ارسل ملاحظاتك

ارسل ملاحظاتك لنا







الرئيسية > Credit Card Anomaly Detection...>الوصف
يجب تسجيل الدخول أولا

Credit Card Anomaly Detection Using Improved Deep Autoencoder Algorithm

المصدر: مجلة كلية التربية
الناشر: الجامعة المستنصرية - كلية التربية
المؤلف الرئيسي: Waleed, Gheed Tawfeeq (Author)
مؤلفين آخرين: Mawlood, Abeer Tariq (Co-Author) , Abdulhussien, Abdulmohsen jabber (Co-Author)
المجلد/العدد: ع1
محكمة: نعم
الدولة: العراق
التاريخ الميلادي: 2020
الصفحات: 415 - 426
ISSN: 1812-0380
رقم MD: 1235661
نوع المحتوى: بحوث ومقالات
اللغة: الإنجليزية
قواعد المعلومات: EduSearch
مواضيع:
الدفع الإلكتروني | الخدمات المصرفية | التسوق الإلكتروني | الاحتيال الإلكتروني
كلمات المؤلف المفتاحية:
Credit Card | Deep Learning | Fraud Detection | Auto-Encoder | Unsupervised Learning | Tensorflow | And Information Gain
رابط المحتوى:

الناشر لهذه المادة لم يسمح بإتاحتها.
صورة الغلاف QR قانون
حفظ في:
المستخلص: نتيجة للاحتيال الهائل الذي ينتج عنه خسارة ملايين الدولارات في جميع أنحاء العالم سنويا. تم تطوير العديد من الأساليب الحديثة في كشف الاحتيال وتطبيقها باستمرار في العديد من مجالات العمل. تتضمن عملية اكتشاف الاحتيال مراقبة سلوك المستخدمين من أجل اكتشاف أو تجنب أي سلوك غير مرغوب فيه، والذي يشمل التسلل والاحتيال وتعطيل الحسابات. أنظمة الكشف عن الاحتيال مطلوبة للكشف عن الاحتيال في المعاملات عبر الإنترنت وذلك باستخدام التعلم غير الخاضع للرقابة، نظرا لأن بعض المحتالين يرتكبون عمليات الاحتيال مرة واحدة عبر الوسائل الإلكترونية وبعد ذلك ينتقلون إلى طرق أخرى. يهدف البحث المقدم إلى: (1) التركيز على حالات الاحتيال التي لا يمكن اكتشافها وفقا للتعلم الخاضع للإشراف (2) إنشاء نموذج تشفير تلقائي قادر على إعادة بناء المعاملات العادية للعثور على الحالات الشاذة من الأنماط العادية والتعلم العميق المقدم والذي يعتمد على التشفير التلقائي هو واحد من خوارزميات التعلم غير الخاضعة للرقابة التي تطبق Backpropagation.

As a result of the massive fraud increase that yields in losing millions of dollars all over the world annually; numerous up-to-date approach in the fraud detection are being constantly advanced and implemented in numerous business areas. Fraud detection is involved with the monitoring of user populations behavior for the sake of estimating, detecting, or avoiding any unwanted behavior, which is considered as one of the broad terms that include felony: intrusion, fraud, and defaulting of accounts. Systems of fraud detection are required to detect on-line transactions with the use of the unsupervised learning, due to the fact that some of the fraudsters commit fraud once via on-line means and after that, switch to other methods. The presented research has the aim of I) focusing on cases of fraud which are undetectable according to supervised learning or previous history, ii) creating a deep Auto-encoder model which is capable of reconstructing normal transactions for finding anomalies from the normal patterns. The presented deep learning, which is based on the auto-encoder (AE) is one of the unsupervised learning algorithms which apply back-propagation via setting the inputs to be equal to the outputs.
ISSN: 1812-0380

عناصر مشابهة


© 2024 المنظومة. جميع الحقوق محفوظة.