علی ایثاری - دانشجوی کارشناسی ارشد مهندسی کامپیوتر گرایش هوش مصنوعی گروه کامپیوتر دانشکده فنی و مهندسی دانشگاه آزاد اسلامی واحد تهران مرکزی
رامین نصیری - استادیار و عضو هییت علمی گروه کامپیوتر دانشکده فنی و مهندسی دانشگاه آزاد اسلامی واحد تهران مرکزی

در این مقاله، سامانهای جهت کشف تراکنش های متقلبانه مبتنی بر کارت های بانکی ارایه شده که درآن با ایجاد ارتباط بین مفاهیم علم مدیریت ارتباط مشتری 1 و سامانه های کشف تقلب 2، از تعمیم مدلLRFM 3 برای تعریف، استخراج و انتخاب ویژگیهای 4 جدید و موثر، جهت مدلسازی رفتارپذیرندگان 5 استفاده شده است. پس از ورود تراکنش به سیستم، پروفایل ویژگیهای ساخته شده بر اساس شماره پذیرنده به تراکنش اضافه شده و سپس جهت ارزیابی، به چند دسته بند مختلف ارسال میگردد. شبکه عصبی مصنوعی 6 یک لایه پنهان، شبکه عصبی مصنوعی دولایه پنهان، درخت تصمیمC5 و جنگل تصادفی 7، الگوریتمهای مورداستفاده در فرآیند مدلسازی و ارزیابی است. آموزش الگوریتم های مذکور با استفاده از اطلاعات برچسب گذاری شده یکساله از تراکنش های کارت، انجام شده است. استفاده از ویژگیهای رفتاری پذیرندگان در فرآیند مدل سازی، باعث افزایش دقت سیستم به مقادیر بیشتر از 98 % جهت تفکیک تراکنش های متقلبانه از تراکنش های قانونی شده است.

بانکداری الکترونیکی، درخت تصمیم، سیستم کشف تقلب، مدیریت ارتباط مشتری، مهندسی ویژگی