داده کاوی جرایم مالی در حوزه سایبری با استفاده از الگوریتم های شبکه عصبی و درخت تصمیم

بی تردید جوامع بشری همواره با پدیده جرایم مالی به عنوان مهمان ناخوانده روبرو بوده وهمواره در معرض آسیب و متضرر از آن است. این پژوهش با استفاده از ابزارهای داده کاوی و با هدف افزایش کارایی و دقت جرایم مالی، با الگوریتم های شبکه عصبی و درخت تصمیم انجام یافته است. بیان مساله: مساله پیش رو حاکی از این است که گسترش جرایم شبکه ای و به موازات آن افزایش داده های ثبت شده از جرایم، ما را با حجم زیادی از داده ها روبه رو کرده که هر کدام حاوی پیام ها و اطلاعات زیادی است. اگر این داده ها به درستی تحلیل شوند می توانند سازمان های پلیسی را در شناسایی و ردگیری و همچنین پیش بینی و پیشگیری از جرایم یاری نماید. 

روش و یافته ها:

این پژوهش با داده کاوی بیش از 4500رکورد از جرایم مالی سایبری با استفاده از ابزارهای داده کاوی به بهبود افزایش کارایی و دقت جرایم مالی می پردازد. نوع روش داده کاوی در این مقاله به صورت پیش بینی می باشد. این تحقیق با تحلیل و بررسی داده ها و متغیرهای جرم که از دیتابیس پلیس فتای کشور گرفته شده، با استفاده از الگوریتم های درخت تصمیم و شبکه عصبی اقدام به ایجاد روش جدید جهت افزایش کارایی و دقت در جرایم مالی نموده است به طوریکه کارایی با استفاده از الگوریتم شبکه عصبی در روش پیشنهادی 70. 11 درصد و در الگوریتم درخت تصمیم 87. 78 درصد می باشد.

با استفاده از ابزارهای موجود در حوزه داده کاوی می توان با بهره گیری مناسب و بهینه از منابع انسانی پلیس، جرایم را کشف کرد و یا از وقوع آن پیشگیری نمود. امید است بتوان سازمان های پلیسی را در شناسایی مجرمین و مهمتر از آن در پیش بینی و پیشگیری از جرایم سایبری به ویژه جرایم مالی یاری کرد.