حمید محمدی والا - دانشجوی کارشناسی ارشد، دانشگاه پیام نور مرکز بین الملل قشم
اکبر فرهودی نژاد - استادیار دانشگاه پیام نور

امروزه، با پیشرفت تکنولوژی و پیچیده تر شدن فرآیندهای کسب وکار، روش های انجام و در نتیجه شناسایی کلاه برداری ها نیز به مراتب پیچیده تر شده اند. در سالهای گذشته ثابت شده است که ابزارهای داده کاوی از کارایی قابل توجهی در حوزه ی کشف تقلب برخوردارند. در تحقیقات گذشته از روشهای دادهکاوی به مظور کشف تقلب در بانکداری استفاده شده است. در این تحقیق به تشخیص رفتارهای مشکوک مشتریان بانک بر اساس روش های داده کاوی پرداخته شد. به این ترتیب که مدل حاضر ترکیبی از روش خوشه بندی و دسته بندی میباشد. در ابتدا با استفاده از الگوریتم Two Step تراکنش های مشتریان برچسب گذاری شده و سپس با استفاده از آنها به دسته بندی تراکنشها و تشخیص رفتارهای مشکوک با استفاده از شبکه عصبی RBF پرداخته شده است. نتایج تحقیق نشان میدهد که مدل پیشنهادی قادر است 85 درصد از تراکنشهای مشکوک را به درستی تشخیص دهد که دقت بالایی در شناسایی تراکنش های مشکوک محسوب میشود.

بانکداری، تقلب، داده کاوی، الگوریتم Two Step، شبکه عصبی RBF