بررسی مزایا و معایب الگوریتم های داده کاوی در تشخیص اقدامات غیرقانونی در سیستم های بانکداری

سیستم های مختلفی به واسطه روش های ماشینی هوشمند و تکنیک داده کاوی جهت شناسایی جرم در رفتار کاربران طراحی شده و در صنایع مختلفی همچون بیمه، پزشکی و بانکداری بکارگرفته شده است. هدف این مقاله تشخیص رفتارهای غیرمعمول کاربران در سامانه بانکداری اینترنتی است لذا تشخیص رفتار کاربران و دسته بندی الگوهای به وجود آمده، شرایطی را در جهت پیش بینی نفوذ غیرمجاز و تشخیص رفتارهای مشکوک و تقلب آمیز مهیا می سازد. از آنجایی که تشخیص رفتار کاربران در سامانه اینترنتی با عدم قطعیت همراه بوده و سوابق بجای مانده از تراکنش ها می تواند در جهت درک این حرکات راهگشا باشد و همچنین با توجه به اینکه در بین روش های ماشینی، تکنیک درخت تصمیم گیری متداول ترین ابزار برای دسته بندی و پیش بینی محسوب می شود، لذا در این پایان نامه ابتدا متغیرهای موثر و وزن هرکدام در تولید رفتار، تعیین شده و در ادامه ترکیبی از حالت های رفتاری مختلف به صورت مدلی از قوانین استنتاجی استخراج گردید تا قابلیت تشخیص رفتارهای مختلف فراهم گردد. نهایتا روند چهار الگوریتم۴.۵ C، Chaid ،ex_Chaid و۵.۰ C جهت دسته بندی و کشف الگوهای موجود روی تراکنش های واقعی یک بانک کشاورزی، مورد مقایسه و ارزیابی قرار گرفت.

Keywords:

سیستم های بانکداری , تقلب , درخت تصمیم گیری , داده کاوی