کاربرد شبکه های عصبی عمیق در تشخیص تقلب و جهت گیری های تحقیقاتی آینده

تشخیص تقلب در تراکنش های کارت اعتباری به دلیل پیچیدگی الگوهای تقلبی و نامتعادلی داده ها، نیازمند مدل های پیشرفته یادگیری عمیق است. این مقاله مروری بر کاربرد شبکه های عصبی عمیق (CNN، LSTM، RNN) در تشخیص تقلب با تمرکز بر مجموعه داده Creditcard ارائه می دهد و جهت گیری های تحقیقاتی آینده را بررسی می کند. هدف، تحلیل عملکرد مدل ها و شناسایی شکاف های تحقیقاتی برای هدایت مطالعات بعدی است. مرور نشان داد CNN با دقت ۹۹.۷۸% بهترین عملکرد را دارد، اما فراخوانی مدل ها به دلیل نامتعادلی داده ها محدود است. جهت گیری های آینده شامل مدل های ترکیبی، داده های چندوجهی، و تشخیص بلادرنگ هستند. پیشنهاد می شود تحقیقات روی مدل های سبک تر و روش های تقویت داده متمرکز شود.

کلیدواژه ها:

تشخیص تقلب ، کارت اعتباری ، یادگیری عمیق ، شبکه های عصبی ، جهت گیری های آینده