تشخیص تقلب بر اساس تکنیکهای داده کاوی

با بررسی مقالات ده سال گذشته در مورد کشف تقلب مشخص میشود که در اکثر زمینههای کشف تقلب مانند حسابداریمالی، بیمه، کارت-اعتباری، مخابرات و ... روشها و مکانیزمهایی ایجاد گردیده که کارائی بعضی از آنها بسیار بالاست. در اکثر این مقالات نویسندگان )محققین(پیشنهاد دادهاند که ترکیب بعضی از این روشها نتیجه بهتری میدهد. پس از مطالعه و بررسی روشهای مختلف به این نتیجه رسیدیم که ترکیب روشهای k-means ، درخت تصمیم، شبکهعصبی و روش بیزین جواببهتری در اکثر زمینهها میدهد و مربوط به زمینه خاصی نیست و درصد تشخیص تقلب را بالا میبرد. در این تحقیق ابتدا هر یک از روشها را به صورت جداگانه روی بانک اطلاعاتی اعمال کردیم و نتیجه را با نتایج تحقیقات مندرج در مقالههای گذشتهمقایسه نمودیم که نتایج تقریباً یکسان بود سپس از ترکیب روشها استفاده نمودیم. بدین صورت که ابتدا با استفاده از روش K-means عملخوشه بندی روی داده ها را اجرا نمودیم، سپس از روش درخت تصمیمگیری برای مشخص کردن دادههای مشکوک استفاده شد، بعد از آن از روششبکههای بیزین استفاده کرده تا دادههای مشکوک را مشخص کنیم و به همین صورت از روش شبکه عصبی نیز استفاده کردیم. دادههای مشکوک تمام روشها را جمعآوری کرده و دادههای مشکوک تکراری را حذف کردیم. سپس نتیجه را با نتیجه اعمال روش Apriori مقایسه کردیم. داده های مشکوکی که حداقل سطح اعتماد آن ها در Apriori پایین بود به عنوان داده مشکوک پذیرفتیم و دادههای دیگر را حذف نمودیم. نتایجی که از مقایسه روش ترکیبی با روشهای گذشته به دست آمد نشان میدهد که این روش دادههای مشکوک بیشتری را شناسایی میکند و بهبود صحت و کارایی سیستم پیشنهادی را در مقابل سایر روشها نشان میدهد.

کلیدواژه ها:

کشف تقلب ، دادهکاوی ، k-means ، روش بیزین ، apriori ، fraud detection ، data mining