این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پژوهش های پولی و بانکی، جلد ۱۷، شماره ۶۰، صفحات ۲۲۷-۲۴۹
عنوان فارسی ارائه راهکاری جهت تشخیص تقلب در تراکنش های بانکی با وجود رانش مفهوم و داده های نامتوازن
چکیده فارسی مقاله
با افزایش تعداد کاربران بانکی در سراسر جهان، چالش‌های استفاده از کارت‌های بانکی ازجمله سرقت جزئیات کارت و تقلب نیز افزایش‌یافته است. تشخیص تقلب به‌صورت بلادرنگ  در تراکنش‌‌های کارت‌های بانکی به‌دلیل وجود ویژگی‌های ذاتی تراکنش‌ها، نظیر داده‌های نامتوازن  و رانش مفهوم ، چالش‌برانگیز است. درصورتی‌که دو چالش اصلی وجود داده‌های نامتوازن و رانش مفهوم هم‌زمان رخ دهد، تشخیص تقلب بسیار سخت‌تر خواهد شد. در این مقاله، یک الگوریتم طبقه‌بندی ترکیبی  مبتنی بر ماشین بردار پشتیبان به‌همراه به‌روزرسانی پویا ( ESVM-IC) به‌عنوان راهکاری برای حل این‌گونه مسائل در داده‌های تراکنش‌های کارت بانکی پیشنهاد شده است. این الگوریتم در مقایسه با دیگر الگوریتم‌های موجود، چند مزیت دارد: 1- نیازی به قطعه داده‌های  گذشته برای یادگیری قطعه دادهٔ جدید ندارد. 2- با استفاده از الگوریتم پیشنهادی، بر داده‌های به‌اشتباه طبقه‌بندی‌شده جهت اصلاح طبقه‌بندی آن‌ها تأکید دارد. 3- می‌تواند با شرایط جابه‌جایی جایگاه کلاس‌های  اقلیت  و اکثریت  منطبق شود. 4- تعداد محدودی از طبقه‌بندی‌های با کارایی بالاتر و نه لزوماً تمام آن‌ها را نگهداری می‌کند. جهت ارزیابی الگوریتم پیشنهادی از یک مجموعه دادهٔ واقعی بانکی استفاده شده است و نتایج با تعدادی از الگوریتم‌ها مقایسه شده است. نتایج حاصل نشان‌دهندهٔ افزایش دقت به میزان 93 درصد و معیار AUC 92 درصدی در تشخیص تقلب و کارایی الگوریتم پیشنهادی نسبت به الگوریتم‌های مورد مقایسه است.
 
کلیدواژه‌های فارسی مقاله تشخیص تقلب، تراکنش های کارت های بانکی، رانش مفهوم، داده های نامتوازن، طبقه بندی داده های جریانی
عنوان انگلیسی Providing a solution to detect fraud in bank transactions despite concept drift and imbalanced data
چکیده انگلیسی مقاله With the increase in the number of bank users worldwide, the challenges of using bank cards, including theft of card details and fraud, have also increased. Real-time fraud detection in bank card transactions is challenging due to the inherent characteristics of transactions, such as imbalanced data and concept drift. If the two main challenges of imbalanced data and concept drift happen together, it will be much harder to detect fraud. In this paper, a hybrid classification algorithm based on a support vector machine with dynamic update is proposed as a solution to address such issues in bank card transaction data. Compared to other existing algorithms, this algorithm has several advantages: (1) It does not need past data chunks to learn new data chunks. (2) by using the proposed algorithm, it emphasizes the wrongly classified data in order to correct their classification. (3) It can be matched with the transfer conditions of minority and majority classes. (4) It maintains a limited number of classifications with higher performance and not necessarily all of them. In order to evaluate the proposed algorithm, a real bank dataset has been used and the results have been compared with a number of algorithms. The results show an increase in fraud detection accuracy and efficiency of the proposed algorithm compared to the compared algorithms.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله سعیده روشن فکر | saeideh roshanfekr


علی گلزاده | ali Golzadeh


نشانی اینترنتی http://jmbr.mbri.ac.ir/browse.php?a_code=A-10-2692-1&slc_lang=fa&sid=1
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده امور مالی و اداره شرکت‌ها (G3)
نوع مقاله منتشر شده مطالعه تجربی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات