کنفرانس بین المللی فناوری اطلاعات و دانش

صفحه اصلی / شانزدهمین کنفرانس بین المللی فناوری اطلاعات و دانش

مدل یادگیری ماشین برای تشخیص تقلب در کارت‌های اعتباری با رویکرد بهینه‌سازی AUC و تنظیم خودکار ابرپارامترها

نویسندگان :

محمد مهدی متولی¹

1- دانشگاه آزاد تهران مرکز

کلمات کلیدی :

بهینه‌سازی فراپارامتر،تشخیص تقلب،کارت‌های اعتباری،یادگیری ماشین

چکیده :

گسترش سریع فناوری‌های دیجیتال با افزایش چشمگیر کلاهبرداری‌های کارت اعتباری همراه بوده است، که لزوم بهره‌گیری از روش‌های پیشرفته و قابل‌اعتماد برای تشخیص تقلب را دوچندان می‌کند. راهکارهای موجود در این زمینه معمولاً با چالش‌هایی مانند عدم تعادل کلاس‌ها و پیچیدگی در تنظیم ابرپارامترها مواجه‌اند. در این مقاله، مدلی با عنوان ماشین بردار پشتیبان مجاور بهینه‌شده بر اساس بیشینه‌سازی سطح زیر منحنی (ImAUC-PSVM) پیشنهاد می‌شود که برای حل این مشکلات طراحی شده است. این مدل با تمرکز بر بهینه‌سازی AUC، عملکرد بهتری در داده‌های نامتوازن نشان می‌دهد. همچنین برای کاهش نیاز به تنظیم دستی، از الگوریتم بهینه‌سازی بیزی با هایپربند (BOHB) برای انتخاب خودکار ابرپارامترها استفاده شده است. عملکرد مدل پیشنهادی روی مجموعه‌داده معتبر پایگاه داده کارت اعتباری اروپا (ECC) ارزیابی شده است. نتایج آزمایش‌ها نشان می‌دهد که مدل ما موفق به کسب F-measure برابر با 93.758٪ شده که برتری آن را نسبت به روش‌های سنتی اثبات می‌کند. این یافته‌ها نشان‌دهنده ظرفیت بالای مدل در تشخیص زودهنگام تقلب و تقویت فرآیندهای نظارتی در سیستم‌های مالی است.