چکیده:
امروزه یکی از مهمترین موانع استفاده از خدمات بانکداری الکترونیکی, نبود امنیت و برخی سوء استفادهها در مسیر انجام
مبادلات مالی است. به همین دلیل, استفاده از روشهایی برای شناسایی رفتارهای مشکوک از مسائل مهم در موسسات مالی و
بانکهاست. در این پژوهش, سعی میشود با استفاده از تکنولوژی داده کاوی, روشی نوین در کشف تقلب در کارتهای بانکی ارائه
شود. هر چند آمار دقیقی از تقلب در کارتهای بانکی معتبر کشور وجود ندارد. ولی به نظر میرسد همزمان با توسعه بانکداری
الکترونیک تقلب در کارتهای بانکی رو به رشد بوده و در آیندهای نه چندان دور به یکی از معضلات سیستم بانکی کشور تبدیل
خواهدشد. بدینروی» در این پژوهش پس از مصاحبه با خبرگان در زمینه کارتهای بانکی, شناسایی انواع تقلبهای رایج در زمینه
کارتهای بانکی از طریق اعمال تغییرات معنادار روی دادهها برای تهیه تراکنشهای متقلبانه. با پهرهگیری از روش دستهبندی در
داده کاوی, سه تکنیک شبکههای عصبی, درخت تصمیم و نزدیکترین همسایگی, مدلی برای طبقهبندی تراکنشها به تراکنشهای
سالم و متقلبانه ارائه میشود. این مدلء علاوه بر این که مبتنی بر دادههای سیستم بانکی کشور است. توانسته است با دقت ۹۸٩
درصد. عملکرد نسبتا خوبی در طبقهبندی یادشده داشته باشد.
One of the most crucial impediment in bona fide utilization of electronic banking services in Iran is de facto¡ the observed misuses of its functions which may lead to strong sense of uncertainty and insecurity for conducting the financial transactions per se. Hence in this context¡ exploiting the appropriate methods for identifying the suspicious behavior will be deemed as a critical issue for financial institutions and banks¡ in toto. In this paper¡ an attempt is made¡ to discern the phenomenon of fraud in bank cards¡ viz-a-viz exerting de jure¡ the technique of Data Mining¡ thereto. Though it is worth to note that¡ we lack the authentic statistics to specify the exact number of fraudulent incidences in valid bank cards of Iranian banking system¡ but we have hypothesized that the prevalence of fraud in bank cards in this country is growing¡ and we expect that in near future it could become one of the main hindrance of banking system in Iran¡ Ipso facto. Therefore¡ initially we have applied Delphi method to acquire the expert opinions regarding the concerned issue¡ and diagnosing the current state of fraudulence in bank cards¡ via inducing significant changes on data by applying the simulation technique to trace out the fraudulent transactions. Subsequently¡ we have tried to design a model to classify the transactions into two subgroups of genuine and fraudulent ones¡ using the Clustering Method in Data Mining and employing three models of Neural Network¡ Decision Trees and Nearest Neighbor¡ Quid pro qua. The results prima facie¡ indicate that the Decision Trees model¡ among three methods under the review¡ carries out the highest significance with 98 percent of confidence in specification of fraud in Karafarin bank cards¡ Sine qua non.
خلاصه ماشینی:
بدين روي، در اين پژوهش پس از مصاحبه با خبرگان در زمينه کارت هاي بانکي، شناسايي انواع تقلب هاي رايج در زمينه کارت هاي بانکي از طريق اعمال تغييرات معنادار روي داده ها براي تهيه تراکنش هاي متقلبانه ، با بهره گيري از روش دسته بنـدي در داده کاوي، سه تکنيک شبکه هاي عصبي، درخت تصميم و نزديکترين همسايگي، مدلي براي طبقه بندي تراکنش ها به تراکنش هاي سالم و متقلبانه ارائه ميشود.
تاکنون در سيستم بانکي کشور سازوکار و برنامه جامعي براي شناسايي و جلوگيري از تقلـب هـاي مربوط به تراکنش هاي مبتني بر کارت وجود نداشته است ،١ در صورتي که يکي از وظـايف مهـم بانـک هـا نظارت بر صحت تراکنش هاي بانکي، حفظ مشـتريان و کـاهش ريسـک بـانکي اسـت .
هدف ديگر پژوهش ، استفاده از داده کاوي در مبحـث شناسـايي تقلـب در کـارت هـاي بـانکي و شناسايي بهتر تراکنش هاي متقلبانه از ميان تراکنش ها و کارايي در سيستم بانکداري است .
4. Shen, Tong and Deng.
شبکه هاي عصبي مصنوعي نيز يکي از روش هايي است که براي شناسايي تقلب در کـارت هـاي بـانکي استفاده ميشود.
2015 Luiz Alberto :ArtAifiCcaiasleNSteuudraylinNCtrweodritks نتايج به دست آمده در استفاده از اين دو مدل بـدين صـورت اسـت کـه Carneiro; Vieira Dias Card Fraud Detection ورودي هاي عصبي را ميتوان با ويژگـيهـاي خوشـه اي کـاهش داده و قدم هاي مثبتي در کشف تقلب برداشت .
فرآيند مورد بررسي در اين پژوهش شامل سه مرحله آماده سازي داده ها، دسته بندي تراکنش هاي مالي و شناسايي تقلب است .