شهلا گل محمدی - دانشجو کارشناسی ارشد، گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد الکترونیکی تهران
محمدرضا کشاورزی - استادیار، گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد الکترونیکی تهران

شناساسي تقلب و پولشويي در سيستم بانكداري بخصوص بانكداري الكترونيك به علت اثرات مخرب بر اقتصاد يك كشور از اهميت بسزايي برخوردار است و از اين جهت توسط بانك ها و موسسات مالي روش هاي مختلفي براي شناسايي تقلب بانكي بكارگرفته مي شود. در تحقيق حاضر روشي مبتني بر هوش مصنوعي و داده كاوي براي تشخيص تقلب در تراكنش هاي بانكي به كار برده شد. داده هاي مورد بررسي شامل 1000 داده تراكنس سالم و 55 داده تراكنش ناسالم بود. هر داده با 30 ويژگي تعريف شد كه به منظورانتخاب و يژگي هاي بهتر از الگوريتم CFS استفاده شد كه روش مذكور شش ويژگي را به عنوان ويژگي بي اثر تشخيص داد. از شبكه عصبي مصنوعي براي تشخيص تراكنش سالم از ناسالم استفاده شد. نتايج نشان داد كه اثر انتخاب ويژگي هاي برتر و كاهش تعداد ورودي به طبقه بند بر دقت كليشبكه عصبي مصنوعي تاثيرگذار نبود به طوري كه دقت طبقه بندي كل براي داده هاي آموزش و آزمون به ترتيب 99/86 و 99.37% به دست آمد.

تراکنش بانکی؛ تقلب؛ داده کاوی؛ شبکه عصبی مصنوعی