کند. این مقاله بر استفاده از روشهای یادگیری ماشین و پردازش جریانی برای رسیدگی به مشکلات مرتبط با کشف تقلب در زمان تاکید دارد. به طور کلی درک نظارت بر تقلب در تراکنش ها را ارائه می دهد و راهنمایی ها و چارچوب های ارزشمندی را برای پیاده سازی سیستم های تشخیص تقلب کارآمد با استفاده از تکنیک های یادگیری ماشین و پردازش جریانی ارائه می دهد.کلیدواژه ها
نظارت بلادرنگ بر کلاهبرداری ، معاملات آنلاین ، یادگیری ماشین ، پردازش جریانی (موازی )، تشخیص کلاهبرداری (تقلب )مقالات مرتبط جدید
- بررسی عددی تاثیر لایه مرزی بر عملکرد انتقال حرارت و افت فشار در مبدل های حرارتی
- Quantitative Insights into G Protein Signaling: A Review of Recent SPR Methodologies and Discoveries
- استفاده از دو الگوریتم رمزنگاری AES و DES در راستای افزایش امنیت اطلاعات در شبکه های حسگر بیسیم
- پیشنهاد الگوریتم های بهینه سازی برای طراحی گراف های پیچیده با استفاده از شبکه های مولد (GAN)
- طراحی و ارزیابی مدل های تحلیلی برای تسریع فرایند های تصمیم گیری در تحلیل داده های بزرگ به کمک تکنیک یادگیری ماشین
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.