>
Fa   |   Ar   |   En
   بهبود تشخیص تقلب در کارت‌های اعتباری بانکی با استفاده از الگوریتم شبکه ی عصبی و علف هرز  
   
DOR 20.1001.2.0020135610.1400.4.1.86.9
نویسنده حنفی فاطمه ,میرعابدینی جواد
منبع همايش ملي فناوريهاي نوين در مهندسي برق، مكانيك و كامپيوتر ايران - 1400 - دوره : 4 - چهارمین همایش ملی فناوریهای نوین در مهندسی برق، مکانیک و کامپیوتر ایران - کد همایش: 00201-35610
چکیده    با توجه به کاربرد روزافزون تجارت الکترونیک در جوامع بشری و استفاده از اینترنت و وجود انواع مختلف کاربران در این حوزه، امنیت داده های تبادل شده از اهمیت ویژه ای برخوردار است. به کارگیری سیستم تشخیص نفوذ یکی از راه کارهای مناسب در این زمینه است که می تواند رفتار نفوذگران در این حوزه را رصد نماید. همچنین با توجه به افزایش انواع روش های نفوذگرانه لزوم استفاده از ابزارهای نوین در سیستم تشخیص نفوذ ضروری به نظر می رسد. از این‌رو، در این تحقیق به استفاده از ترکیب شبکه عصبی و الگوریتم بهینه سازی علف هرز (iwo) در ایجاد یک سیستم یادگیرنده در سیستم تشخیص نفوذ پرداخته می شود. به منظور ارزیابی روش پیشنهادی چندین شبیه سازی صورت گرفته است. در شبیه سازی ها مشخص شده است که روش پیشنهادی با کمینه کردن میزان خطا در فرایند آموزش شبکه عصبی، منجر به افزایش میزان دقت یادگیری شده است. این امر منجر به آن می-شود که فرایند یادگیری تشخیص نفوذ در روش پیشنهادی بهبود یابد تا از آن بتوان در بستر تجارت الکترونیک مورد استفاده قرار داد. همچنین در مقایسه با سیستم مبتنی بر شبکه عصبی، روش پیشنهادی از نتایج مطلوبی برخوردار است.
کلیدواژه سیستم تشخیص نفوذ ,تجارت الکترونیک ,شبکه عصبی ,الگوریتم علف هرز
آدرس دانشگاه آزاد تهران واحد مرکز, ایران, دانشگاه آزاد تهران, ایران
 
   Improving Accuracy of Fraud Detection in Bank Credit Card using Neural Networks and Weed Optimization algorithm  
   
Authors
Abstract   
Keywords
 
 

Copyright 2023
Islamic World Science Citation Center
All Rights Reserved