ارائه راهکاری جهت تشخیص تقلب در تراکنش های بانکی با وجود رانش مفهوم و داده های نامتوازن

با افزایش تعداد کاربران بانکی در سراسر جهان، چالش‌های استفاده از کارت‌های بانکی ازجمله سرقت جزئیات کارت و تقلب نیز افزایش ‌یافته است. تشخیص تقلب به‌صورت بلادرنگ  در تراکنش‌‌های کارت‌های بانکی به‌دلیل وجود ویژگی‌های ذاتی تراکنش‌ها، نظیر داده‌های نامتوازن  و رانش مفهوم ، چالش‌برانگیز است. درصورتی‌که دو چالش اصلی وجود داده‌های نامتوازن و رانش مفهوم هم‌زمان رخ دهد، تشخیص تقلب بسیار سخت‌تر خواهد شد. در این مقاله، یک الگوریتم طبقه‌بندی ترکیبی  مبتنی بر ماشین بردار پشتیبان به‌همراه به‌روزرسانی پویا ( esvm-ic) به‌عنوان راهکاری برای حل این‌گونه مسائل در داده‌های تراکنش‌های کارت بانکی پیشنهاد شده است. این الگوریتم در مقایسه با دیگر الگوریتم‌های موجود، چند مزیت دارد: 1- نیازی به قطعه داده‌های  گذشته برای یادگیری قطعه دادهٔ جدید ندارد. 2- با استفاده از الگوریتم پیشنهادی، بر داده‌های به‌اشتباه طبقه‌بندی‌شده جهت اصلاح طبقه‌بندی آن‌ها تاکید دارد. 3- می‌تواند با شرایط جابه‌جایی جایگاه کلاس‌های  اقلیت  و اکثریت  منطبق شود. 4- تعداد محدودی از طبقه‌بندی‌های با کارایی بالاتر و نه لزوماً تمام آن‌ها را نگهداری می‌کند. جهت ارزیابی الگوریتم پیشنهادی از یک مجموعه دادهٔ واقعی بانکی استفاده شده است و نتایج با تعدادی از الگوریتم‌ها مقایسه شده است. نتایج حاصل نشان‌دهندهٔ افزایش دقت به میزان 93 درصد و معیار auc 92 درصدی در تشخیص تقلب و کارایی الگوریتم پیشنهادی نسبت به الگوریتم‌های مورد مقایسه است.