چکیده مقاله
همانگونه که رشد تجارت الکترونیک فرصت های بسیار خوبی برای تجارت جهانی ایجاد نموده، تهدیداتی نیز برای بانکها و موسسات مالی و اعتباری فراهم داشته است یکی از مهمترین چالشهایی که موسسات مالی و بانکها با آن مواجه هستند تقلب میباشد در سالهای اخیر تقلبهای مالی از جمله تقلب در کارت های اعتباری، تقلب در بانکداری الکترونیک و پولشویی توجه و نگرانی های زیادی را به سمت خود جلب کرده است اهمیت استفاده از سیستمهای شناسایی تقلب از جنبه های مختلف مورد توجه سازمانهای مالی قرار گرفته است در روشهای ارایه شده کمتر از ترکیب طبقه بندها استفاده شده است و یک طبقه بند به خاطر نامتعادل بودن تراکنش های کارتها نمیتواند پوشش کاملی از فضای مساله را ارایه کند در این مقاله یک روش برای تشخیص تقلب در تراکنش های کارتهای بانکی که از نوع دادههای بسیار نامتعادل هستند، با استفاده از ترکیب شبکه عصبی با الگوریتم ژنتیک ارایه شده و بر روی نه مجموعه داده مختلف که شامل تراکنش های کارتهای بانکی هستند در محیط متلب مورد شبیهسازی قرار گرفته است نتایج محاسباتی نشان میدهد که تابع هزینه محاسبه شده در روش پیشنهادی نسبت به دو روش پایه درخت تصمیم و شبکه عصبی کمتر و همچنین دارای نرخ تشخیص بهتری است بطوری که در حالت پیش فرض شبکه عصبی دقت تشخیص برابر 94 درصد و در حالت ترکیبی برابر 96 درصد به دست آمده است
کلیدواژهها
نویسندگان
شیوه ارجاع
�حمدی، جاسم و نعیمی، محمد و جهانبانی، عادل،1397،بهبود تشخیص تقلب در تراکنش های کارت های اعتباری بانکی با استفاده ازترکیب شبکه عصبی و الگوریتم ژنتیک،پنجمین کنفرانس ملی علوم ومهندسی کامپیوتر و فناوری اطلاعات،بابل
ارائهشده در
مجموعه مقالات پنجمین کنفرانس ملی علوم ومهندسی کامپیوتر و فناوری اطلاعات26 مهر 1397 · بابل