مدیریت فناوری اطلاعات، جلد ۶، شماره ۴، صفحات ۷۲۱-۷۴۶
عنوان فارسی شناسایی تقلب در کارت‌های بانکی با استفاده از شبکه‌های عصبی مصنوعی
چکیده فارسی مقاله هرچند آمار دقیقی از تقلب در کارت‌های بانکی معتبرِ کشور وجود ندارد، به نظر می‌رسد تقلب در کارت‌های بانکی روند رو به رشدی دارد و می‌تواند در آیندۀ نه‎چندان 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 مدل‌هایی کارا نیاز دارد که بتواند امنیت استفاده از کارت‌های بانکی را تضمین کند. لذا در این پژوهش، پس از شناسایی انواع تقلب‌های رایج در زمینۀ کارت‌های بانکی و شبیه‌سازی تراکنش‌های متقلبانه، با بهره‌گیری از شبکه‌های عصبی مصنوعی، مدلی برای طبقه‌بندی تراکنش‌ها به تراکنش‌های سالم و متقلبانه (مشکوک به تقلب) ایجاد شد. این مدل که از نوع شبکۀ عصبی پرسپترون چندلایه است، علاوه‎بر اینکه مبتنی بر سیستم بانکی داخلی کشور است، توانسته است با دقت 99درصد، عملکرد نسبتاً خوبی در طبقه‌بندی مزبور داشته باشد. با مقایسۀ معیارهای ارزیابی عملکرد محاسبه‎شدۀ این پژوهش و نتایج مدل‌های ارائه‎شده در مطالعات دیگر، مشخص شد معیارهای ارزیابی عملکرد پژوهش حاضر از روایی و پایایی مناسبی برخوردارند
کلیدواژه‌های فارسی مقاله پرسپترون چندلایه، تقلب، شبکۀ عصبی، کارت‌های بانکی،
عنوان انگلیسی Bank card fraud detection using artificial neural network
چکیده انگلیسی مقاله There is no accurate data for the bank cards fraud in Iran. But, it seems to be a growing trend in this regard and in the near future it is going to become one of the critical problems in Iran's banking system. Unfortunately, not enough research works have been done in this field in our country and the banking system requires models that are efficient enough to ensure safe use of bank cards. In this paper, after identifying the most common types of bank cards frauds and fraudulent transactions simulation, Artificial Neural Network (ANN) was used for the classification of transactions into two types of legitimate (non-fraud) and fraudulent (suspicious) actions. The proposed model is a Multi-Layer Perceptron (MLP) neural network designed based on the domestic banking system and is able to classify the transactions with more than 99 percent accuracy. Measures of performance calculated in this study are compared with the results of other research models. The results show that the proposed model is quite reliable and valid.
کلیدواژه‌های انگلیسی مقاله bank card, Fraud, Multi-layer perceptron, neural network
نویسندگان مقاله ملیحه وثوق |
کارشناس‎ارشد مدیریت فناوری اطلاعات، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران، ایران
سازمان اصلی تایید شده: دانشگاه آزاد اسلامی علوم و تحقیقات (Islamic azad university science and research branch)

محمد تقی تقوی فرد | mohammad taghi
استادیار گروه مدیریت صنعتی، دانشگاه علامه طباطبائی، تهران، ایران
سازمان اصلی تایید شده: دانشگاه علامه طباطبایی (Allameh tabatabaii university)

محمود البرزی |
استادیار گروه مدیریت صنعتی، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران، ایران
سازمان اصلی تایید شده: دانشگاه آزاد اسلامی علوم و تحقیقات (Islamic azad university science and research branch)

نشانی اینترنتی http://jitm.ut.ac.ir/article_51912_4a0d5f8ce5f039c7989204c069cdaf17.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1085/article-1085-210273.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات