-
شماره راهنما
4672پ
-
پديد آورنده
زماني ، سارا
-
عنوان
طراحي مدل كشف تقلب در كارت هاي اعتباري بانكي با استفاده از الگوريتم هاي هوش مصنوعي يادگيري ماشين و يادگيري عميق
-
عنوان به انگليسي
Designing a Credit Card Fraud Detection Model using AI Algorithms (Machine Learning and Deep Learning)
-
مقطع تحصيلي
كارشناسي ارشد
-
رشته تحصيلي
مهندسي فناوري اطلاعات - تجارت الكترونيك
-
سال تحصيل
1403
-
مشخصات ظاهري
78ص.
-
استاد راهنما
ميركمالي ، سيد سعيد
-
كتابنامه
71-76
-
توصيفگر فارسي
تشخيص تقلب، كارت اعتباري، هوش مصنوعي، يادگيري ماشين، يادگيري عميق
-
توصيفگر لاتين
Fraud Detection, Credit Card, Artificial Intelligence (AI), Machine Learning, Deep Learning
-
چكيده
امروزه تقلب در كارتهاي اعتباري، به يك چالش بزرگ مالي تبديل شده كه تاثيرات منفي قابل توجهي
بر موسسات مالي و مشتريان آنها دارد. با گسترش فناوري و افزايش استفاده از سيستمهاي پرداخت
آنلاين، روشهاي متقلبانه نيز بهطور مداوم در حال تكامل هستند. اين نوسانات در الگوهاي تقلب،
ضرورت طراحي و توسعه مدلهاي هوش مصنوعي موثر را براي شناسايي و پيشگيري از اين فعاليتها
بيشتر ميكند. از آنجايي كه مدلهاي يادگيري ماشين سنتي غالبا در شناسايي الگوهاي پيچيده و پويا
ناكارآمد هستند، تكنيكهاي يادگيري عميق به عنوان رويكردي نوآورانه توجه بسياري را به خود جلب
به دليل توانايي )LSTM( و شبكه عصبي حافظه بلندمدت )CNN( كرده است. شبكه عصبي كانولوشني
بالا در استخراج ويژگيها و تحليل تواليهاي زماني، به عنوان گزينههاي مناسب براي مقابله با اين
با هدف LSTM و CNN مسئله مطرح ميشوند. از اينرو، در اين پژوهش، يك مدل تركيبي مبتنيبر
بهبود دقت و كارايي در كشف تقلب در كارتهاي اعتباري ارائه شده است. عملكرد اين مدل بر اساس
ارزيابي شده و با ساير مدلها مقايسه شده است. Credit Card Fraud Detection مجموعه داده 2023
نتايج نشان ميدهد كه مدل پيشنهادي به بالاترين دقت 99.92 درصد در مقايسه با جديدترين مدلهاي
يادگيري ماشين، يادگيري عميق و مدلهاي تركيبي دست يافته است.
-
تاريخ نمايه سازي
1404/03/17
-
شماره ركورد
78436
-
لينک به اين مدرک :