كشف و شناسايي اشخاص پرمخاطره و مشكوك به تقلب‌هاي مالي در شبكه تعاملات مالي با استفاده از روش‌هاي خودكار مبتني بر گراف‌كاوي

كارشناسي ارشد

امروزه با پيشرفت روزافزون فن‌آوري اطلاعات و ارتباطات، انسان در هر لحظه با حجم انبوهي از داده‌ها مواجه است، كه اين داده‌هاي عظيم از منابع مختلفي ازجمله كسب‌وكار، تعاملات اجتماعي، مهندسي و غيره، استخراج مي‌شوند. تحليل و پردازش اين حجم از داده‌ها با روش‌هاي سنتي ميسر نيست و مستلزم استفاده از روش‌هايي نوين است. داده‌كاوي از بهترين راهكارها، جهت شناسايي الگوهاي موجود در حجم زيادي از داده‌ها محسوب مي‌شود. يكي از زمينه‌هايي كه داده‌كاوي نقش مؤثري در آن ايفا مي‌كند، كشف تقلب و مخاطرات در تعاملات (اجتماعي، اقتصادي و غيره) است. محققين با استفاده از مدل‌ها و الگوهاي حاصل از روش‌هاي داده‌كاوي، مخاطرات موجود در اين‌گونه از تعاملات را به‌صورت خودكار، كشف و شناسايي مي‌كنند. در اين پژوهش قصد داريم، ابتدا به معرفي و بررسي برخي از روش‌هاي خودكار مبتني بر داده‌كاوي كه در ساليان اخير به‌منظور تشخيص و كشف تقلب ارائه‌شده‌اند بپردازيم، سپس اهميت روش‌هاي مبتني بر گراف كاوي و مزاياي آن را مورد بحث قرار مي‌دهيم و در بخش انتهايي يكي از مسائل دنياي واقعي، كه مربوط به اختصاص اعتبار و تشخيص مخاطره اشخاص است را در مجموعه دادگان اعتبار آلماني به‌صورت دقيق‌تر مورد تحليل و بررسي قرار دهيم و به معرفي روش پيشنهادي خود، كه تلفيقي از روش‌هاي K-Medoids، گراف‌كاوي و شبكه عصبي چندلايه است مي‌پردازيم. نشان مي‌دهيم روش نوين ارائه‌شده در اين پژوهش، نسبت به ديگر الگوريتم‌هاي ارائه‌شده در اين دامنه، در راستاي پيش‌بيني و تشخيص مخاطره اشخاص عملكرد بهتري به نمايش مي‌گذارد.

192047

دانشگاه علم و صنعت ايران

دكتر بهروز مينايي بيدگلي

نرم افزار

دكتر حسين رحماني