به کارگیری الگوریتم های درخت تصمیم گیری جهت کشف رفتارهای مشکوک در بانکداری اینترنتی

دگرگونی جهان به واسطه گسترش فناوری اینترنت، رقابتی دانش محور را در عرصه تجارت الکترونیکی به وجود آورده است. به طوری که با افزایش نرخ مبادلات تجاری، تضمین امنیت، منوط به تحقق نظام پویای بانکداری الکترونیکی است. بانکداری اینترنتی به عنوان یک فرصت بالقوه و رکن اساسی، در فضای سایبر با تهدیدهای گوناگونی مواجه است که یکی از این چالش ها، عدم قطعیت در تضمین امنیت تراکنش ها و وجود رفتارهای غیرمتعارف از سوی شیادان الکترونیکی است. از آنجایی که رفتار کاربران در سامانه اینترنتی با عدم قطعیت همراه بوده و سوابق تراکنش ها، تنها راه کنترل این حرکات است، دانش استنتاجی خبرگان و دسته بندی الگوی رفتاری کاربران توسط الگوریتم درخت تصمیم، جهت کشف تقلب و رفتارهای مشکوک راهگشاست. در این مقاله، ابتدا متغیرهای موثر در تولید قوانین رفتاری تعیین شده است و در نهایت، روند چهار الگوریتم Chaid، ex_Chaid، C4.5 و C5.0 مورد مقایسه قرار گرفته است. نتایج پژوهش نشان می دهد که الگوریتم C5.0 با دقت 91 درصد می تواند به عنوان روش ماشینی مطمئن جهت کشف الگوهای مشکوک موجود روی تراکنش های بانک محسوب شود.