تشخيص ناهنجاري در شبكه ي پيچيده تراكنش‌هاي بانكي با رويكرد بدون نظارت

The anomaly detection in the complex network of bank transactions with an unsupervised approach

يكي از مهم ترين چالش هاي موجود در حوزه بانكي، تقلب هاي مجرمانه ناشي از تراكنش هاي بانكي است كه گاه بصورت فردي و گاه سازمان يافته انجام مي شود. رديابي اين گونه فعاليت هاي غيرقانوني، امري دشوار است. هدف ما در اين مقاله، شناسايي مشتريان بانكي است كه فعاليت‌هاي مشكوك به تقلب هاي سازمان يافته دارند. باتوجه به پيچيده و متفاوت بودن روش هاي تقلب و عدم وجود داده‌هاي واقعي دردسترس، تراكنش در نگاه اول ممكن است مشكوك به نظر نرسد، بنابراين نياز است تعاملات بين كارت ها در نظر گرفته شود. در اين تحقيق، بجاي مجموعه داده اوليه ي برچسب گذاري شده از مجموعه داده بدون برچسب و از روش هاي شبكه اي استفاده شده است. طبق رويكرد پيشنهادي، ابتدا براي هر كارت بدون ايجاد شبكه ، استخراج ويژگي انجام شده و با استفاده از الگوريتم هاي جنگل ايزوله و شناسايي داده پرت با توزيع تجمعي ميزان تشخيص ناهنجاري مشخص شده است. سپس استخراج ويژگي ها از شبكه گره ها، شبكه ي خودمحور و شبكه ي خودمحوركاهش يافته انجام شده و با استفاده از الگوريتم هاي فوق و به روش بوستينگ ناهنجاري تشخيص داده شد. مجموعه داده استفاده شده مربوط به تراكنش هاي مشتريان يكي از بانك هاي ايران در هفت روز است. طبق نتايج بدست آمده، استفاده از شبكه تراكنش-هاي بانكي بعد از مرحله تشخيص ناهنجاري بدون ايجاد شبكه باعث بهبود 10 درصدي نتايج شده است