تحلیل رویکردهای مبتنی بر هوش مصنوعی درکشف تقلب مالی: فرصت ها و چالش ها

ظهور تقلب های مالی به عنوان یکی از تهدیدات مهم برای موسسات مالی، پژوهش های گسترده ای را در زمینه توسعه روش های پیشرفته کشف تقلب، با استفاده از هوش مصنوعی (AI) و یادگیری ماشین (ML) ، به دنبال داشته است. این مقاله مروری، رویکردهای مبتنی بر هوش مصنوعی، از جمله الگوریتم هایی مانند جنگل تصادفی، شبکه های عصبی عمیق و سایر مدل های ترکیبی را بررسی کرده و نقاط قوت آن ها، کارایی و دقت، توانایی تحلیل داده حجیم، و محدودیت های نظیر کیفیت پایین داده ها، عدم توازن داده ها و مسائل حریم خصوصی را تحلیل می کند. با وجود این پیشرفت ها، چالش هایی نظیر کیفیت و دسترسی به داده های واقعی، مقیاس پذیری و تطبیق با روش های نوظهور تقلب، انتخاب ویژگی های مرتبط، مسائل اخلاقی و حفظ حریم خصوصی، پیچیدگی و حجم بالای تراکنش ها، همچنان به عنوان موانع اصلی در توسعه سیستم های هوشمند کشف تقلب مطرح هستند. این مقاله مروری با هدف بررسی جامع رویکردهای مبتنی بر هوش مصنوعی و یادگیری ماشین در کشف تقلب مالی، نقاط قوت، محدودیت ها و چالش های پیش رو را تحلیل کرده و پیشنهاداتی برای جهت دهی تحقیقات آینده، از جمله توسعه سیستم های بلادرنگ و بهره گیری از یادگیری فدرال در این حوزه ارائه می دهد.

کلیدواژه ها:

تشخیص تقلب ، یادگیری ماشین ، هوش مصنوعی ، تقلب مالی