بررسی یک مدل خوشه بندی پویا جهت تشخیص تراکنش های مشکوک در بانکداری

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 619

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

AIHE10_103

تاریخ نمایه سازی: 5 بهمن 1395

چکیده مقاله:

امروزه حجم زیادی از معاملات و نقل و انتقال های پولی و مالی در سطح اینترنت و در بستر الکترونیکی انجام می شود و رشد روزافزون این خدمات وتراکنش ها از یک طرف و همچنین ناشناس ماندن مجرمان در بستر اینترنت از طرف دیگر باعث تشویق و تحریک متقلبان و شیادان جهت ورود بهاین حوزه می گردد. در این بین به کارگیری تکنیک های شناسایی تقلب به منظور جلوگیری از اقدامات متقلبانه در سیستم های بانکداری امریاجتناب ناپذیر است. از تجزیه و تحلیل خوشه و روش های داده کاوی برای شناسایی معاملات غیر قانونی و تقلب استفاده می شود. در این مقاله پس از مرور روش های داده کاوی به منظور شناسایی تقلب در بانکداری الکترونیک یک مدل مستقل و توسعه یافته که مدل KDA نامیده شده، بررسی شده است. در این مدل از سه الگوریتم خوشه بندی متفاوت استفاده شده است است، K-MEANS , DBSCAN و AGGLOMERATIVEکه با هم به عنوان یک راه حل پویا نمایش داده شده اند. هنگامی که یک تراکنش جدید اتفاق می افتد، مدل رفتار مشتری توسط سه الگوریتم تولیدمی شود به این معنی که هر رکورد از سه برچسب برای تشخیص ناهنجاری استفاده می کند. هر الگوریتم ممکن است از همه یا تعدادی از پارامترهای پیش پردازش شده استفاده کند. اگر تشخیص تقلب توسط دو الگوریتم یا بیشتر باشد نشان می دهد که تراکنش مشکوک است. برای پیاده سازی این مدل از نرم افزار رپید ماینر استفاده شده است. هدف اصلی در این مقاله بررسی یک مدل پویا و مکانیسمی برای تشخیص تراکنش های مشکوک است. مدل بررسی شده در این مقاله68/75 درصد ازتقلب را بصورت انلاین و 62 % از تقلب را به صورت آفلاین تشخیص داده است

نویسندگان

رامین حمزه لی

کارشناس کامپیوتر

ناصر نبوی

کارشناس ارشد حسابداری

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :