021-22222711 info@pdnco.ir

کشف تقلب در سیستم‌های مالی و بانکی با مدل‌های متفاوت

برای کشف تقلب در سامانه های بانکی روش های متفاوتی وجود دارد

شرکت پایانه های داده ای نوین - خدمات انفورماتیک، سخت افزار و نرم افزار | کشف تقلب در سیستم‌های مالی و بانکی با مدل‌های متفاوت

برای کشف تقلب در سامانه های بانکی روش های متفاوتی وجود دارد.در سامانه های کشف تقلب از روش های چندگانه برای جلوگیری از تخلفات مالی استفاده می شود.

روش ساده

در سیستم های کشف تقلب ماژول هایی تعبیه شده اند و به صورت پایه ای این ماژول ها بر اساس یکسری قوانین ساده، برخی از تقلب ها را کشف می کنند و بیشتر بر مبنای تقلب های تکرار شده تعیین شده است و نقطه ضعف آن عدم کشف تقلب های جدید است.

روش مبتنی بر پروفایل

روش هایی مبتنی بر پروفایل (حساب، کارت، مشتری، شعبه و بانک) از دیگر الگوهای کشف تقلب است و در این روش استخراج الگوهای نامتعارف و تحلیل پیشرفته داده بر اساس رفتار NTT حساب ها ارزیابی می شود.

نقاط ضعف و قوت

نقاط ضعف روش مبتنی بر پروفایل در شناسایی تقلب: عدم پشتیبانی مفهوم تغییر رفتار (Concept Dirift)، تنظیم سطح حساسیت و عدم کشف تقلب های پیچیده از نقاط ضعف این روش و کارآمد بودن نسبت به روش های تقلب جدید، عدم مشکوک شدن و پیچیدگی متوسط در سیستم از نقاط قوت این روش بود.

شاه کلید کشف تقلب در مسائل مالی استخراج الگوی هر مشتری است. وی با بیان اینکه یادگیری ماشین، شاخه ای از هوش مصنوعی است که به دنبال قابلیت یادگیری و ادراک سیستم های کامپیوتری است اعلام کرد : هدف در روش های یادگیری ماشین، استخراج دانش و یادگیری الگوها در داده ها است.

دسته بندی در موسسات مالی

 از کاربردهای دسته بندی در موسسات مالی می‌توان گفت: دسته بندی ها بر اساس تشخیص هویت مشتری با اثر انگشت، صدا و عنبیه و تشخیص تراکنش های متقلبانه صورت می گیرد.

روش مبتنی بر یادگیری ماشین

در این مدل هدف در روش یادگیری ماشین، استخراج دانش و یادگیری الگوها در داده است و از طریق دو شیوه اجرا می شود.