تشخیص ناهنجاری در شبکه ی پیچیده تراکنش‌های بانکی با رویکرد بدون نظارت

یکی از مهم ترین چالش های موجود در حوزه بانکی، تقلب های مجرمانه ناشی از تراکنش های بانکی است که گاه بصورت فردی و گاه سازمان یافته انجام می شود. ردیابی این گونه فعالیت های غیرقانونی، امری دشوار است. هدف ما در این مقاله، شناسایی مشتریان بانکی است که فعالیت‌های مشکوک به تقلب های سازمان یافته دارند. باتوجه به پیچیده و متفاوت بودن روش های تقلب و عدم وجود داده‌های واقعی دردسترس، تراکنش در نگاه اول ممکن است مشکوک به نظر نرسد، بنابراین نیاز است تعاملات بین کارت ها در نظر گرفته شود. در این تحقیق، بجای مجموعه داده اولیه ی برچسب گذاری شده از مجموعه داده بدون برچسب و از روش های شبکه ای استفاده شده است. طبق رویکرد پیشنهادی، ابتدا برای هر کارت بدون ایجاد شبکه ، استخراج ویژگی انجام شده و با استفاده از الگوریتم های جنگل ایزوله و شناسایی داده پرت با توزیع تجمعی میزان تشخیص ناهنجاری مشخص شده است. سپس استخراج ویژگی ها از شبکه گره ها، شبکه ی خودمحور و شبکه ی خودمحورکاهش یافته انجام شده و با استفاده از الگوریتم های فوق و به روش بوستینگ ناهنجاری تشخیص داده شد. مجموعه داده استفاده شده مربوط به تراکنش های مشتریان یکی از بانک های ایران در هفت روز است. طبق نتایج بدست آمده، استفاده از شبکه تراکنش-های بانکی بعد از مرحله تشخیص ناهنجاری بدون ایجاد شبکه باعث بهبود 10 درصدی نتایج شده است