ارایه مدلی ترکیبی مبتنی بر خوشه بندی و قواعد انجمنی برای شناسایی رفتارهای متقلبانه در تراکنش های بانکی

مساله تقلب در تراکنش های بانکی یکی از مشکلات اساسی در عصر الکترونیکی شدن تراکنش های بانکی است. در این مقاله یک مدل ترکیبی نیمه بانظارت با استفاده از الگوریتم های خوشه بندی و تحلیل انجمنی برای کشف تقلب و رفتارهای مشکوک در تراکنش های کارتی بانکی ارایه شده است. مبنای تحلیل، تراکنش های نرمال و غیرمتقلبانه مشتریان بوده است. با استفاده از تحلیل انجمنی الگوهای پرتکرار در رفتارهای مشتریان بانکی استخراج شده است. از این الگوها به عنوان قواعد نرمال استفاده شده است که هر تراکنش باید حداقل با یکی از این الگوها مطابقت داشته باشد. در بخش تحلیل رفتار از الگوریتم خوشه بندی فازی برای استخراج خوشه های رفتاری نرمال هر مشتری استفاده شده است. در صورتی که یک تراکنش ورودی انحراف بالایی از مدل رفتاری نرمال مشتری داشته باشد، در هیچکدام از خوشه ها قرار نمی گیرد و به عنوان تراکنش پرریسک شناخته می شود. نتیجه نهایی از ترکیب نتایج دو بخش تحلیل قواعد و تحلیل روند با استفاده از روش bagging به دست آمده است. نتایج نشان داده اند که مدل ترکیبی ارایه شده دقت و صحت بیشتری در کشف موارد مشکوک و متقلبانه داشته است.

کلیدواژه ها:

کشف تقلب ، خوشه بندی ، قواعد انجمنی ، kmeans ، Apriori