تشخیص تقلب در تراکنش های کارت های اعتباری با استفاده از سیستم ایمنی مصنوعی

یکی از مهمترین موانع برای استفاده و ترویج بانکداری الکترونیکی عدم امنیت تراکنش ها و بروز تقلب در مسیر انجام مبادلات مالی است. لذا، تشخیص تقلب الکترونیکی از مسائل مهم در موسسات مالی و بانک ها است. یکی از شاخه های بانکداری الکترونیکی، بانکداری مبتنی بر کارت های اعتباری است. علی رغم تحقیقات زیادی که در زمینه کشف تقلب در این حوزه خاص انجام گرفته است، روشی مطمئن با میزان کشف بالا جهت تشخیص تقلب در کارت های اعتباری هنوز وجود ندارد. سیستم ایمنی مصنوعی از سیستم ایمنی بدن انسان الهام گرفته شده است. در این پایان نامه کشف تقلب کارت های اعتباری با استفاده از سیستم ایمنی مصنوعی هدف قرار داده شده است. شباهت موجود بین سیستم کشف تقلب و سیستم ایمنی مصنوعی ما را بر آن داشت تا از این روش به عنوان روش کشف استفاده نماییم. الگوریتم های سیستم ایمنی مصنوعی بر پنج دسته مغز استخوان، الگوریتم انتخاب منفی، الگوریتم انتخاب کلونال، شبکه ایمنی مصنوعی و الگوریتم سلول های دندریتیک (مبتنی بر تئوری خطر) استوار هستند. در این پایان نامه از ترکیب الگوریتم انتخاب منفی با الگوریتم سلول های دندریتیک جهت تشخیص تقلب در تراکنش های کارت های اعتباری بهره گرفته شده است. این روش دارای نقاط قوتی از جمله تعدیل عدم تعادل پایگاه داده تقلب و همچنین افزایش نرخ کشف و کاهش میزان تشخیص نادرست رکورد های نرمال به عنوان تقلب می باشد. به علاوه در الگوریتم انتخاب منفی، آموزش فقط بر اساس سلول های خودی (رکوردهای نرمال) می باشد. بنابراین نیازی به سلول های غیرخودی (رکورد های تقلب) در تعلیم سیستم نداریم. قابل ذکر است که، در زمینه کشف تقلب دو رویکرد کلی مبتنی بر تحلیل رفتار کاربر و مبتنی بر تحلیل تقلبات قبلی وجود دارد. در این پایان نامه از هر دو رویکرد در کنار هم استفاده شده است. نتایج حاصل از اعمال مدل ترکیبی (مبتنی بر الگوریتم های انتخاب منفی و سلول های دندریتیک) در مقایسه با اعمال تک تک الگوریتم های انتخاب منفی و سلول های دندریتیک از نرخ کشف بیشتری برخوردار هستند.