فهرست نشریات علمی دسترسی آزاد ایران

هدف: امروزه اکثر شرکت‌ها و سازمان‌ها، تجارت الکترونیک را برای به‌دست‌آوردن بهره‌وری در خدمات و محصولات خود، در زمینه‌هایی مانند کارت اعتباری، مخابرات، بیمۀ درمانی، بیمۀ خودرو و غیره به‌کار گرفته‌اند. از طرفی، با توجه به حجم رو به رشد تراکنش‌های کارت‌های اعتباری و انواع روش‌های کلاه‌برداری و تقلب در این کارت‌ها، تقاضا برای کشف تقلب در این حوزه نیز افزایش یافته است. با توجه به انواع راه‌کارها و الگوریتم‌های ارائه‌شده برای کاهش هزینۀ تقلب در تراکنش‌های کارت‌های اعتباری، هدف از این پژوهش، ارائه روشی ترکیبی و بهینه، برای کاهش هزینۀ تشخیص تقلب در تراکنش‌های کارت‌های اعتباری، با استفاده از هم‌جوشی الگوریتم‌های ناهمگن طبقه‌بندی و خوشه‌بندی در سطح تصمیم‌گیری است. روش: این پژوهش روی داده‌های یک مجموعه تراکنش‌های بانک برزیلی در بازۀ زمانی دو ماهه، از ۱۴ جولای ۲۰۰۴ تا ۱۲ سپتامبر همان سال انجام شده است. در این مقاله با استفاده از شبکۀ عصبی مصنوعی، به‌عنوان یک رویکرد با سرپرستی و الگوریتم خوشه‌بندی K نزدیک‌ترین همسایه، به‌عنوان یک رویکرد بدون سرپرستی، تابع هزینه را به‌دست آوردیم. همچنین با توجه به شاخص‌های مختلف کشف تقلب که تاکنون در ادبیات معرفی شده، شاخص هزینۀ کشف تقلب انتخاب و بر اساس این تابع هزینه که نخستین‌بار توسط گادی و همکارانش (۲۰۰۸) معرفی شد، به سنجش این شاخص‌ها پرداختیم. از آنجا که استفاده از تنها یک الگوریتم هزینۀ زیادی دارد، به‌منظور کاهش آن، هم‌جوشی الگوریتم‌ها به دو روش نظریۀ گواه دمستر – شفر و هم‌جوشی احتمالی پیشنهاد شده است. هر دو روش هم‌جوشی در سطح تصمیم استفاده شده و ورودی‌های ناهمگن، از دو رویکرد با سرپرستی و بدون سرپرستی با هم ترکیب شده‌اند. یافته‌ها: با توجه به الگوریتم‌های اجرا شده، استفاده از تنها یک الگوریتم برای به‌دست‌آوردن تابع هزینۀ قابل قبول، می‌تواند بسیار پُرهزینه باشد. در حالی‌که استفاده از رویکرد هم‌جوشی، می‌تواند در کاهش هزینه تأثیر بسزایی داشته باشد. هم‌جوشی احتمالی، در مقایسه با نظریۀ گواه دمسترـ شفر کاهش هزینۀ چشمگیری داشته است که هر دو این الگوریتم‌ها، در سطح تصمیم به‌کار رفته‌اند. هم‌جوشی احتمالی نسبت به شبکۀ عصبی مصنوعی، کاهش هزینه‌ای معادل ۴/۲۱ درصد و نسبت به الگوریتم K نزدیک‌ترین همسایه، کاهش هزینه‌ای معادل ۸/۳۵ درصد داشته است. نتیجۀ این مطالعه، در نهایت با مقاله‌ای که اولین بار این مجموعه داده در آن با الگوریتم سیستم ایمنی مصنوعی به‌کار رفته است، مقایسه شده و کاهش هزینۀ چشمگیری را نشان داده است. نتیجه‌گیری: در این مطالعه با استفاده از دو الگوریتم طبقه‌بندی و خوشه‌بندی و هم‌جوشی آن‌ها در سطح تصمیم، نشان دادیم که روش‌های ترکیبی در مقایسه با استفادۀ هر یک از الگوریتم‌ها به تنهایی، کاهش هزینۀ بیشتری خواهند داشت. همچنین هم‌جوشی احتمالی در مقایسه با نظریۀ گواه دمستر ـ شفر، هزینۀ کمتری برای کشف تقلب در سیستم‌های مالی دارد که این نتیجه درخور توجهی برای بانک‌ها و مؤسسه‌های مالی است تا یک سیستم کشف تقلب خوب بسازند.