استفاده از یادگیری عمیق برای کشف الگوهای پنهان در تقلب های مالی

چکیده مقاله

با گسترش فناوری های دیجیتال و افزایش تراکنش های مالی آنلاین، مسئله کشف تقلب های مالی به یکی از چالش های اساسی نهادهای بانکی و موسسات مالی تبدیل شده است افزایش استفاده از کارت های اعتباری در خریدهای اینترنتی، انتقال وجه و خدمات الکترونیکی فرصت های جدیدی را برای مجرمان سایبری فراهم کرده است تا با روش هایی پیچیده تر به سوء استفاده از داده های کاربران و انجام تراکنش های غیرمجاز بپردازند روش های سنتی کشف تقلب که معمولا بر پایه قوانین از پیش تعیین شده و الگوریتم های آماری ساده عمل می کنند، در تشخیص الگوهای پنهان و پیچیده رفتار کاربران کارایی محدودی دارند و در مواجهه با تغییرات پویا در الگوهای تقلب دچار افت عملکرد می شوند در سال های اخیر پیشرفت چشمگیر در حوزه یادگیری ماشین و یادگیری عمیق باعث تحول قابل توجهی در سیستم های کشف تقلب شده است مدل های یادگیری ماشین مانند جنگل تصادفی، XGBoost و ماشین بردار پشتیبان توانسته اند به طور موثری روابط آماری میان ویژگی های تراکنش ها را تحلیل کنند با این حال مدل های یادگیری عمیق همچون شبکه های عصبی بازگشتی و LSTM با قابلیت درک وابستگی های زمانی در داده ها عملکرد بهتری در شناسایی الگوهای رفتاری کاربران ارائه داده اند ترکیب مدل های CNN و LSTM در قالب ساختارهای هیبریدی امکان استخراج همزمان ویژگی های مکانی و زمانی تراکنش ها را فراهم کرده و دقت شناسایی تقلب را به شکل قابل توجهی افزایش داده است باوجود این پیشرفت ها، چالش هایی مانند عدم توازن داده ها، تغییر الگوهای تقلب در طول زمان و شفافیت پایین مدل های یادگیری عمیق همچنان از موانع مهم در مسیر توسعه سیستم های هوشمند تشخیص تقلب هستند در این پژوهش با مرور نظام مند ۱۵ مقاله علمی منتشرشده بین سال های ۲۰۲۰ تا ۲۰۲۵، چارچوبی بر استفاده از یادگیری عمیق مرور می شود که ضمن افزایش دقت مدل قابلیت انطباق با داده های پویا و درک بهتر از رفتار تراکنش ها را نیز داراست این مطالعه با بررسی روش هایی چون SMOTE ENN برای متعادل سازی داده ها و استفاده از مکانیسم توجه برای افزایش تمرکز مدل بر ویژگی های بحرانی، مروری بر مسیر گذشته برای توسعه سامانه های مقاوم و تفسیرپذیر در کشف تقلب های مالی ترسیم می کند

کلیدواژه‌ها

نویسندگان

ریحانه السادات زارع بیدکی

گروه کامپیوتر واحد یزد دانشگاه آزاد اسلامی یزد ایران

محمد امینی

گروه کامپیوتر واحد یزد دانشگاه آزاد اسلامی یزد ایران

�ارع بیدکی، ریحانه السادات و امینی، محمد،1404،استفاده از یادگیری عمیق برای کشف الگوهای پنهان در تقلب های مالی،کنفرانس هوش مصنوعی در اقتصادهای نوظهور و کسب وکارهای دیجیتال،یزد

ارائه‌شده در

مجموعه مقالات کنفرانس هوش مصنوعی در اقتصادهای نوظهور و کسب وکارهای دیجیتال21 آبان 1404 · یزد