کاربرد شبکه عصبی گراف در تشخیص تقلب در تراکنش های بانکی

چکیده مقاله

روش های سنتی برای تشخیص تقلب، معمولا بر اساس قوانین از پیش تعریف شده و تحلیل های ساده آماری طراحی شده اند تقلب در تراکنش های بانکی یکی از مشکلات اصلی صنعت مالی است که هر ساله ضررهای میلیارددلاری برای موسسات مالی و مشتریان به همراه دارد شبکه های عصبی گراف به عنوان یکی از روش های جدید در یادگیری ماشین، توانایی فراگیری نمایش های پیچیده از داده های ساختاریافته، به ویژه داده های شبکه ای را دارند این ویژگی باعث شده تا شبکه های عصبی گراف به ابزاری قدرتمند برای تشخیص تقلب در تراکنش های بانکی تبدیل شوند در این مقاله، یک مدل جدید مبتنی بر شبکه عصبی گراف برای تشخیص تقلب در تراکنش های بانکی ارائه شده است برای ارزیابی مدل، از مجموعه داده ای شامل ۷۴۸،۴۸۲ تراکنش بانکی طی ۲ روز استفاده شده است نتایج نشان میدهند که این مدل میتواند دقت تشخیص تقلب را نسبت به روش های سنتی ۱۵ درصد و نسبت به روش های پیشرفته یادگیری عمیق ۱۰ درصد افزایش دهد

کلیدواژه‌ها

نویسندگان

فریدون مقدس نژاد

دانشیاردانشکده عمران و محیط زیست , دانشگاه صنعتی امیرکبیر

محمدمهدی قربانی

دانشجوی کارشناسی ارشد، گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی، واحد تهران شمال، تهران، ایران

احمد حداد

دانشجوی کارشناسی ارشدعمران-راه و ترابری , دانشگاه آزاد اسلامی واحد علوم و تحقیقات شاهرود

رحمان علی محمدزاده

استادیار، گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی، واحد تهران شمال، تهران، ایران

قربانی، محمدمهدی و علی محمدزاده، رحمان،1403،کاربرد شبکه عصبی گراف در تشخیص تقلب در تراکنش های بانکی،هشتمین همایش بین المللی پژوهش های شاخص در مدیریت، حسابداری، بانکداری و اقتصاد،مشهد

ارائه‌شده در

مجموعه مقالات هشتمین همایش بین المللی پژوهش های شاخص در مدیریت، حسابداری، بانکداری و اقتصاد3 آذر 1403 · مشهد