یادگیری و بازنمایی الگوی داده ها جهت تشخیص ناهنجاری در تراکنشهای بانکی با استفاده از شبکه عصبی خودرمزنگار

چکیده مقاله

ناهنجاری در حوزه تراکنشهای بانکی میتواند ناشی از تغییر رفتار مشتری، تقلب و یا تخلف باشد تقلب مالی موضوعی است که پیامدهای گسترده ای در صنعت مالی، دولت، بخشهای شرکتی و مصرف کنندگان عادی دارد افزایش وابستگی به فناوریهای جدید مانند اینترنت و موبایل در سالهای اخیر این مشکل را پیچیده تر کرده است عدم وجود داده های با برچسب، نامتوازنی داده ها و همچنین تغییر رفتارهای متقلباته در حوزه ی مسائل بانکی، چالشهای قابل توجهی را برای تشخیص ناهنجاری ایجاد کرده اند که برای حل آنها در سالهای اخیر از روشهای خو شه بندی، درخت تصمیم، شبکه عصبی و ماشین بردار پشتیبان استفاده شده است در این پژوهش با ا ستفاده از آموزش روش بدون نظارت خودرمزنگار بر روی داده های هنجار هر کاربر و تعریف معیار و آستانه، مدلی برای تشخیص ناهنجاری ایجاد شد با استفاده از این روش ویژگی ها از داده های بدون برچسب به طور خودکار یاد گرفته شده و سپس با جدا کردن منابع تغییر در داده های ورودی، ساختار ا سا سی داده ها به طور خودکار ک شف شد نتایج نشان میدهد مدل بدون نظارت خودرمزنگار نسبت به روشهای بدون نظارت خوشه بندی سلسه مراتبی و ماشین بردار پشتیبان یک طبقه از نظر معیارهای دقت، f score عملکرد بهتری دارد

کلیدواژه‌ها

نویسندگان

وجیهه منتظرتربتی

دانشجوی کارشناسی ارشد مدیریت سیستم و بهره وری، دانشگاه تربیت مدرس

پرستو محمدی

استادیار دانشکده مهندسی صنایع و سیستم ها، دانشگاه تربیت مدرس؛

مهرداد کارگری

دانشیار دانشکده مهندسی صنایع و سیستم ها، دانشگاه تربیت مدرس؛

عبداله عشقی

دکتری مهندسی فناوری اطلاعات، دانشگاه تربیت مدرس

منتظرتربتی، وجیهه و محمدی، پرستو و کارگری، مهرداد و عشقی، عبداله،1400،یادگیری و بازنمایی الگوی داده ها جهت تشخیص ناهنجاری در تراکنشهای بانکی با استفاده از شبکه عصبی خودرمزنگار،هفتمین کنفرانس بین المللی مهندسی صنایع و سیستم ها،مشهد

ارائه‌شده در

مجموعه مقالات هفتمین کنفرانس بین المللی مهندسی صنایع و سیستم ها17 شهریور 1400 · مشهد