شناسایی تقلب در تراکنشهای مالی با استفاده از الگوریتم های یادگیری ماشین و بلاکچین

چکیده مقاله

این پژوهش به بررسی تقلب در تراکنشهای مالی در حوزه تجارت الکترونیک می پردازد که با رشد اینترنت و بانکداری آنلاین به چالشی جدی تبدیل شده است آمار نشان میدهد هزینه تقلب از ۲۸ میلیارد دلار در ۲۰۱۹ به بیش از ۳۲ میلیارد دلار در ۲۰۲۱ افزایش یافته و گزارش جهانی ۲۰۲۳ حاکی از زیان ۱ ۰۲۶ تریلیون دلاری است به شکلی که ۲۵ درصد از مردم قربانی کلاهبرداری های اینترنتی میشوند در این شرایط روشهای سنتی کافی نیستند و خلاقیت متقلبان همزمان با پیشرفت روشهای شناسایی تقلب رشد نموده و این امر اقتصاد کشورها استارتاپها و سرمایه گذاریها را تهدید میکند هدف پژوهش ادغام یادگیری ماشین با بلاکچین برای بهبود تشخیص تقلب و به ویژه افزایش امنیت اطلاعات بدون کاهش عملکرد الگوریتمها است روش شناسی شامل پیش پردازش دادههای خام با بیش از ۱ ۷ میلیون رکورد و تولید ویژگیهای مبتنی بر بلاکچین با الگوریتم SHA ۲۵۶ است مدلهای رگرسیون لجستیک جنگل تصادفی و شبکه عصبی چندلایه بر روی هر دو مجموعه داده آموزش دیده و ارزیابی شدند با معیارهایی مانند دقت فراخوانی امتیاز اف ۱ صحت و AUC ROC نتایج نشان داد عملکرد مدلها صحت تا ۰ ۹۹۵۵ و AUC ROC تا ۰ ۹۸۴۸ در داده های بلاکچین مشابه داده های خام است بدون تفاوت معنادار اما امنیت داده ها به طور قابل ملاحظه ای بهبود یافت این ادغام داده ها را به سیستم توزیع شده و غیر قابل تغییر تبدیل کرد و حفاظت اطلاعات مالی را تضمین مینماید

کلیدواژه‌ها

نویسندگان

زهرا ملکی

دانشجوی دکتری DBA دانشکده اقتصاد دانشگاه تهران و عضو هیات علمی وابسته واحد یادگار امام خمینی ره شهرری دانشگاه آزاد اسلامی، تهران، ایران

محمد مهدی معصومیان

کارشناس ارشد مهندسی صنایع دانشگاه صنعتی خواجه نصیرالدین طوسی تهران، ایران

ملکی، زهرا و معصومیان، محمد مهدی،1404،شناسایی تقلب در تراکنشهای مالی با استفاده از الگوریتم های یادگیری ماشین و بلاکچین،دومین کنفرانس بین المللی دو سالانه پیشرفت ها در هوش مصنوعی و علوم داده،بوشهر

ارائه‌شده در

همایش «بسیج، پیشرفت و امنیت پایدار در منطقه جنوب شرق کشور»7 بهمن 1404 · تهران