ارایه روشی برای تجمیع گواه های مختلف و کنترل عدم قطعیت در کشف تقلب

با توجه به عدم دسترسی به داده های برچسب دار برای کشف تقلب در بسیاری از موارد بکارگیری روش های داده کاوی بانظارت امکان پذیر نیست، از طرفی کشف تقلب کارپیچیده ای است و با تکنیک های خوشه بندی به تنهایی و یا کشف داده های پرت نتایج چندان قابل قبولی به دست نمی آید. موضوع دیگری که مطرح است این است که اغلب به دلیل عدم داشتن اطلاعات کافی در مورد جنبه های رفتاری مشتریان مختلف نوعی عدم قطعیت نیز ایجاد می شود که این نیز باعث نادقیق تر شدن نتایج می شود. در این مقاله رفتار تراکنشی کاربران با در نظر گرفتن متغیرهای مختلف اصلی و تجمیعی مدل سازی شده و نتایج حاصل از میزان انحراف تراکنش از هر کدام از این متغیرها به عنوان یک گواه در نظر گرفته می شود و در نهایت نتایج حاصل از گواه های مختلف با استفاده از دو روش تصمیم گیری چندمعیاره و روش دمپستر-شفر با هم ترکیب می شود و باور نهایی در مورد متقلبانه بودن یا نبودن تراکنش شکل می گیرد. در روش تصمیم گیری چند معیاره و روش دمپستر شفر، تجمیع گواه ها با درنظر گرفتن عدم قطعیت انجام می شود. سپس نتایج این روش ها به لحاظ میزان تقلب هایی که کشف می کنند و همچنین مقدار هشدارهای اشتباهی که صادر می کنند با هم مقایسه می شوند. نتایج نشان دادند که روش های تصمیم گیری چند متغیره دقت بالاتری نسب به روش های دیگر دارند اما از طرفی پیچیدگی محاسباتی این روش ها سبب می شود که سرعت اجرای آنها پایین تر باشد.

کلیدواژه ها:

کشف تقلب ، عدم قطعیت ، تصمیم گیری چند معیاره ، دمپستر-شفر