تاریخ انتشار : ۱۴۰۱/۰۲/۲۵ ساعت ۱۷:۱۱
کد مطلب : ۳۳۶۶۰۸
روشی برای کشف تقلب در تراکنش‌های بانکی
گروه علمی: محققان دانشکده مهندسی کامپیوتر دانشگاه صنعتی امیرکبیر موفق به کشف تقلب در تراکنش‌های بانکی با استفاده از هوش مصنوعی شدند که این طرح به عنوان برگزیده نهایی گروه اقتصاد و بانکداری در دومین جشنواره بین‌المللی کنز انتخاب شده است.به گزارش ایسنا، دکتر سعیده ممتازی، دانشیار گروه هوش مصنوعی دانشکده مهندسی کامپیوتر دانشگاه صنعتی امیرکبیر و مجری طرح «کشف تقلب در تراکنش‌های بانکی و کارت‌های اعتباری با استفاده از هوش مصنوعی» گفت: ویژگی اصلی طرح استفاده از روش‌های نوین هوش مصنوعی در حل یکی از مشکلات حوزه بانکداری است.
وی با بیان این‌که این تحقیق از روش‌های روز دنیا در یادگیری عمیق و هوش مصنوعی بهره برده است، گفت: در راستای ثبت علمی و انتشار مقالات علمی روش پیشنهادی با داده‌های استاندارد بین‌المللی موجود آموزش داده شده که توانسته به نتایج خوبی در حوزه پژوهشی خود برسد.به گفته محقق دانشگاه صنعتی امیرکبیر، جهت بومی‌سازی و تجاری‌سازی این طرح و استفاده از آن در کشور نیاز است با داده‌های همان حوزه مدل‌ها را آموزش داده و مورد استفاده قرار دهیم.
وی با بیان این‌که ایده اصلی این طرح از روش‌های هوش مصنوعی در پردازش متن ایجاد شده است، گفت: در پردازش داده‌های متنی ارتباط زیادی بین زنجیره کلمات در متن وجود دارد که درنظرگرفتن این ارتباط باعث می‌شود بتوان روش‌های دقیق‌تر و مؤثرتری را در پردازش متن و پیش‌بینی برچسب واژه‌ها به‌کار برد.
وی ادامه داد: با بهره‌گیری از ایده مشابه سعی کردیم روش‌هایی که ماهیت مدل‌سازی دنباله‌ها را دارند، مورد استفاده قرار دهیم و ارتباط بین دنباله تراکنش‌ها را کشف کنیم تا براساس آن تشخیص دقیق‌تری در مورد تقلب در تراکنش‌ها داشته باشیم.
ممتازی ادامه داد: در حال حاضر با توجه به ماهیت روش‌های مورد استفاده امکان ارائه یک نرم‌افزار یا محصول آماده جهت استفاده در محیط‌های مختلف بانکی وجود ندارد و برای استفاده از این محصول نیاز است برای هر حوزه دادگان مربوط به آن پس از رعایت محرمانگی داده جهت آموزش مدل مورد استفاده قرار گیرد.
به گفته مجری طرح، نتیجه این تحقیق در حوزه بانکداری و همچنین هر حوزه دیگری که احتمال تقلب در دادگان آن وجود دارد، قابل استفاده است.
وی درخصوص نتیجه این طرح گفت: در صورت عقد قرارداد با بانک‌ها یا سایر سازمان‌های مرتبط می‌توان با استفاده از داده‌های همان حوزه طرح را به محصولی جهت کشف تقلب تبدیل کرد.وی افزود: کارهای متعددی در زمینه کشف تقلب انجام شده است، اما ویژگی اصلی این طرح استفاده از روش‌هایی است که در مرزهای دانش این حوزه قرار دارد.
بنا بر اعلام روابط عمومی دانشگاه امیرکبیر، این طرح به عنوان برگزیده نهایی گروه اقتصاد و بانکداری در دومین جشنواره بین‌المللی کنز (از برنامه‌های جنبی جایزه مصطفی (ص)) انتخاب شده است. دو مقاله بین‌المللی ISI از این طرح منتشر شده است. مدل‌سازی دنباله‌ای داده‌ها، در نظر گرفتن ارتباط بین تراکنش‌های مختلف، استفاده از ترکیب چندین مدل یادگیری مختلف در قالب روش‌های نوین یادگیری عمیق مهم‌ترین نوآوری‌های این طرح بوده است.
وی با بیان این‌که ایده اصلی این طرح از روش‌های هوش مصنوعی در پردازش متن ایجاد شده است، گفت: در پردازش داده‌های متنی ارتباط زیادی بین زنجیره کلمات در متن وجود دارد که درنظرگرفتن این ارتباط باعث می‌شود بتوان روش‌های دقیق‌تر و مؤثرتری را در پردازش متن و پیش‌بینی برچسب واژه‌ها به‌کار برد.
وی ادامه داد: با بهره‌گیری از ایده مشابه سعی کردیم روش‌هایی که ماهیت مدل‌سازی دنباله‌ها را دارند، مورد استفاده قرار دهیم و ارتباط بین دنباله تراکنش‌ها را کشف کنیم تا براساس آن تشخیص دقیق‌تری در مورد تقلب در تراکنش‌ها داشته باشیم.
ممتازی ادامه داد: در حال حاضر با توجه به ماهیت روش‌های مورد استفاده امکان ارائه یک نرم‌افزار یا محصول آماده جهت استفاده در محیط‌های مختلف بانکی وجود ندارد و برای استفاده از این محصول نیاز است برای هر حوزه دادگان مربوط به آن پس از رعایت محرمانگی داده جهت آموزش مدل مورد استفاده قرار گیرد.
به گفته مجری طرح، نتیجه این تحقیق در حوزه بانکداری و همچنین هر حوزه دیگری که احتمال تقلب در دادگان آن وجود دارد، قابل استفاده است.
وی درخصوص نتیجه این طرح گفت: در صورت عقد قرارداد با بانک‌ها یا سایر سازمان‌های مرتبط می‌توان با استفاده از داده‌های همان حوزه طرح را به محصولی جهت کشف تقلب تبدیل کرد.وی افزود: کارهای متعددی در زمینه کشف تقلب انجام شده است، اما ویژگی اصلی این طرح استفاده از روش‌هایی است که در مرزهای دانش این حوزه قرار دارد.
بنا بر اعلام روابط عمومی دانشگاه امیرکبیر، این طرح به عنوان برگزیده نهایی گروه اقتصاد و بانکداری در دومین جشنواره بین‌المللی کنز (از برنامه‌های جنبی جایزه مصطفی (ص)) انتخاب شده است. دو مقاله بین‌المللی ISI از این طرح منتشر شده است. مدل‌سازی دنباله‌ای داده‌ها، در نظر گرفتن ارتباط بین تراکنش‌های مختلف، استفاده از ترکیب چندین مدل یادگیری مختلف در قالب روش‌های نوین یادگیری عمیق مهم‌ترین نوآوری‌های این طرح بوده است.
پربينندهترين مطالب و خبرها
