رویکردهای علم داده برای تشخیص و پیشگیری از تقلب

رویکردهای علم داده برای تشخیص و پیشگیری از تقلب

علی تقوی رشیدی زاده1

1) گروه مهندسی برق و الکترونیک، دانشگاه آزاد اسلامی، واحد تهران مرکزی (IAUCTB)

کد IOI مقاله : XHHA-KDFGD
محل انتشار : پنجمین کنگره بین المللی مهندسی، تکتولوژی و علوم کاربردی(etas2023.com)
چکیده :
    شناسایی و پیشگیری از تقلب به چالش های حیاتی برای سازمان ها در سراسر صنایع مختلف تبدیل شده است. سیستم های سنتی مبتنی بر قوانین و رویکردهای دستی دیگر برای مقابله با ماهیت پیچیده و در حال تکامل فزاینده کلاهبرداری کافی نیستند. رویکردهای علم داده به عنوان ابزاری قدرتمند در شناسایی و جلوگیری از فعالیت های تقلبی ظهور کرده اند. این مقاله مروری بر رویکردهای علم داده برای تشخیص و پیشگیری از تقلب ارائه می‌کند. با بحث در مورد اهمیت کشف و پیشگیری از تقلب در چشم انداز دیجیتال امروزی آغاز می شود. سپس نقش علم داده در مقابله با تقلب را بررسی می‌کند و مزایای استفاده از تکنیک‌های تحلیلی پیشرفته، الگوریتم‌های یادگیری ماشین و هوش مصنوعی برای تشخیص تقلب را برجسته می‌کند. منابع داده های مختلف، مانند داده های تراکنش، داده های رفتار مشتری، و داده های خارجی، در زمینه کشف تقلب مورد بررسی قرار می گیرند. این مقاله به تکنیک های مختلف علم داده مورد استفاده در تشخیص تقلب، از جمله تشخیص ناهنجاری، مدل سازی پیش بینی، تجزیه و تحلیل شبکه و متن کاوی می پردازد. نقاط قوت و محدودیت‌های هر تکنیک را مورد بحث قرار می‌دهد و کاربرد آن‌ها را در سناریوهای مختلف کشف تقلب مورد بررسی قرار می‌دهد. همچنین بر اهمیت پیش پردازش داده ها و مهندسی ویژگی در تشخیص تقلب و همچنین نیاز به نظارت مستمر و مدل سازی تطبیقی برای همگام شدن با الگوهای کلاهبرداری در حال تکامل تأکید می کند.

کلمات کلیدی : کشف تقلب علم داده احتمال و آمار