بررسی و پیاده سازی الگوریتم های هوش مصنوعی در حوزه های کلیدی مدیریت بانکی (تشخیص تقلب)

تقلب بانکی یکی از چالش های جدی نظام مالی محسوب می شود که سالانه خسارات مالی قابل توجهی به بانک ها و مشتریان وارد می کند. با گسترش تراکنش های الکترونیکی و بانکداری دیجیتال، روش های سنتی تشخیص تقلب دیگر کارایی لازم را ندارند و نیاز به رویکردهای هوشمندتر احساس می شود. در این راستا، الگوریتم های یادگیری ماشین به دلیل توانایی در شناسایی الگوهای پیچیده و پنهان در داده های تراکنشی، به ابزاری کلیدی در تشخیص تقلب بانکی تبدیل شده اند. این مقاله با رویکردی مروری، به بررسی و مقایسه الگوریتم های پرکاربرد یادگیری ماشین از جمله جنگل تصادفی، شبکه های عصبی مصنوعی، ماشین بردار پشتیبان و روش های تشخیص ناهنجاری در حوزه تشخیص تقلب می پردازد. همچنین چالش های موجود در این حوزه نظیر عدم توازن داده ها، لزوم تفسیرپذیری مدل ها و مسائل مربوط به حریم خصوصی داده ها مورد بحث قرار می گیرد. نتایج این مرور نشان می دهد که ترکیب چند الگوریتم (رویکردهای ترکیبی) عملکرد بهتری نسبت به استفاده از یک الگوریتم منفرد در تشخیص تقلب دارد.

کلیدواژه ها:

تشخیص تقلب بانکی ، یادگیری ماشین ، هوش مصنوعی ، جنگل تصادفی ، شبکه عصبی