أسهمت انتشار المعاملات عبر الإنترنت وتبني المدفوعات بواسطة بطاقات الائتمان بشكل واسع في تصاعد الاحتيال السيبراني لبطاقات الائتمان في المجتمع الحديث. تدفع هذه الاتجاهات التقدمات التكنولوجية التي توفر للمحتالين مزيدًا من الفرص. يستغل المحتالون نقاط الضعف المالية للضحايا من خلال الحصول على وصول غير قانوني إلى معلومات بطاقة الائتمان الحساسة بوسائل خداع مثل التصيد الاحتيالي والمكالمات الهاتفية الاحتيالية ورسائل النصوص الاحتيالية. تتوقع هذه الدراسة وتكشف عن حالات محتملة من الاحتيال السيبراني في معاملات بطاقات الائتمان من خلال استخدام تقنيات تعلم الآلة (ML) بما في ذلك شجرة القرار (DT)؛ الغابة العشوائية (RF)؛ الانحدار اللوجستي (LR)؛ آلة الدعم الناقل (SVM)؛ أقرب الجيران (KNN)؛ XGBoost؛ CatBoost؛ وتقنيات أخذ العينات مثل رابط Tomek، وتقنية زيادة العينة للأقلية الاصطناعية (SMOTE)، والجار الأقرب المعدل (ENN)، وTomek+ENN، وSMOTE+ENN. لتحديد أداء الخوارزميات من حيث الدقة والدقة والاسترجاع ودرجة F1 وROC-AUC لكشف الاحتيال السيبراني لبطاقات الائتمان، أجرينا تحليلًا مقارنًا للتقنيات الحالية في تعلم الآلة.
درس Btoush وآخرون (الأربعاء) هذا السؤال.