شیما اشرفی - دانشجوی کارشناسی ارشد رشته کامپیوتر (نرم افزار)، دانشگاه خاتم، تهران، ایران
محمد طهرانی - استادیار گروه کامپیوتر، دانشگاه خاتم، تهران، ایران
بابک مجیدی - استادیار گروه کامپیوتر، دانشگاه خاتم، تهران، ایران

یکی از مهم ترین موانع برای استفاده از بانکداری الکترونیک، عدم امنیت تراکنش ها و بروز تقلب در مسیر انجام مبالات مالی است. با توجه به رشد روزافزون تقلب که باعث از دست دادن سرمایه های زیادی در سطح جهان و ایران شده و نظر به اینکه از یک سو روش های زیادی برای کشف تقلب ارایه شده است ولی روش های تقلب هم مدرن تر شده و در حوزه های مختلف در حال رشد هستند و از سوی دیگر حجم بالای داده و شباهت زیاد بین آن ها باعث می شود طبقه بندی داده به متقلبانه و سالم کار بسیار دشواری باشد و نیز یکی از مشکلات در تشخیص تقلب، تنوع و تغییر مداوم شیوه های تقلب است و موفقیت در پیشگیری و یا تشخیص یک نوع تقلب باعث به وجود آمدن روشی دیگر می شود. بنابراین در این مقاله بر آن شد که روشی برای کشف تقلب در حوزه پرداخت با کارت های اعتباری ارایه شود و در این حوزه تمرکز را بر روی تقلب هایی که از سوی پذیرنده صورت می گیرد قرار داده شد. در این پژوهش برای شناسایی تقلب از روش ترکیبی یادگیری عمیق با شبکه های عصبی (ANN) به همراه متد خودرمزگذار به شناسایی ناهنجاری ها در مجموعه داده پرداخته شد که با دقت بالایی تراکنش ها به دو دسته متقلبانه و مجاز طبقه بندی شد.

تشخیص تقلب، شبکه عصبی، یادگیری عمیق، خودرمزگذارها