کارت های بانکی

هرچند آمار دقیقی از تقلب در کارت های بانکی معتبرِ کشور وجود ندارد، به نظر می رسد تقلب در کارت های بانکی روند رو به رشدی دارد و می تواند در آینده نه چندان دور به یکی از معضلات سیستم بانکی کشور تبدیل شود. متأسفانه هنوز در کشورمان تحقیقات مناسبی در این خصوص صورت نگرفته و سیستم بانکی مدل یا مدل هایی کارا نیاز دارد که بتواند امنیت استفاده از کارت های بانکی را تضمین کند. لذا در این پژوهش، پس از شناسایی انواع تقلب های رایج در زمینه کارت های بانکی و شبیه سازی تراکنش های متقلبانه، با بهره گیری از شبکه های عصبی مصنوعی، مدلی برای طبقه بندی تراکنش ها به تراکنش های سالم و متقلبانه (مشکوک به تقلب) ایجاد شد. این مدل که از نوع شبکه عصبی پرسپترون چندلایه است، علاوه بر اینکه مبتنی بر سیستم بانکی داخلی کشور است، توانسته است با دقت 99درصد، عملکرد نسبتاً خوبی در طبقه بندی مزبور داشته باشد. با مقایسه معیارهای ارزیابی عملکرد محاسبه شده این پژوهش و نتایج مدل های ارائه شده در مطالعات دیگر، مشخص شد معیارهای ارزیابی عملکرد پژوهش حاضر از روایی و پایایی مناسبی برخوردارند

با رشد روز افزون استفاده از کارت های الکترونیکی، به خصوص در صنعت بانکی، حجم تراکنش با این کارت ها نیز به سرعت افزایش پیدا کرده است. به علاوه، ذات مالی این کارت ها سبب ایجاد مطلوبیت تقلب در این حوزه شده است. تحقیق حاضر با رویکرد پردازش موازی و راه حل نگاشت کاهش، از شبکه عصبی مدل کوهونن برای کشف ناهنجاری در تراکنش کارت های بانکی استفاده کرده است. برای این منظور، در مرحله نخست راه حلی برای طبقه بندی تراکنش ها به تقلب آمیز و قانونی پیشنهاد شد که نسبت به روش های دیگر عملکرد بهتری از خود نشان داد. در مرحله بعد، روش پیشنهادی به دست آمده از تبدیل شبکه کوهونن به فرم استفاده شده نگاشت کاهش، توانست قابلیت مناسبی را از نظر زمان اجرا به نمایش بگذارد؛ به طوری که انتظار می رود در تراکنش هایی با مفروضات بزرگ داده به خوبی پیاده سازی شود.