| تحلیل تقلب در تراکنشهای کارت اعتباری با استفاده از الگوریتم H2O Gradient Boosting و با استفاده از تحلیل زمانی |
| کد مقاله : 1232-NAEC |
| نویسندگان |
|
محمد گودرزی *1، محمدرضا حسنی آهنگر2، رامین دلیر3 1دانشجوی کارشناسی ارشد هوش مصنوعی دانشگاه جامع امام حسین علیه السلام 2استاد تمام دانشگاه جامع امام حسین(ع) 3دانشجوی دکتری هوش مصنوعی دانشگاه زنجان |
| چکیده مقاله |
| شناسایی تقلب در تراکنشهای کارت اعتباری بهعنوان یکی از چالشهای مهم در حوزه امنیت مالی و بانکی مطرح است.در پژوهش هایی که در سالیان اخیر انجام شده سعی در شناسایی این موضوع مهم مطرح است. در این پژوهش، از الگوریتم H2O Gradient Boosting Machine (H2O GBM) بهمنظور تحلیل و کشف تقلب استفاده شده است. دادههای مورد بررسی شامل ویژگیهای زمانی و ماهانه تراکنشها هستند که اهمیت آنها در فرآیند شناسایی تقلب مورد تحلیل قرار گرفته است. ابتدا، پیشپردازش دادهها انجام شده و ویژگیهای کلیدی شناسایی شدند. سپس، مدل H2O GBM با استفاده از دادههای آموزشی طراحی و آموزش داده شد. عملکرد مدل با استفاده از معیارهایی همچون دقت، F1-Score و نمودار ROC مورد ارزیابی قرار گرفت. نتایج نشاندهنده دقت بالای مدل در شناسایی تقلب و تأثیر مهم ویژگیهای زمانی در بهبود عملکرد مدل است. این پژوهش میتواند به ارتقای امنیت سیستمهای مالی و کاهش خسارات ناشی از تقلب کمک شایانی نماید. |
| کلیدواژه ها |
| شناسایی تقلب، تراکنشهای کارت اعتباری، الگوریتم H2O GBM، ویژگیهای زمانی |
| وضعیت: پذیرفته شده |
