Search
Close this search box.
عنوان مقاله:

Unsupervised profiling methods for fraud detection

نیلوفر حق‌جو، کارشناس راهکارهای کشف تقلب داتین در مقاله‌ای تحت عنوان «راهکارهای تشخیص تقلب» که در شماره اول فصلنامه فناوری‌های مالی منتشر شده از مقاله «Unsupervised profiling methods for fraud detection» استفاده کرده است.

مقاله «Unsupervised profiling methods for fraud detection» به تشخیص تقلب رفتاری از طریق تحلیل داده‌های طولی می‌پردازد، درباره دو روش تشخیص تقلب بدون نظارت در داده‌های اعتباری بحث می‌کند و آنها را در مجموعه داده‌های واقعی به‌کار می‌بندد.

این دو روش، تحلیل گروه همتا و تحلیل نقطه گسست هستند. تحلیل گروه همتا رفتار هر حساب در طول زمان را با گروه مشابهی از حساب‌ها (گروه همتا) مقایسه می‌کند. بعد حساب‌هایی را که رفتاری بسیار متفاوتی با رفتار گروه همتا دارند، برای تحقیقات بیشتر برچسب‌گذاری می‌کند. تحلیل نقطه گسست، تغییرات در رفتار هزینه‌کرد در یک حساب را با مقایسه تراکنش‌های اخیر با گذشته شناسایی می‌کند. همچنین از پنجره متحرکی از تراکنش‌ها برای تشخیص تغییرات ناگهانی در الگوهای هزینه‌کرد استفاده می‌کند که می‌تواند نشان‌دهنده فعالیت متقلبانه باشد.

این پژوهش با به‌کارگیری این دو روش تحلیل در مجموعه داده‌های واقعی کارت اعتباری توانایی‌شان در شناسایی رفتار غیرعادی حاکی از تقلب بالقوه را اثبات می‌کند. درمجموع این دو روش موفق بودند و به‌عنوان مکمل یکدیگر عملکرد خوبی از خود نشان دادند.

این مقاله رویکرد بدیعی را به تشخیص تقلب بدون نظارت در تراکنش با کارت اعتباری ارائه می‌دهد و پتانسیل تحلیل گروه همتا و تحلیل نقطه گسست را به اثبات می‌رساند. این شیوه‌ها که بدون اتکا به داده‌های تاریخی برچسب‌گذاری‌شده قادر به شناسایی رفتارهای غیرعادی هستند می‌توانند مکمل ارزشمندی برای جعبه ابزار تشخیص تقلب باشند.

منبع:

projetoaprendizagemgrupo4.pbworks.com

نوشته شده توسط:
ریچارد جی بولتون، دیوید جی هند

ریچارد جی بولتون، دیوید جی هند اساتید گروه ریاضی امپریال کالج لندن هستند. این دو، مقاله‌های دیگری هم در این حوزه نوشته‌اند که از جمله می‌توان به «کشف و تشخیص الگو: متدولوژی آماری یکپارچه» (Pattern Discovery and Detection: A Unified Statistical Methodology)، «آزمون‌های اهمیت برای کشف الگوی بدون نظارت در مجموعه داده‌های بزرگ، ادامه‌دار و چند متغیره» (Significance tests for unsupervised pattern discovery in large continuous multivariate data sets) و «تشخیص آماری تقلب: ارزیابی» (Statistical Fraud Detection: A Review) اشاره کرد.

دیوید هند، دانش‌آموخته دانشگاه آکسفورد و ساوت‌همپتون است. او در سال 1977 از این دانشگاه مدرک دکتری گرفته است. گرایش‌های پژوهشی هند، شامل آمار چند متغیره، شیوه‌های طبقه‌بندی، تشخیص الگو و مبانی آمار می‌شوند.

گرایش‌های پژوهشی ریچارد بولتون استخراج داده، الگوریتم‌های خطی و محاسبات روی ماتریس‌ها هستند.