روش های هوشمند داده پردازی در تشخیص فریب در سامانه های بانکی

امروزه در صنعت مالی ، دولت ، بخش های شرکت و مصرف کنندگان عادی با پیامدهای بسیار گسترده ای رو برو شده اند . افزایش وابستگی به فن آوری های جدید از قبیل رایانش ابری و محاسبات همراه در سال های اخیر ، روش های مربوط به تشخیص دستی را پیچیده تر کرده و نه تنها زمان گیر ، گران قیمت و نادرست است ، بلکه در عصر داده های بزرگ نیز غیرعملی است . تعجبی ندارد که موسسات مالی با استفاده از روش های آماری و محاسباتی به فرآیندهای خودکار تبدیل شده اند . این مقاله علاوه بر بررسی جامع در مفهوم و مخاطرات استفاده از بانکداری الکترونیکی تعدادی از روش های مدرن برای جلوگیری از کلاهبرداری توسط کشور ها را مقیاس تحلیلی نموده است. کشف کلاهبرداری شامل نظارت بر رفتار جمعی از کاربران رایانه به منظور تخمین ، شناسایی یا جلوگیری از رفتارهای نامطلوب است. از تحقیقات ردیابی کلاهبرداری مالی با استفاده از روش های داده کاوی با تمرکز ویژه بر تکنیک های مبتنی بر هوش محاسباتی CI نشان می دهد . ضمن اینکه در مطالعات تجربی یک شکاف تحقیقاتی شناسایی شد به طوری که عموم مقالات، بررسی ارتباط موجود بین انواع کلاهبرداری ، الگوریتم تشخیص مبتنی بر هوش رقابتی و عملکرد آن ها را مورد خطاب قرار نمی دهند . ما یک طبقه بندی جامع و همچنین تجزیه و تحلیل مقالات کشف تقلب موجود بر مبنای جنبه های کلیدی مانند الگوریتم تشخیص بکار گرفته شده ، نوع کلاهبرداری ، و عملکرد روش های تشخیص انواع تقلب مالی خاص را ارائه کرده ایم . علاوه بر این در روش های داده پردازی برای محاسبه ارزش سرمایه شرکت ها، ارزیابی سرمایه پروژه ها و تخمین رفتارهای نامطلوب سامانه های بانکی در محاسبه ریسک تجارت، روش ترکیبی بیزی_فازی مبتنی بر یادگیری عمیق پیشنهاد می گردد

کلیدواژه ها:

تشخیص ناهنجاری ، روش بیزی_فازی ، سیستم شناسایی کلاهبرداری FDSs