سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

بررسی یک مدل خوشه بندی پویا جهت تشخیص تراکنش های مشکوک در بانکداری

Publish Year: 1395
Type: Conference paper
Language: Persian
View: 719

This Paper With 10 Page And PDF Format Ready To Download

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

Export:

Link to this Paper:

Document National Code:

AIHE10_103

Index date: 24 January 2017

بررسی یک مدل خوشه بندی پویا جهت تشخیص تراکنش های مشکوک در بانکداری abstract

امروزه حجم زیادی از معاملات و نقل و انتقال های پولی و مالی در سطح اینترنت و در بستر الکترونیکی انجام می شود و رشد روزافزون این خدمات وتراکنش ها از یک طرف و همچنین ناشناس ماندن مجرمان در بستر اینترنت از طرف دیگر باعث تشویق و تحریک متقلبان و شیادان جهت ورود بهاین حوزه می گردد. در این بین به کارگیری تکنیک های شناسایی تقلب به منظور جلوگیری از اقدامات متقلبانه در سیستم های بانکداری امریاجتناب ناپذیر است. از تجزیه و تحلیل خوشه و روش های داده کاوی برای شناسایی معاملات غیر قانونی و تقلب استفاده می شود. در این مقاله پس از مرور روش های داده کاوی به منظور شناسایی تقلب در بانکداری الکترونیک یک مدل مستقل و توسعه یافته که مدل KDA نامیده شده، بررسی شده است. در این مدل از سه الگوریتم خوشه بندی متفاوت استفاده شده است است، K-MEANS , DBSCAN و AGGLOMERATIVEکه با هم به عنوان یک راه حل پویا نمایش داده شده اند. هنگامی که یک تراکنش جدید اتفاق می افتد، مدل رفتار مشتری توسط سه الگوریتم تولیدمی شود به این معنی که هر رکورد از سه برچسب برای تشخیص ناهنجاری استفاده می کند. هر الگوریتم ممکن است از همه یا تعدادی از پارامترهای پیش پردازش شده استفاده کند. اگر تشخیص تقلب توسط دو الگوریتم یا بیشتر باشد نشان می دهد که تراکنش مشکوک است. برای پیاده سازی این مدل از نرم افزار رپید ماینر استفاده شده است. هدف اصلی در این مقاله بررسی یک مدل پویا و مکانیسمی برای تشخیص تراکنش های مشکوک است. مدل بررسی شده در این مقاله68/75 درصد ازتقلب را بصورت انلاین و 62 % از تقلب را به صورت آفلاین تشخیص داده است

بررسی یک مدل خوشه بندی پویا جهت تشخیص تراکنش های مشکوک در بانکداری Keywords:

بررسی یک مدل خوشه بندی پویا جهت تشخیص تراکنش های مشکوک در بانکداری authors

رامین حمزه لی

کارشناس کامپیوتر

ناصر نبوی

کارشناس ارشد حسابداری

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
Delamaire Linda _ Hussein Abdou , John Pointon, (2009), Credit ...
Ding, C , et al, (2007), Adaptive dimension reduction using ...
Fareed Akthar, Caroline Hahne, (2012), RapidMiner 5 Operator Reference _ ...
Ghazanfari, M, Alizadeh, Taymorpour, (2011), Data Mining & Knowledge Discovery ...
Ghosh, (2008), " Top 10 algorithms in data mining, " ...
Phua, C, (2010), "A C omprehensive Survey of Data Mining-based ...
Saniei A, S Mhmoudi & M Taherparvar, (20 12), Practical ...
Vadoodparast, M, Hamdan, Razak, (2015), F RA UDULENT ELE CTRONIC ...
نمایش کامل مراجع

مقاله فارسی "بررسی یک مدل خوشه بندی پویا جهت تشخیص تراکنش های مشکوک در بانکداری" توسط رامین حمزه لی، کارشناس کامپیوتر؛ ناصر نبوی، کارشناس ارشد حسابداری نوشته شده و در سال 1395 پس از تایید کمیته علمی سومین کنفرانس ملی توسعه علوم مهندسی پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله تشخیص تقلب،تراکنش های مشکوک، داده کاوی، خوشه بندی هستند. این مقاله در تاریخ 5 بهمن 1395 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 719 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که امروزه حجم زیادی از معاملات و نقل و انتقال های پولی و مالی در سطح اینترنت و در بستر الکترونیکی انجام می شود و رشد روزافزون این خدمات وتراکنش ها از یک طرف و همچنین ناشناس ماندن مجرمان در بستر اینترنت از طرف دیگر باعث تشویق و تحریک متقلبان و شیادان جهت ورود بهاین حوزه می گردد. در این بین ... . این مقاله در دسته بندی موضوعی بانکداری و داده کاوی طبقه بندی شده است. برای دانلود فایل کامل مقاله بررسی یک مدل خوشه بندی پویا جهت تشخیص تراکنش های مشکوک در بانکداری با 10 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.