تشخیص موثر تقلب ها و کلاهبرداری بانکی پیشرفته آنلاین

نوع فایل : word

تعداد صفحات : 47

تعداد کلمات : 11000

مجله : World Wide Web

انتشار : 2013

ترجمه ی متون جدول : ترجمه شده است

درج جداول در فایل ترجمه : درج شده است

منابع داخل متن : به صورت فارسی درج شده است

کیفیت ترجمه : طلایی

فونت ترجمه : ب نازنین 12

تاریخ انتشار
4 ژوئن 2020
دسته بندی
تعداد بازدیدها
1449 بازدید
24,000 تومان

عنوان فارسی مقاله:تشخیص موثر تقلب ها و کلاهبرداری های بانکی پیشرفته آنلاین در داده های به شدت نامتوازن

 چکیده

تقلب در بانکداری آنلاین نشان دهنده منابع یکپارچه اجتماعی، سایبری و دنیای فیزیکی است. این تشخیص نوعی استفاده از اینترنت و موارد گسترده با روش (W2T) است. با این حال، اطلاعات بسیار محدودی برای تشخیص تقلب پویا از رفتار مشتری واقعی در چنین محیط اطلاعاتی بسیار پراکنده و نامتوازن در دسترس می‌باشد، که باعث می‌شود تشخیص فوری و مؤثر بیشتر مهم و چالش برانگیز شود. در این مقاله، ما یک چارچوب آنلاین تشخیص تقلب بانکی مؤثر داریم که از ترکیب منابع مربوطه و شامل چندین تکنیک پیشرفته داده کاوی است. با ساخت یک بردار برای هر معامله بر اساس توالی رفتار تاریخی مشتری، ما نرخ افتراق هر معامله موجود در برابر مشخصات رفتار مشتری را بدست می‌آوریم. یک الگوریتم، کانترست ماینبر برای کاوش مؤثر الگوهای کانترست و تفکیک رفتارهای جعلی از اصیلی معرفی شده است، به دنبال انتخاب الگوی مؤثر که ترکیبی از پیش بینی مدل‌های مختلف و خطر است. نتایج حاصل از آزمایشات واقعی داده‌های بانکی آنلاین در مقیاس بزرگ نشان می‌دهد که سیستم ما می‌تواند به دقت بالاتر و حجم هشدار پایین‌تر از سیستم تشخیص تقلب، معیار ترکیب دانش تخصصی و روش‌های تشخیص تقلب سنتی دست یابد(کلاهبرداری های بانکی پیشرفته آنلاین).

ادامه مطلب

راهنمای خرید:
  • لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
  • همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
  • ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
  • در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.

TITLE: Effective detection of sophisticated online banking fraud on extremely imbalanced data

Abstract

Sophisticated online banking fraud reflects the integrative abuse of resources in social, cyber and physical worlds. Its detection is a typical use case of the broad-based Wisdom Web of Things (W2T) methodology. However, there is very limited information available to distinguish dynamic fraud from genuine customer behavior in such an extremely sparse and imbalanced data environment, which makes the instant and effective detection become more and more important and challenging. In this paper, we propose an effective online banking fraud detection framework that synthesizes relevant resources and incorporates several advanced data mining techniques. By building a contrast vector for each transaction based on its customer’s historical behavior sequence, we profile the differentiating rate of each current transaction against the customer’s behavior preference. A novel algorithm, ContrastMiner, is introduced to efficiently mine contrast patterns and distinguish fraudulent from genuine behavior, followed by an effective pattern selection and risk scoring that combines predictions from different models. Results from experiments on large-scale real online banking data demonstrate that our system can achieve substantially higher accuracy and lower alert volume than the latest benchmarking fraud detection system incorporating domain knowledge and traditional fraud detection methods.

 

    دیدگاهتان را بنویسید