ارایه روشی فازی برای ساخت پروفایل رفتاری کاربران بانکی جهت کشف تقلب با رویکرد کلان داده ای

حجم و تعداد بالای تراکنش های یکی از عوامل اصلی کسب سود و درآمد در کسب وکارهای بانکی است با این وجود وقوع تقلب یکی از دغدغه های اصلی این کسب وکارها در عصر الکترونیکی شدن فعالیت ها است. بانکها با دو چالش اصلی برای مدیریت تقلب مواجه هستند. اول اینکه مدل سازی الگوهای رفتاری به شدت در حال تغییر مشتریان کار پیچیده ای است و دوم حجم وتنوع بالای داده های مورد نیاز برای تحلیل در زمانی قابل قبول جهت کشف رفتارهای متقلبانه است. برای رفع این دو چالش،در این مقاله یک روش مبتنی بر تحلیل داده های انبوه ارایه شده است. در این روش با استخراج پارامترهای مهم و تاثیرگذار در رفتار کاربران بانکی، مدل سازی رفتاری آنها که شامل استخراج پروفایل های مختلف رفتاری و تعیین مقادیر آستانه برای هر کداماز پروفایل ها است، انجام می شود. سپس میزان انحراف تراکنش های انجام شده از رفتار مدل سازی شده مشتریان با استفاده از توابع عضویت فازی سنجیده می شود. این توابع با توجه به مقادیر آستانه هر پروفایل کاربر عمل کرده و مقدار ریسکی بین 0 و1 را برای هر تراکنش ورودی برمی گردانند. ریسکها به دست آمده با استفاده از یک فرمول وزن دهی میشوند و پس از اعمال وزن متناسب با هر پروفایل و هر کاربر، نتایج مختلف به دست آمده از مقایسه ویژگی های مختلف رفتاری مشتری با هم تجمیع شده و یک باور نهایی در مورد متقلبانه بودن یا نبودن تراکنش انجام شده به دست می آید. تصمیم گیری نهایی برای مسدود کردن یا انجام شدن تراکنش به مقدار نتیجه نهایی به دست آمده بستگی خواهد داشت. این فرایند در یک چارچوب مبتنی برتحلیل داده های کلان انجام می شود و از تکنولوژی های ذخیره و پردازش داده های کلان بهره گرفته شده است. از نتایج مورد انتظار این تحقیق این است که ریسک هر تراکنش ورودی به سیستم بانک از جنبه های مختلف مورد محاسبه قرار بگیرد و سیستم بتواند به صورت اتوماتیک و بدون دخالت کاربر انسانی و به صورت شخصی سازی شده وزن هر کدام از ریسک های محاسبه شده را محاسبه کرده و در تجمیع نهایی برای رسیدن به عدد ریسک نهایی مورد استفاده قرار گیرد.

Keywords:

کشف تقلب , فازی , پروفایل کاربر , داده های انبوه