تحلیل راهکارهای کشف تقلب با استفاده از یادگیری ماشین (رویکرد علم طراحی)

هدف پژوهش حاضر شناسایی مسائل و محدودیت های روشهای کشف تقلب در تراکنش های بانکی با استفاده از الگوریتم های یادگیری ماشین و ارائه راه حل در این زمینه است. برای این منظور تحقیق کیفی صورت پذیرفته و با مرور تحقیقات پیشین ابتدا مسائل اصلی شناسایی و سپس با بهره گیری از روش علم طراحی به ارائه راه حل پرداخته شده است. مسائل اصلی شناسایی شده از پژوهش های پیشین شامل محدودیت داده، کیفیت داده های برچسب گذاری شده، کشف الگوهای جدید تقلب، تعصب مدل، هزینه ها و مسئولیت ناشی از پیش بینی اشتباه در روند کشف تقلب بوده است. مدل پیشنهادی تحقیق نیز با بهره گیری از نتایج مطالعات پیشین و نظر خبرگان این حوزه طراحی گردیده که بکارگیری هر دو نوع الگوریتم باناظر و بدون ناظر در فرایند ثبت تراکنش، برچسب گذاری داده ها بر اساس الگوهای کشف شده، اخذ تاییدیه مشتری در مواردی که سیستم تقلبی را تشخیص می دهد، آموزش و بهبود مداوم مدلهای یادگیری با استفاده از داده های مزبور به صورت آنلاین، از جمله راهکارهای مدل پیشنهادی است. همچنین پیشنهاد می گردد در پژوهش های آتی موضوع کاهش خطای داده های منفی کاذب در فرایند کشف تقلب مورد بررسی قرار گیرد.

کلیدواژه ها:

کشف تقلب ، هوش مصنوعی ، تراکنش های بانکی ، یادگیری ماشین طبقه بندی JEL: G۲۱ - G۲۸ - E۵۸ - L۵۱