یک روش ایمن برای معاملات خودرویی در چرخه صنعت خودرو با رویکرد یادگیری ماشین و هوش گروهی

یکی از اطلاعات مهم و کاربردی که برای خرید و معامله خودرو مورد استفاده قرار گرفته می شود، اطلاعات کارت اعتباری مشتریان برای معاملات خودرویی در چرخه خرید و فروش خودرو است. این اطلاعات می تواند شامل الگوهای ارزشمندی باشد و می توان به کمک یک ابزار تحلیلی، اقدام به اعتبارسنجی آن نمود. در بیشتر موارد کارتهای اعتباری دستکاری می شوند یا در فرآیندهای پولشویی برای معاملات خودرویی استفاده می شوند. در روش پیشنهادی مشاهده می شود که در ابتدا درخواست معامله خودرو توسط یک مرکز دریافت شده و بر اساس یادگیری ماشین و شبکه عصبی مصنوعی تلاش می شود تا تشخیص داده شود آیا کارت اعتباری برای خرید خودرو مشکلی ندارد(سرقتی یا تقلبی) و سپس در ادامه نیز اگر احراز هویت کارت اعتباری برای خرید خودرو بدون مشکل باشد فاز دوم انجام می شود. در فاز دوم تلاش می شود تا بتوان به کمک بلاک چین به عنوان یک سیستم توزیع شده صحت معامله و خودرو را مورد بررسی قرار داد. ارزیابی و آزمایشات نشان می دهد خطای rmse روش پیشنهادی برای پیش بینی وقوع تخلف در معاملات خودرویی برابر 0.319 است و این درحالی است که خطای درخت تصمیم گیری، شبکه عصبی، ماشین بردار پشتیبان و جنگل تصادفی به ترتیب برابر 0.4085، 0.3758، 0.4360 و 0.3883 است. در بین این روش ها روش پیشنهادی دارای کمترین خطا در تحلیل اطلاعات هر بلاک مرتبط با بلاک چین در معاملات خودرویی است.