تشخیص تقلب در تراکنش های کارت اعتباری با استفاده از شبکه عصبی کانولوشنی

تشخیص تقلب در تراکنش های کارت اعتباری به دلیل افزایش جرایم سایبری و نامتعادلی داده ها به چالشی مهم تبدیل شده است. این پژوهش یک مدل شبکه عصبی کانولوشنی (CNN) برای تشخیص تقلب با استفاده از مجموعه داده Creditcard.csv ارائه می دهد. هدف پژوهش، بهبود دقت تشخیص با بهره گیری از توانایی CNN در استخراج ویژگی های مکانی است. روش تحقیق شامل پیش پردازش داده ها (نرمال سازی و حذف نویز)، طراحی مدل CNN با دو لایه کانولوشنی (۳۲ و ۶۴ فیلتر)، لایه Dropout، و تابع فعال سازی ReLU، و ارزیابی با معیارهای دقت، صحت، فراخوانی، و امتیاز F۱ است. یافته ها نشان می دهد مدل پیشنهادی به دقت ۹۹.۹۳%، صحت ۸۰.۸۵%، فراخوانی ۷۷.۰۳%، و امتیاز F۱ برابر با ۷۸.۸۹% دست یافته است. نتایج حاکی از کارایی بالای CNN در مقایسه با روش های سنتی است. این مطالعه پیشنهاد می کند ترکیب CNN با داده های چندوجهی می تواند عملکرد را بهبود بخشد.

کلیدواژه ها:

تشخیص تقلب ، کارت اعتباری ، شبکه عصبی کانولوشنی ، یادگیری عمیق