Abstract:
کلاهبرداری در بیانیه مالی مشکل سختی هم برای ناظران دولتی و هم برای عموم بوده است. بنابراین روشهای مختلف داده کاوی برای شناسایی تقلب در بیانیه مالی به منظور ارائه پشتیبانی تصمیم گیری برای سهامداران مورد استفاده قرار گرفتهاند. اما استفاده از کارت های اعتباری به عنوان یک پیشرفت گسترده در فناوری تجارت به وجود آمده و به یک روش بسیار مهم پرداخت تبدیل شده است. با افزایش معاملات با کارت اعتباری، کلاهبرداری از کارت اعتباری نیز امروزه مکرر انجام می شود. بنابراین یک سیستم تشخیص کلاهبرداری برای حفظ قابلیت اطمینان در سیستم پرداخت ضروری است. معیار اطمینان در معاملات برای صاحبان کارت اعتباری مهم است، به طوری که آنها بتوانند برای خدمات و محصولاتی که در اینترنت ارائه شده است با خیال راحت پرداخت الکترونیکی انجام دهند. در یک پست بانک، بسیاری از معاملات به طور همزمان انجام می شود و یک سیستم تشخیص کلاهبرداری باید بین معامله مشروع، کلاهبرداری مشکوک و معامله نامشروع تمایز قائل شود. بسیاری از تکنیک های مدرن و جدید در شبکه عصبی، هوش مصنوعی، شبکه بیزی، داده کاوی، سیستم ایمنی مصنوعی، الگوریتم سیستم نزدیکترین همسایه K، درخت تصمیم، اساس منطق فازی، بردار پشتیبانی ماشین، ماشین یادگیری، برنامه نویسی ژنتیک و غیره بر این اساس وجود دارد که در تشخیص کارت های اعتباری مختلف در معاملات جعلی توسعه یافته اند. هدف این مطالعه، ارائه یک مدل کشف کلاهبرداری مالی بهینه با ترکیب انتخاب ویژگی و طبقه بندی فراگیری ماشینی است. نتایج تحقیق نشان داد که جنگل تصادفی از چهار روش دیگر بهتر عمل کرده است. در مورد دو روش انتخاب ویژگی، Xgboost عملکرد بهتری داشت. و طبق تحقیق ما، ۲ یا ۵ متغیر برای مدلهای این مقاله قابل قبولتر هستند.
Machine summary:
بسياري از تکنيک هاي مدرن و جديد در شبکه عصبي، هوش مصنوعي، شبکه بيزي، داده کاوي، سيستم ايمني مصنوعي، الگوريتم سيستم نزديکترين همسايه K، درخت تصميم ، اساس منطق فازي، بردار پشتيباني ماشين ، ماشين يادگيري، برنامه نويسي ژنتيک و غيره بر اين اساس وجود دارد که در تشخيص کارت هاي اعتباري مختلف در معاملات جعلي توسعه يافته اند.
[٤] کلاه برداري آنلاين از کارت اعتباري با يک کارت اعتباري که در بيشتر موارد دزديده شده است يا جعلي است انجام مي شود و در نتيجه در يک فروشگاه محلي و يا يک مکان فيزيکي براي خريد برخي از کالا و يا خدمات مورد استفاده قرار مي گيرد.
[٨] جدول معامله وجود دارد که شامل زمينه هاي مختلف مانند مقدار معامله ، تاريخ بيانيه ، تاريخ ارسال ، زمان بين معاملات ، کد معامله ، روز، شرح معامله ، و غيره است ، اما براي اجراي اين روش تشخيص کلاه برداري در کارت اعتباري، تنها زمينه هاي قابل توجهي از پايگاه داده ها را به يک فايل متني ساده با استفاده از نمايش داده شد مناسب SQL استخراج شده است .
با توجه به مشکل صورت هاي مالي جعلي، بسياري از تحقيقات گذشته استفاده از روش داده کاوي را به دليل برتري آن از نظر پيش بيني پس از قرار دادن مقادير زيادي از داده ها براي يادگيري ماشين ، و همچنين دقت آن از نظر طبقه بندي و پيش بيني پيشنهاد کرده اند که بسيار بهتر از تحليل رگرسيون معمولي است .