يك رويكرد مقابله با پولشويي در سيستم بانكي و كسب و كار آنلاين با استفاده از يادگيري تركيبي

امروزه بيشتر فعاليتهاي تجاري به كمك سيستم بانكي انجام مي شود و مسلماٌ براي رونق كسب و كار نياز است كه خدمات بانكي مناسب در هر لحظه در اختيار افراد قرار گرفته شود. سيستم بانكي سالم يكي از بسترهاي مناسب براي هر كسب و كار است اما اين بستر تا زماني مي تواند به رشد و شكوفايي يك اقتصاد كمك نمايد كه به دور از فعاليتهاي غير قانوني باشد. پولشويي و تقلب بانكي يكي از چالش هاي مهم سيستم بانكي در هر كشور مي تواند باشد و باعث مي شود چرخه پولهاي كثيف وارد سيستم بانكي شده و فعاليتهاي اقتصادي و كسب كارهاي غير قانوني نيز بتوانند از سيستم بانكي استفاده نمايند. يكي از روش هاي مهم در مقابله با تقلب و پولشويي در سيستم بانكي كه باعث مي شود سيستم بانكي به دور از پولشويي گردد كشف تراكنش هاي غيرقانوني و غيرمجاز است. يكي از روش هاي كشف تراكنش هاي تقلبي و پولشويي استفاده از تكنيك هاي يادگيري كاشين مانند شبكه عصبي مصنوعي است. در اين مقاله براي كاهش دادن خطاي تشخيص پولشويي و تقلب در سيستم بانكي از يك روش انتخاب ويژگي و مبتني بر الگوريتم هاي فراابتكاري استفاده شده است. در روش پيشنهادي از الگوريتم بهينه سازي شاهين براي انتخاب ويژگي در تشخيص پولشويي و به كمك شبكه عصبي مصنوعي استفاده شده تا خطاي يادگيري كاهش داده شود. آزمايشات و شبيه سازي انجام شده نشان مي دهد روش پيشنهادي نسبت به الگوريتم بهينه سازي ذرات، الگوريتم بهينه سازي كفتار و الگوريتم بهينه سازي پروانه داراي خطاي كمتري در تشخيص پولشويي است. نتايج نشان مي دهد دقت و حساسيت روش پيشنهادي براي تشخيص پولشويي به ترتيب برابر 98.36% و 98.14% است كه نسبت به الگوريتم هاي فراابتكاري ذكر شده مقادير بيشتري نشان مي دهد.