مروري بر روش‌هاي كشف تقلب مبتني‌بر داده‌كاوي در تراكنش‌هاي الكترونيكي

A Survey Of Data-Mining based Fraud Detection Techniques in Electronic Payment Transactions

به دنبال رشد سريع تجارت الكترونيكي، استفاده از پرداخت‌هاي برخط الكترونيكي براي خريدهاي برخط، رشد چشم گيري داشته است. اين رشد روزافزون توجه بسياري از متقلبان را به اين حوزه جلب كرده است تا با سو استفاده از نقاط ضعف روش‌هاي پرداخت برخط الكترونيكي به كسب درآمد بپردازند. پياده‌سازي سامانه‌هاي تشخيص تقلب براي كمينه ساختن خسارت‌هاي مالي، امري ضروري است. اين سامانه‌ها يكي از بخش‌هاي اصلي پايش و كنترل برخط و خودكار تقلب به منظور كاهش هزينه‌هاي تراكنش‌هاي الكترونيكي هستند. تاكنون روش‌هاي متعدد و متنوعي همچون سامانه‌هاي مبتني‌بر هوش مصنوعي، داده‌كاوي، منطق فازي، هم‌ترازي رشته‌ها و روش‌هاي ملهم از طبيعت نظير الگوريتم ژنتيك براي تشخيص انواع مختلف تراكنش‌هاي متقلبانه به‌كار گرفته شده‌اند. هر يك از اين روش‌ها سعي ه‌اند چالش‌هايي نظير عدم توازن داده، ابعاد زياد فضاي جستجو، هزينه‌هاي متفاوت عدم تشخيص و تشخيص نادرست، پايايي مدل و لزوم پاسخ گويي در كوتاه‌ترين زمان ممكن را به بهترين وجه ممكن حل كنند. در اين مقاله تمركز را روي سامانه‌هاي مبتني‌بر داده‌كاوي قرار داده‌ايم و برآنيم تا علاوه بر شرح چالش‌هاي موجود در حوزه كشف تقلب در تراكنش‌هاي برخط الكترونيكي، مروري بر كارهاي صورت گرفته در اين حوزه داشته باشيم.

As e-commerce continues to grow, so does the opportunity for perpetrating online fraud. As a result many researches have focused to reduce the risks and costs of online transactions by providing fraud detection schemes. These methods are one of the main components of any online monitoring and automated fraud detection system. The objective of these methods is to minimize the cost of electronic payment fraud. Existing methods have benefited from artificial intelligence, data mining, fuzzy logic, and bio inspired algorithms such as genetic algorithms or artificial immune systems. Each of these methods have addressed one or more challenges in online fraud such as as skewed data, large volume of data, or fast response time, to name a few. In this paper, we present an overview of fraud detection systems that are based on data mining. We start by enumerating the main challenges of fraud detection in electronic payment transactions, and then we review and categorize some of the most recent methods in this area.