کشف تقلب در سامانه های پرداخت الکترونیک با استفاده از یادگیری عمیق

یکی از مهم‌ترین موانع برای استفاده از بانکداری الکترونیک، عدم امنیت تراکنش‌ها و بروز تقلب در مسیر انجام مبالات مالی است. با توجه به رشد روزافزون تقلب که باعث از دست دادن سرمایه‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌های زیادی در سطح جهان و ایران شده و نظر به اینکه از یک سو روش‌های زیادی برای کشف تقلب ارائه شده است ولی روش‌های تقلب هم مدرن‌تر شده و در حوزه‌های مختلف در حال رشد هستند و از سوی دیگر حجم بالای داده و شباهت زیاد بین آن‌ها باعث می شود طبقه بندی داده به متقلبانه و سالم کار بسیار دشواری باشد و نیز یکی از مشکلات در تشخیص تقلب، تنوع و تغییر مداوم شیوه‌های تقلب است و موفقیت در پیشگیری و یا تشخیص یک نوع تقلب باعث به وجود آمدن روشی دیگر می‌شود. بنابراین در این پژوهش بر آن شد که روشی برای کشف تقلب در حوزه پرداخت با حضور کارت‌های اعتباری ارائه شود و در این حوزه تمرکز را بر روی تقلب‌هایی که از سوی پذیرنده کارت و با استفاده از دستگاه pos صورت می گیرد قرار داده شد. در این پژوهش برای شناسایی تقلب از روش ترکیبی یادگیری عمیق با شبکه های عصبی (ann) به همراه متد خودرمزنگار به شناسایی ناهنجاری‌ها در مجموعه داده پرداخته شد که با دقت بالایی تراکنش‌ها به دو دسته متقلبانه و مجاز طبقه بندی شد. برای آموزش و طبقه بندی داده‌ها و کاهش اندازه داده از متد خودرمزنگار استفاده شد که دو روش با حضور ناظر و بدون حضور ناظر بررسی شد و پس از ساخت مدل و پردازش آن با دقتی بالغ بر 83٪ موارد تقلب و تقریبا 100٪ موارد غیر تقلب شناسایی شد.