تحقیق استفاده از تکنیک های داده کاوی برای کشف مغایرت در تراکنش های بانکی

توضیحات

تحقیق استفاده از تکنیک های داده کاوی برای کشف مغایرت در تراکنش های بانکی

تقلب و مغایرت در کارت­های اعتباری و تراکنش­های بانکی سالانه میلیاردها دلار خسارت مالی به کسب و کارها و اشخاص وارد می­کند. تکنیک­های داده­کاوی همانند دسته­بندی، رگرسیون و خوشه­بندی برای پیش­بینی تقلب و مغایرت در تراکنش­های بانکی استفاده می­شود. استفاده از الگوریتم­های دسته­بندی با کارایی بالا همانند شبکه­های عصبی، روش فازی و رگرسیون لجستیک، بهبود الگوریتم­های دسته­بندی، پاک­سازی داده­ها و همچنین یادگیری تجمیعی در کشف مغایرتِ تراکنش بانکی به کار گرفته می­شود.

  به دلیل کاربردی بودن مسائل مربوط به تراکنش­های بانکی و کارت­های اعتباری، در این پژوهش یک ارزیابی بر روی مسائل مربوط به کشفِ مغایرت در تراکنش­های بانکی و در این راستا شناسایی برخی از تکنیک­های داده­کاوی خواهیم داشت.

هدف این پژوهش، بررسی و مطالعه کارهای انجام شده در راستای کشفِ تقلب و مغایرت تراکنش‌های بانکی با تکنیک‌های داده‌کاوی می‌باشد.

مقدمه

  دنیایی که در آن زندگی می­کنیم دنیای فناوری­هایی است که برای مکانیزه کردن و تسهیل روش زندگی انسان­ها به کار گرفته می­شوند. عمده کارهای روزمره اعم از ضروری و غیرضروری در این سبک زندگی، همسو با فناوری شده­اند. برای مثال کلیدهایی که به شکل کارت­های مغناطیسی درآمده­اند یا بانک­هایی که شعبات مجازی دارند. تمامی صنایع از فناوری­های نوینی بهره­مند شده­اند که برای خدمت­رسانی آسان­تر و بهتر ارائه شده­اند تا مشتریان به سطح مطلوبی از خدمات و تجربه کاری برسند]4[.

  بالا رفتن گردش­های بانکی افراد و تجارت­های فرامرزی و همچنین هزینه­های تولید و نگهداری و مبادلات ارزی، هزینه­های گزافی برای سازمان­ها در بر دارد. در کنار این، رشد چشمگیر فناوری­ها نظیر سامانه­های متمرکز بانکداری، مفاهیم پول مجازی و کارت­های اعتباری، کارت­های خرید، ترمینال­های فروشگاهی، دستگاه­های خودپرداز و کیوسک­ها تحولی نو در صنعت بانکداری و تجارت الکترونیکی به شمار می­آید. تجارت الکترونیکی باعث شده است که توجه­ها از خرده­فروشی­ها و فروشگاه­های فیزیکی به فضای مجازی معطوف شود. در جوامع امروز تجارت الکترونیکی یکی از کانال­های اصلی فروش در تجارت جهانی محسوب می­شود. تجارت الکترونیکی با استفاده از سیستم­های پرداخت الکترونیکی، توانایی انجام معاملات، دریافت خدمات و اطلاعات را بر روی اینترنت ایجاد کرده است. همانگونه که رشد این فناوری­ها فرصت خوبی برای تجارت جهانی به ارمغان آورده است، از طرف دیگر تهدیدات عدیده­ای را برای بانک­ها، شرکت­های پرداخت الکترونیکی و کاربران به همراه داشته که غیرقابلِ اِغماض است]4[. بنابراین کشف مغایرتِ[1] تراکنش­های بانکی به موضوعی بسیار مهم برای سازمان­های ارائه­ دهنده خدمات و محصولات به ویژه در مواردی که هزینه کالا یا خدمات بصورت الکترونیکی پرداخت می­گردد تبدیل شده است.

…

فهرست مطالب  تحقیق استفاده از تکنیک های داده کاوی برای کشف مغایرت در تراکنش های بانکی

• 1 فصل اول: کلیات پژوهش
•    1 -1مقدمه2
•    1-2بیان مساله4
•    1-3ضرورت انجام پژوهش5
•    1-4پرسش­های پژوهش6
•    1-4-1پرسش اصلی پژوهش7
•    1-4-2پرسش فرعی پژوهش7
•    1-5فرضیه پژوهش7
•    1-6اهداف پژوهش7
• 1-7روش کار پژوهش8
•   1-7-1مراحل انجام پژوهش8
• 1-8 ساختار گزارش پژوهش9
• 2 فصل دوم: ادبیات پایه پژوهش
• 2-1مقدمه11
• 2-2ادبیات پایه پژوهش11
• 2 -2-1 تقلب11
• 2-2-1-1 تقلب بانکی13
• 2-2-2 تراکنش بانکی14
• 2-2-3 داده­کاوی14
• 2-2-4 الگوریتم­های خوشه­بندی15
• 2-2-4-1 الگوریتم K-means16
• 2-2-4-2 مدل مخفی مارکوف17
• 2-2-4-3 شبکه عصبی18
• 2-2-4-4 درخت تصمیم 19
• 2-2-4-5 شبکه­های بیزین19
• 2-2-4-6 منطق فازی20
• 2-2-4-7 تخصیص دیریکله پنهان21
• 2-2-4-8 تجزیه وتحلیل معنایی پنهان احتمالاتی22
• 2-2-5الگوریتم­های تکاملی22
• 3 فصل سوم: پیشینه پژوهش
• 3-1 مقدمه27
• 3-2پیشینه پژوهش27
• 3-3 جمع­بندی پژوهش31
• 3-4 نتیجه­گیری تحقیق31
• منابع فارسی33
• منابع لاتین34

منابع  تحقیق استفاده از تکنیک های داده کاوی برای کشف مغایرت در تراکنش های بانکی

]1[. سید حسین سیادت، هما رباب اسمعیلی، طوفان عزیزی،” بررسی و مقایسه روش­های داده­کاوی جهت کشف تقلب در ترانکش­های بانکی”، دومین کنفرانس بین­المللی مدیریت در قرن 21، شهریور سال1394.

]2[.دکتر محمد رضا اکبرزاده توتونچی، “جزوه درسی محاسبات نرم”، دانشگاه آزاد سنندج، سال 1389.

]3[. مهدی نظری، مریم حبیبی،” بررسی روش­­هایLDA  وLSA  و PLSAدر متون­کاوی، چهارمین کنفرانس بین­المللی در مهندسی برق و کامپیوتر، سال 1395.

[6] Prabin Kumar Panigrahi,” A Framework for Discovering Internal Financial Fraud using Analytics”, 2011 International Conference on Communication Systems and Network Technologies, IEEE, 2011.

[7] Bronson Duhart, Neil Hernández-Gress,” Review of the Principal Indicators and Data Science

Techniques used for the Detection of Financial Fraud and Money Laundering”, IEEE, 2016.

 [8]  John O. Awoyemi, Adebayo O. Adetunmbi, Samuel A. Oluwadare,” Credit card fraud detection using Machine Learning Techniques”, IEEE, 2017.

[9]  Yadong Zhou, Ximi Wang, Junjie Zhang, Peng Zhang, Lili Liu, Huan Jin, and Hongbo Jin

 Analyzing and Detecting Money-Laundering Accounts in Online Social Networks”, IEEE Network • Accepted for publication, IEEE, 2017.

[10] Nayer­A. Hamidia, Mahdi Rahimi G. K.b, Alireza Nafariehc, Ali Hamidic, Bill Robertsonc,” Personalized Security Approaches in E-Banking Employing Flask Architecture over Cloud Environment”,The 4th International Conference on Emerging Ubiquitous Systems and Pervasive Networks (EUSPN-2013), Elsevier, 2013.

[11] N.M. Gunathilake, A.P.B.Padikaraarachchi, S.P.Koralagoda, M.G.Jayasundara
, “Enhancing the security of online banking systems via keystroke dynamics”, Computer Science & Education (ICCSE), 2013 8th International Conference on , IEEE, 2013.

[12] Cătălin LUPU, Valeriu LUPU,” Fingerprints used for security enhancement of online banking authentication process”, ECAI 2015 – International Conference – 7th Edition Electronics, Computers and Artificial Intelligence 25 June -27 June, 2015, Bucharest, ROMÂNIA, IEEE, 2015.

 [13] Ting Lei, Hongmei Zhang ,“ The Empirical Analysis of Effecting Online Banking Information Security Products Customer Satisfaction”, Intelligent Human-Machine Systems and Cybernetics (IHMSC), 2015 7th International Conference on ,IEEE,2015.

[14]  Andrea Dal Pozzolo, Giacomo Boracchi, Olivier Caelen, Cesare Alippi,” Credit Card Fraud Detection: A Realistic Modeling and a Novel Learning Strategy”, IEEE TRANSACTIONS ON NEURAL NETWORKS AND LEARNING SYSTEMS, ICFDT3, IEEE, 2017.

[15] Marianela Garc´ıa Lozano, Jonah Schreiber, Joel Brynielsson,” Tracking Geographical Locations using a Geo-Aware Topic Model for Analyzing Social Media Data”, Accepted Manuscript ,2017.

توجه:

تحقیق استفاده از تکنیک های داده کاوی برای کشف مغایرت در تراکنش های بانکی شامل یک فایل ورد 40 صفحه ای می باشد.

لینک دانلود فایل بلافاصله پس از خرید بصورت اتوماتیک برای شما ایمیل می گردد.

سفارش تحقیق

به منظور سفارش تحقیق مرتبط با رشته تخصصی خود بر روی کلید زیر کلیک نمایید.

سفارش تحقیق