ارائه مدل شناسایی متقلبین در سیستم¬های بانکداری آنلاین بر مبنای تراکنش¬های کارت¬های اعتباری با استفاده از جنگل تصادفی وزن‌دار چندگانه و مدل کوادراتیک
الموضوعات :فرزانه رحمانی 1 , چنگیز والمحمدی 2 , کیامرث فتحی هفشجانی 3
1 - گروه مدیریت فناوری اطلاعات، دانشگاه آزاد اسلامی، واحد تهران جنوب، تهران، ایران
2 - گروه مدیریت صنعتی، دانشکده مدیریت، دانشگاه آزاد اسلامی، واحد تهران جنوب، تهران، ایران
3 - دانشگاه آزاد اسلامی واحد تهران جنوب
الکلمات المفتاحية: شناسایی متقلبین, بانکداری آنلاین, تراکنش¬های کارت¬های اعتباری, ماتریس مجاورت, الگوریتم تجمیعی, جنگل تصادفی وزن¬دار چندگانه, مدل کوادراتیک,
ملخص المقالة :
با رشد روزافزون بانکداری برخط بانک¬ها و مؤسسات مالی روزبه‌روز بیشتر به سمت استفاده از این فناوری و خدمات آن سوق پیدا می¬کنند. باتوجه‌به حجم بالای تراکنش¬ها امکان مدیریت آن¬ها توسط نیروی انسانی عملاً غیرممکن است. به همین منظور امروزه رویکردهای مبتنی بر داده‌کاوی به کمک بانکداری برخط آمده است. در این مقاله یک مدل کارآمد برای شناسایی متقلبین در تراکنش¬های کارت¬های بانکی ارائه می-گردد. روش پیشنهادی از ماتریس مجاورت، جای‌گذاری ویژگی¬های بدون مقدار با استفاده از وزن¬دهی و الگوریتم تجمیعی جنگل تصادفی استفاده می¬کند که در هر انشعاب آن با محاسبه وزن هر انشعاب، بهترین انشعاب تصمیم¬گیرنده با استفاده از محاسبه هزینه مدل انتخاب می¬شود. همچنین با استفاده از مدل کوادراتیک چندگانه بهترین جنگل را برای تصمیم¬گیری انتخاب می¬نماید. بدین ترتیب این روش را بر روی دو مجموعه‌داده که اولی 14 ویژگی و دومی 20 ویژگی داشته است تست کرده‌ایم و مشاهده شده است که مدل این تحقیق در مقایسه با درخت تصمیم و ماشین بردار پشتیبان و شبکه عصبی و جنگل تصادفی معمولی که در حال حاضر بالاترین نتایج را نسبت به هر روشی از خود نشان داده‌اند نیز بهبودهایی داشته است. همچنین آزمایشات نشان می¬دهد که هیچ یک از روش¬های مذکور قادر به پیش¬بینی خطای OOB نبوده و جنگل تصادفی معمولی که قادر به پیش¬بینی این خطا می¬باشد بسیار ضعیف¬تر از مدل پیشنهادی عمل نموده است. فقط روش پیشنهادی است که می¬تواند این مقدار را محاسبه نماید و مقدار مناسبی برای آن پیش¬بینی نماید. همچنین در آزمایش روی مجموعه‌داده‌ی دوم نیز در همین حدود بهبودهایی داشته ایم که به تفضیل در مقاله ذکر شده است.