Key points are not available for this paper at this time.
في أعقاب التقدمات الأخيرة في التجارة الإلكترونية وروابط الاتصال، ارتفع استخدام بطاقات الائتمان بشكل كبير للشراء عبر الإنترنت وفي المتاجر الشخصية. تكون معظم مجموعات بيانات بطاقات الائتمان غير متوازنة للغاية، مما يجعل من الصعب تصميم خوارزميات الكشف عن الاحتيال الفعالة التي يمكن أن تساعد في التخفيف من هذه الخسائر. approaches التقليدية غير فعالة لاكتشاف احتيال بطاقات الائتمان لأن هيكلها يتطلب متجهًا إلى متجه الخرج. نتيجة لذلك، فإنها غير قادرة على استيعاب حاملي البطاقات الذين يتغيرون دائمًا. من أجل التعرف الجيد على احتيال بطاقات الائتمان، يقترح مؤلفو هذه الدراسة مصنفًا هجينيًا واستراتيجية إعادة عينة البيانات. يتم تحقيق إعادة العينة الهجينة من خلال دمج إجراء الملا سن الإضافي الاصطناعي (SMOTE) مع نهج الجار الأقرب المعدل (ENN). يتم دمج الشبكات الالتفافية الزمنية (TCN) مع وحدة متكررة بوابة ثنائية الاتجاه (BiGRU) وشبكة انتباه مزدوجة (DATT) لأداء التصنيف في النموذج المقترح. ثانيًا، من أجل الحصول بسرعة على الميزات الدلالية العميقة لبيانات بطاقة الائتمان، استخدمنا الشبكات TCN وBiGRU لاستخراج الخصائص التي تم بعد ذلك دمجها ودمجها، وتم تنفيذ طريقة انتباه مزدوجة لتخصيص الوزن العالمي لأهم المعلومات. في النهاية، تم إجراء التصنيف باستخدام مصنف Softmax. تم تعزيز دقة التصنيف بشكل أكبر من خلال استخدام نموذج تحسين سمكة القرش البيضاء الهجينة (HWSO) لاختيار أوزان النموذج. باستخدام معاملات بطاقات الائتمان المتاحة للجمهور، تم إثبات الاستراتيجية المقترحة. تظهر نتائج التجربة أن النماذج المعدلة باستخدام الطريقة المقترحة تفوقت على تلك المستخدمة للخلائط من الأبعاد التناظرية المتنافسة.
دراسة روزلين وآخرون (الجمعة) ذلك السؤال.