شماره ركورد كنفرانس :
5286
عنوان مقاله :
هوش مصنوعي و امنيت مالي: راهكارهاي نوين براي پيش بيني تخلفات بانكي
پديدآورندگان :
دراني زهره zdorrani@yahoo.com دانشگاه پيام نور , آذين مهر محمود m.matin.91@gmail.com بانك سپه
كليدواژه :
بانكداري نوين , , شبكه عصبي كانولوشن عميق , , يادگيري عميق , , هوش مصنوعي.
عنوان كنفرانس :
پنجمين كنفرانس بينالمللي محاسبات نرم
چكيده فارسي :
در دنياي امروزه كه تكنولوژي هوش مصنوعي به سرعت در حال تكامل است، بانكداري به عنوان يكي از حوزههاي حياتي اقتصاد جهان، نيازمند راهكارهاي نوين براي مقابله با تهديدات امنيتي و پيشبيني تخلفات مالي است. بررسي نقشبرجسته هوش مصنوعي در امنيت مالي و ارائه راهكارهايي نوين براي پيشبيني تخلفات بانكي داراي اهميت است. اين تحقيق به بررسي كاربردهاي چندوجهي هوش مصنوعي در شناسايي، پيشگيري و مديريت فعاليتهاي متقلبانه در بخش بانكي ميپردازد. سيستمهاي تشخيص تقلب سنتي كه عمدتاً مبتني بر قوانين هستند، اغلب در قابليتهاي تشخيص بلادرنگ كوتاهي ميكنند. در مقابل، هوش مصنوعي ميتواند بهسرعت اطلاعات تراكنشهاي گسترده را تجزيهوتحليل كند، ناهنجاريها و فعاليتهاي بالقوه تقلبي را در زمان وقوع پيدا كند. يكي از روش هاي برجسته، استفاده از يادگيري عميق، بهويژه شبكههاي عصبي است كه وقتي بر روي دادههاي تقلبي موجود آموزش داده ميشوند، ميتوانند الگوهاي پيچيده را تشخيص دهند و تراكنشهاي جعلي را بادقت قابلتوجهي پيشبيني كنند. علاوه بر اين، بهبود فرايندهاي شناخت مشتري از طريق پردازش زبان طبيعي قابلدستيابي است، چون هوش مصنوعي دادههاي متني را از منابع مختلف بررسي ميكند و صحت مشتري را تأييد مي كند. تجزيهوتحليل نمودار با بررسي روابط تراكنش، چشمانداز منحصربهفردي را ارائه ميدهد كه به طور بالقوه فعاليت هاي مشكوكي مانند انتقال سريع وجوه كه نشان دهنده پول شويي است را برجسته مي كند. تجزيهوتحليل پيشبينيكننده، فراتر از روشهاي سنتي امتيازدهي اعتبار، مجموعهدادههاي متنوعي را در برميگيرد و بينش جامعتري در مورد اعتبار مشتري ارائه ميدهد. اين تحقيق همچنين بر اهميت رابط هاي كاربرپسند مانند چت رباتهاي مجهز به هوش مصنوعي براي گزارش فوري فعاليت هاي مشكوك و ادغام تأييديه هاي بيومتريك پيشرفته از جمله تشخيص چهره و صدا تأكيد مي كند. تجزيهوتحليل جغرافيايي و بيومتريك رفتاري به ترتيب با تجزيهوتحليل مكان هاي تراكنش و الگوهاي تعامل كاربر، امنيت را تقويت مي كنند. سيستمهاي خودآموز هوش مصنوعي تضمين ميكنند كه با تكامل تاكتيكهاي تقلبي، مكانيسمهاي هوش مصنوعي بهروز ميمانند و كارايي خود را حفظ ميكنند. اين سازگاري به تشخيص فيشينگ، ادغام اينترنت اشيا و تجزيه و تحليل بين كانالي گسترش مي يابد و دفاعي جامع در برابر تلاش هاي متقلبانه چندوجهي ارائه مي دهد.