فهیمه خسروشاهی - گروه حسابداری، دانشگاه فنی و حرفه ای استان کرمان، کرمان، ایران
سمیه عسکرپور - گروه کامپیوتر، دانشگاه فنی و حرفه ای استان کرمان، کرمان، ایرا

امروزه بیشتر فعالیتهای تجاری به کمک سیستم بانکی انجام می شود و مسلما برای رونق کسب و کار نیاز است که خدمات بانکی مناسب در هر لحظه در اختیار افراد قرار گرفته شود. سیستم بانکی سالم یکی از بسترهای مناسب برای هر کسب و کار است اما این بستر تا زمانی می تواند به رشد و شکوفایی یک اقتصاد کمک نماید که به دور از فعالیتهای غیر قانونی باشد. پولشویی و تقلب بانکی یکی از چالش های مهم سیستم بانکی در هر کشور می تواند باشد و باعث می شود چرخه پولهای کثیف وارد سیستم بانکی شده و فعالیتهای اقتصادی و کسب کارهای غیر قانونی نیز بتوانند از سیستم بانکی استفاده نمایند. یکی از روشهای مهم در مقابله با تقلب و پولشویی در سیستم بانکی که باعث می شود سیستم بانکی به دور از پولشویی گردد کشف تراکنش های غیرقانونی و غیرمجاز است . یکی از روشهای کشف تراکنش های تقلبی و پولشویی استفاده از تکنیک های یادگیری کاشین مانند شبکه عصبی مصنوعی است . در این مقاله برای کاهش دادن خطای تشخیص پولشویی و تقلب در سیستم بانکی از یک روش انتخاب ویژگی و مبتنی بر الگوریتم های فراابتکاری استفاده شده است . در روش پیشنهادی از الگوریتم بهینه سازی شاهین برای انتخاب ویژگی در تشخیص پولشویی و به کمک شبکه عصبی مصنوعی استفاده شده تا خطای یادگیری کاهش داده شود. آزمایشات و شبیه سازی انجام شده نشان می دهد روش پیشنهادی نسبت به الگوریتم بهینه سازی ذرات، الگوریتم بهینه سازی کفتار و الگوریتم بهینه سازی پروانه دارای خطای کمتری در تشخیص پولشویی است . نتایج نشان می -دهد دقت و حساسیت روش پیشنهادی برای تشخیص پولشویی به ترتیب برابر ۳۶.۹۸% و ۱۴.۹۸% است که نسبت به الگوریتم های فراابتکاری ذکر شده مقادیر بیشتری نشان می دهد .

پولشویی ، تقلب در سیستم بانکی ، دادهکاوی ، الگوریتم های فراابتکاری