تشخیص تقلب مالی با استفاده از یادگیری عمیق و الگوریتم های شناسایی الگو در داده های حسابرسی

سال انتشار: 1404
محل انتشار: اولین همایش ملی اخلاق حرفه ای و مسئولیت پذیری اجتماعی در مدیریت و علوم مالی با رویکرد اسلامی
کد COI اختصاصی: MFAEC01_262
زبان مقاله: فارسی
تعداد مشاهده: 79

نویسندگان

دانشجوی دکترای حسابداری، دانشگاه آزاد اسلامی، ارومیه، ایران

استادیار گروه حسابداری واحد مرند، دانشگاه آزاد اسلامی، ارومیه، ایران

چکیده

در سال های اخیر، گسترش ابزارهای بانکی الکترونیک و افزایش حجم تراکنش های دیجیتال، بستر وقوع تقلب های مالی را گسترده تر کرده است. این پژوهش با هدف طراحی و ارزیابی یک چارچوب هوشمند برای تشخیص تقلب در تراکنش های بانکی ایران، با استفاده از الگوریتم های یادگیری عمیق انجام شده است. داده های واقعی شامل ۲۵۰۰ رکورد تراکنش (۱۲۵۰ تقلبی و ۱۲۵۰ عادی) از درگاه های POS، اینترنت بانک و موبایل بانک، مبنای تحلیل قرار گرفتند. شاخص های کلیدی شامل مبلغ تراکنش، فاصله زمانی تا تراکنش قبلی و تعداد تلاش های ناموفق به عنوان متغیرهای رفتاری کلیدی در مدل لحاظ شدند. مدل ترکیبی شبکه عصبی عمیق (DNN) و شبکه عصبی گرافی (GNN) با نمونه سازی هوشمند SMOTE بهترین عملکرد را نشان داد؛ به طوری که دقت کلی مدل ۹۷.۲٪، حساسیت ۹۵.۸٪، و AUC برابر با ۰.۹۸۳ به دست آمد. تحلیل نمودار ROC و استفاده از روش SHAP برای توضیح پذیری مدل نیز نشان دادند که مدل قادر است به صورت شفاف و قابل اعتماد الگوهای تقلب را تشخیص دهد. یافته های این پژوهش بیانگر اثربخشی مدل های یادگیری عمیق در محیط بانکی ایران و ضرورت استفاده از آن ها در سامانه های هشدار بلادرنگ برای کاهش ریسک عملیاتی و مالی ناشی از تقلب است.

کلیدواژه ها

تقلب مالی, تراکنش بانکی, یادگیری عمیق, شبکه عصبی گرافی, SHAP, تحلیل رفتاری, کشف تقلب در ایران

مقالات مرتبط جدید

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.