همفکران فناوری شریف
۱مقدمه
سامانه‌های سنتی تشخیص تقلب بر قواعد ثابت، مانند سقف مبلغ یا فهرست سیاه، تکیه دارند. متقلبان به‌سرعت این قواعد را شناسایی و دور می‌زنند و هم‌زمان، قواعد سخت‌گیرانه هشدارهای کاذب فراوانی تولید می‌کنند.
۲بررسی موضوع
یادگیری ماشین با تحلیل هم‌زمان ده‌ها ویژگی، از جمله مبلغ، زمان، مکان، دستگاه و الگوی رفتاری پیشین، احتمال تقلب را برای هر تراکنش برآورد می‌کند. روش‌های بدون‌نظارت نیز الگوهای تازه‌ای را که پیش‌تر دیده نشده‌اند شناسایی می‌کنند.
چالش اصلی، عدم توازن داده است؛ تراکنش‌های متقلبانه درصد بسیار کوچکی از کل را تشکیل می‌دهند. روش‌هایی چون نمونه‌گیری متوازن و معیارهای ارزیابی مناسب مانند دقت و بازیابی، به‌جای صحت کلی، ضروری‌اند.
۳جمع‌بندی
بهترین نتایج از ترکیب مدل‌های هوشمند با قواعد کسب‌وکار و بازبینی تحلیلگر انسانی حاصل می‌شود؛ چرخه‌ای که در آن بازخورد تحلیلگران، مدل را به‌طور مستمر بهبود می‌دهد.
منابع
