ارائه یک روش هوشمند در تشخیص تقلب در کارت های اعتباری با تکنیک های داده کاوی

در سال های اخیر میلیاردها دلار خسارت از طریق تراکنش های کارت اعتباری جعلی ایجاد شده و این یک مشکل جدی و روبه رشد است. برای مقابله با خسارات ناشی از تراکنش های جعلی ، روش های داده کاوی در تشخیص تقلب کارت های اعتباری با استفاده از رویکردهایی مانند طبقه بندی، خوشه بندی با استفاده از الگوریتم های یادگیری ماشین در شناسایی تقلب به کارگرفته می شوند. در این مقاله تمرکز ما بر روی یادگیری نظارت شده می باشد، که در آن الگوریتم های یادگیری ماشین بر روی مجموعه ای از داده های برچسب گذاری شده برای ساختن مدل های پیش گویانه استفاده شده است. مهم ترین چالشی که در این زمینه وجود دارد، توزیع کلاس های بسیار نامتعادل در مجموعه داده هاست. زیرا تعداد تراکنش هایی که به عنوان تقلب در مجموعه داده وجود دارد بسیار کمتر از تراکنش های نرمال می باشد. در این مقاله راهکارهای مقابله با داده های نامتوازن در الگوریتم های یادگیری ماشین مورد بررسی قرار گرفته و روش بهینه ای جهت شناسایی و تشخیص تقلب روی داده های اصلی و داده های متوازن شده ارائه می گردد. در این مطالعه، عملکرد تکنیک های طبقه بندی با استفاده از روش های شناخته شده درخت تصمیم گیری C5.0 SVM با توابع کرنل RBF و Linear ،Sigmoid و شبکه عصبی مقایسه شده اند

Keywords:

بانکداری الکترونیک , داده کاوی , تقلب کارت اعتباری , داده های نامتوازن