مدلی جدید مبتنی بر درخت تصمیم در محیط نوتروسفیک بازه ای برای تشخیص تقلب در بانکداری الکترونیک

رشد روز افزون و توسعه خدمات بانکی در فضای بانکداری الکترونیک همچنین تمایل و استقبال مشتریان بانکها به استفاده از بسترها و درگاه های غیر حضوری، بانکها و موسسات مالی را به فکر وا داشته تا به گسترش بسترهای مورد نیاز برای ارایه سرویس های خدمات بانکداری الکترونیک اقدام نمایند . ارایه و معرفی خدمات متعدد و نوظهور بانکها در این حوزه و در پی آن عدم شناخت کافی مشتریان جهت استفاده از روش ها و بسترهای ایمن موجبات سوء استفاده کلاهبرداران را فراهم و خسارات جبران ناپذیری را برای مشتریان و بانکها به همراه داشته است. بنابراین دغدغه اصلی بانکها ایجاد امنیت و حفظ حریم امن برای مشتریان است. همچنین دقت و سرعت عمل در تشخیص تقلب برای بانکها و موسسات مالی از اهمیت ویژه برخوردار است، ارایه یک مدل کارا و موثر ضمن حفظ منافع بانکها می تواند کاهش هزینه های عملیاتی و افزایش اعتبار و رضایت مشتریان را به همراه داشته باشد . عموما مدلهای تشخیص تقلب از دو نوع روش 1- پیشینه رفتار مشتریان 2- چارچوب های تعریف شده برای تشخیص تقلب پیروی می کنند. در این تحقیق، علاوه بر استفاده از روش های معمول سعی شده با معرفی مدلی جدید در قالب استدلال و منطق ریاضی به تشخیص تقلب بپردازیم. بنابراین برای مقایسه نتایج تحقیق از یک مجموعه داده ای که تحقیقات پیشین جهت تشخیص تقلب بر روی آن انجام شده است استفاده نموده ایم که شامل مجموعه تراکنش های آنلاین در بانکهای آفریقا می باشد. در این تحقیق با استفاده از اصول و قواعد منطق نوتروسفیک بازه ای دادها را مورد پردازش و تحلیل قرار داده ایم سپس مدل پیشنهادی را با استفاده از الگوریتم پرکاربرد درخت تصمیم CART در محیط برنامه نویسی Python جهت تشخیص تقلب پیاده سازی نمودیم.