بررسی هوشمند تراکنش های مشکوک و تایید مرحله دوم برای جلوگیری از تقلب (نمونه موردی: تراکنش های بانکی)

این پژوهش به طراحی یک چارچوب ترکیبی برای تشخیص هوشمند تراکنش های مشکوک بانکی و ارجاع موارد با ریسک میانی به احراز هویت دومرحله ای می پردازد. در این مدل با ترکیب LSTM و جنگل تصادفی داده های نامتوازن تراکنش ها با روش SMOTE-ENN تحلیل شد و متغیرهای رفتاری، جغرافیایی و دستگاهی در ارزیابی ریسک به کار رفتند. نتایج نشان داد این چارچوب با افزایش دقت کشف تقلب و کاهش هشدارهای کاذب هم امنیت سامانه را بهبود می دهد و هم تجربه کاربری را حفظ می کند.

کلیدواژه ها:

تشخیص تقلب ، بانکی ، احراز هویت دو مرحله ای ، مدل ترکیبی ، داده های نامتوازن ، بانکداری دیجیتال