Key points are not available for this paper at this time.
الملخص: مع استمرار زيادة عدد معاملات بطاقات الائتمان، تمثل هذه المعاملات حصة متزايدة من النظام العالمي للدفع. وقد أدى هذا النمو إلى زيادة في أرقام الحسابات المسروقة والخسائر الناتجة للبنوك. يلعب تعلم الآلة (ML) دورًا حاسمًا في الكشف عن احتيال بطاقات الائتمان في المعاملات عبر الإنترنت وغير المتصلة بالإنترنت. يصبح الكشف عن احتيال بطاقات الائتمان، وهو مشكلة تعدين بيانات، تحديًا لسببين رئيسيين: أولاً، تتغير خصائص السلوك العادي والاحتيالي باستمرار، وثانيًا، مجموعة بيانات احتيال بطاقات الائتمان غير متوازنة بشكل كبير. تقترح هذه الدراسة نهجًا جماعيًا للكشف بدقة عن معاملاته احتيال بطاقات الائتمان بناءً على خوارزميات ML متنوعة وتقوم بمقارنة أداء كل خوارزمية مع النموذج المقترح. تشير النتائج إلى أن النموذج الجماعي المقترح بدون SMOTE (تقنية المبالغة في العينة للأقليات الاصطناعية) يتفوق على جميع الطرق الأخرى، محققًا معدل دقة يبلغ 99.94%.
درس دوشي وآخرون (الجمعة) هذا السؤال.