تسهیم گزاری تشخیص تقلب در کارت های بانکی براساس پردازش تصویر با استفاده از الگوریتم های حوزه یادگیری ماشین

بخش بانکی در آستانه یک تحول جدی است و محور پشت آن هوش مصنوعی (ai) است. اپلیکیشن‌های جدید هوش مصنوعی قبلاً برای مقابله با چالش‌ها در زمینه‌های امتیازدهی اعتبار، ارزیابی ریسک، تجربه مشتری و مدیریت پورتفولیو پیشنهادشده‌اند. یکی از بحرانی ترین چالش ها در بخش فوق، کشف تقلب در جریان معاملات است. اخیراً مدل‌های یادگیری عمیق برای مقابله با مشکل خاص از نظر شناسایی و پیش‌بینی رویدادهای تقلبی احتمالی معرفی شده‌اند. هدف تخمین توزیع ناشناخته تراکنش های عادی/متقلبانه و سپس شناسایی انحرافاتی است که ممکن است نشان دهنده یک تقلب بالقوه باشد. در این مقاله، یک مدل یادگیری عمیق چند مرحله‌ای جدید را توضیح می‌دهیم که هدف آن مدیریت موثر جریان‌های ورودی تراکنش‌ها و شناسایی موارد تقلبی است. ما استفاده از دو رمزگذار خودکار را برای انجام انتخاب ویژگی و یادگیری نمایش فضای داده نهفته بر اساس یک مدل بهینه‌سازی غیرخطی پیشنهاد می‌کنیم. در ویژگی‌های قابل توجه ارائه‌شده، ما متعاقباً از یک شبکه عصبی پیچیده عمیق برای شناسایی تقلب‌ها استفاده می‌کنیم، بنابراین دو بلوک پردازشی مختلف را با هم ترکیب می‌کنیم. هدف ترکیب اتخاذ شده شناسایی تقلب ها در مورد نمایش داده های پنهان آشکار است و نه بر روی داده های اولیه.