استخراج تراكنش‌هاي مشكوك به تقلب در داده‌هاي كارت‌بانكي بدون برچسب

با پيشرفت و گسترش فنّاوري شاهد رشد بالاي استفاده از كارت‌هاي عابر بانك هستيم. با افزايش استفاده از كارت‌هاي بانكي، همواره فرصت‌هايي براي مهاجمان فراهم مي‌شود؛ لذا به‌كارگيري الگوريتم‌هاي تشخيص تقلب به‌منظور جلوگيري از اقدامات متقلبانه در كارت‌هاي بانكي اجتناب‌ناپذير است. داده‌كاوي به‌عنوان يك تكنيك كه قادر به شناسايي الگوهاي مفيد از ميان انبوهي از داده‌هاست، يكي از روش‌هاي مؤثر در تشخيص تقلب در اين حوزه است. هدف اصلي اين مقاله ارائه يك روش جديد در تشخيص داده‌هاي پرت بدون نظارت است كه از دقت و فراخواني بالايي برخوردار باشد. روش پيشنهادي اين مقاله، تركيب تكنيك‌هاي NMF، hierarchical k-means، k-means و k نزديك‌ترين همسايه است. براي ارزيابي روش پيشنهادي تشخيص داده‌هاي پرت، ارزيابي‌هاي متعددي با استفاده از داده‌هاي استاندارد انجام شد و از منظر دقت و فراخواني با الگوريتم‌هاي معيار همچون Isolation Forest، K Nearest Neighbors، Median kNN، Average kNN و غيره مقايسه شد. مطابق نتايج به‌دست‌آمده از آزمايش‌ها، روش پيشنهادي از دقت و فراخواني بالاتري نسبت به ديگر الگوريتم‌ها برخوردار است.