کاربرد رفتارشناسی مورچه‌ها در شناسایی تقلب‌های مالی و کلاهبرداری‌ها، حفاظت از منابع

کاربرد رفتارشناسی مورچه‌ها در شناسایی تقلب‌های مالی و کلاهبرداری‌ها، حفاظت از منابع

آرزو نظری1 فرناز جعفری2

1) دانشجوی دکتری حسابداری، دانشگاه آزاد اسلامی واحد زنجان، استان زنجان، ایران.
2) دانشجوی دکتری حسابداری، دانشگاه آزاد اسلامی واحد زنجان، استان زنجان، ایران.

کد IOI مقاله : AZDD-AAEAEE
محل انتشار : چهارمین کنگره بین المللی مدیریت، اقتصاد، علوم انسانی و توسعه کسب و کار(4icmba.ir)
چکیده :
    در دنیای امروز، با گسترش فناوری‌های دیجیتال و افزایش استفاده از سیستم‌های مالی آنلاین، شناسایی و مقابله با تقلب‌های مالی و کلاهبرداری‌ها به یکی از چالش‌های جدی در حوزه اقتصاد و امنیت تبدیل شده است. رویکردهای سنتی کشف تقلب که بر تحلیل‌های دستی و الگوهای تاریخی متکی بودند، دیگر به دلیل سرعت و پیچیدگی روش‌های جدید تقلب کارآمد نیستند. از این‌رو، استفاده از مدل‌های الهام‌گرفته از طبیعت، به‌خصوص رفتارشناسی مورچه‌ها، به‌عنوان رویکردی نوین برای تحلیل داده‌های پیچیده و شناسایی تهدیدات مالی مطرح شده است. مورچه‌ها به‌عنوان موجوداتی جمع‌گرا و هوشمند دارای الگویی ساختاریافته و خودسازمان‌ده هستند. توانایی این موجودات در حل مسائل پیچیده، نظیر پیدا کردن کوتاه‌ترین مسیر تا منبع غذا، توزیع منابع و همکاری در گروه، نشان می‌دهد که سیستم “کلونی مورچه‌ها” بر پایه قوانین ساده‌ای ساماندهی می‌شود که می‌تواند در طراحی الگوریتم‌های هوش مصنوعی و تحلیل داده‌های مالی مورد استفاده قرار گیرد. هدف از این مقاله، بررسی دقیق رفتارشناسی مورچه‌ها به‌منظور شناسایی کاربردهای آن در کشف الگوهای تقلب مالی، شناسایی کلاه‌برداری‌ها و افزایش حفاظت از منابع مالی است. الگوریتمی به نام “الگوریتم کلونی مورچه‌ها” (ACO) که بر اساس حرکت و توزیع اطلاعات در کلونی مورچه‌ها توسعه داده شده، ابزار قدرتمندی برای شناسایی رفتارهای انحرافی در شبکه‌های مالی است. در این مقاله نشان داده می‌شود که چگونه اصولی مانند تقویت فرومون‌ها برای مسیرهای بهینه یا حذف مسیرهای غیرموثر در رفتار مورچه‌ها، می‌تواند به مدیریت داده‌های عظیم، تحلیل تراکنش‌های مشکوک و حتی پیشگیری از تهدیدات مالی کمک کند. این مقاله همچنین به مزایا، چالش‌ها و محدودیت‌های استفاده از رفتارشناسی مورچه‌ها در تحلیل داده‌های مالی می‌پردازد. با وجود پیچیدگی در طراحی این الگوریتم‌ها و نیاز به داده‌های کلان، استفاده از سیستم‌های طبیعی و هوشمند مانند رفتار مورچه‌ها می‌تواند به ایجاد یک تحول در سیستم‌های مالی دیجیتال منجر شود. در نهایت، هدف اصلی این پژوهش، ارائه یک مدل کارآمد برای شناسایی تهدیدات مالی و بهبود سیستم‌های حفاظتی از طریق ترکیب مفاهیم طبیعت و فناوری‌های هوش مصنوعی است.

کلمات کلیدی : رفتارشناسی مورچه‌ها شناسایی تقلب مالی الگوریتم کلونی مورچه‌ها (aco) هوش مصنوعی حفاظت از منابع مالی