بازار آریا

آخرين مطالب

يک پژوهش در نشريه روند بانک مرکزي تشريح کرد

آناليز رفتار مشکوک بانکي مقالات بورس و بانک

آناليز رفتار مشکوک بانکي

  بزرگنمايي:

آريا بازار -
نتايج يک پژوهش به ارائه مدلي براي شناسايي تقلب مشتريان کارت‌هاي اعتباري بانک‌ها مي‌پردازد. بر اين اساس، در اين پژوهش تلاش شده است با استفاده از روش داده‌کاوي، روشي نوين در کشف تقلب در کارت‌هاي بانکي ارائه شود. در واقع اين پژوهش دو هدف را پيگيري مي‌کند: هدف اول، شناسايي تقلب در سيستم بانکي به منظور حفظ و نگهداري بانک و مشتريان است و هدف دوم آن استفاده از داده‌کاوي در مبحث شناسايي تقلب در کارت‌هاي بانکي و شناسايي بهتر تراکنش‌هاي متقلبانه از ميان تراکنش‌ها و کارآيي در سيستم بانکداري است. يکي از کاستي‌هاي نظام بانکداري الکترونيک و نظام‌هاي پرداخت شبکه بانکي، تجهيز نبودن زيرساخت‌هاي نرم‌افزاري بانک‌ها به چنين نرم‌افزارهايي است.يافته‌هاي اين پژوهش مي‌تواند در پياده‌سازي اين رهيافت در شبکه بانکي موثر باشد. اين پژوهش با عنوان «کشف رفتار‌هاي مشکوک در بانکداري» در نشريه روند بانک مرکزي منتشر شده است.


 
روش‌هاي تقلب در کارت‌هاي بانکي
براساس يافته‌هاي اين پژوهش، در مقالات و منابع علمي، تقلب در کارت‌هاي بانکي به روش‌هاي گوناگوني تعريف شده است که چکيده اين تعاريف را مي‌توان اين گونه جمع‌بندي کرد: تقلب در کارت‌هاي بانکي به کلاهبرداري يا تقلب به وسيله کارت بانکي يا هر گونه ساز و کار پرداخت مشابه گفته مي‌شود که از منبع متقلبانه در تراکنش انجام مي‌شود. انواع تقلب‌هاي بانکي که تاکنون شناسايي شده است، تقلب کارت‌هاي پرداخت، مسوولان فاسد، وام‌هاي تقلبي، تقلب‌هاي سيمي، اسناد دستکاري‌شده و تقلبي، سپرده‌هاي مشکوک، تقلب برات ديداري، چک‌هاي دستکاري‌شده و تقلبي، چک‌هاي مفقود شده، تقلب در صورتحساب‌هاي بانکي، چک بازي، چک‌هاي بي‌محل، کارت‌هاي پرداخت مفقود شده، دزدي اطلاعات کارت‌هاي بانکي، جعل هويت، درخواست وام‌هاي تقلبي، بازرسان بانکي جعلي، تقلب‌هاي اينترنتي و فيشينگ پولشويي است.
در ساده‌ترين اين روش‌ها کارمند يک سازمان مي‌تواند تصويري از رسيد مشتري را نزد خود نگه داشته و از آن براي مقاصد بعدي‌اش استفاده کند. کپي کردن از اطلاعات کارت و سپس، سرقت از حساب مشتريان سابقه زيادي در حوزه کلاهبرداري از طريق خودپردازها دارد. به‌طوري که اين مساله در سال 2010 روي بيش از 25درصد از عابربانک‌هايي که کمتر از 6 ماه از نصب آنها گذشته بود اتفاق افتاده است. در کارت‌هاي مغناطيسي امکان سرقت اطلاعات از طريق دوربين، نصب نرم‌افزاري درون خودپرداز يا نصب پايانه فروشگاهي کاذب روي کارتخوان اصلي وجود دارد. نوع ديگري از کلاهبرداري زماني روي مي‌دهد که افراد به سيستم نرم‌افزاري بانک نفوذ کرده و با استفاده از اطلاعات سرقت شده مشتريان، از راه‌هاي مختلفي از جمله صدور کارت‌هاي تقلبي به برداشت از حساب مشتريان مي‌پردازند. گاهي ممکن است خريدها با اطلاعات کارتي که وجود ندارد، انجام شود. براي مثال در خريدهاي اينترنتي و تلفني که خريدار و فروشنده به‌صورت غيرحضوري با يکديگر معامله مي‌کنند، فروشنده راهي براي تشخيص اينکه آيا فردي که اطلاعات را به او داده است، صاحب اصلي کارت است يا خير، ندارد.
در نوع ديگر از سرقت‌ها، اطلاعات کارتي که به تازگي صادر و به فرد متقاضي فرستاده شده است، پيش از رسيدن به فرد اصلي سرقت مي‌شود. معمولا بانک‌ها براي فعال کردن اينترنتي کارت‌ها از متقاضيان خود اطلاعاتي مانند تاريخ تولد را مي‌پرسند، بنابراين، در اين روش فرد سارق نياز به دانستن برخي اطلاعات شخصي صاحب کارت دارد. اين نوع کلاهبرداري، ريسک زيادي را براي بانک و صاحب کارت به دنبال دارد. سارق مي‌تواند تمام موجودي حساب را يکباره برداشت کند. پس از آن، به ويژه در کشورهايي که ارائه خدمات بانکي و بيمه‌اي بيشتر به اعتبار افراد بستگي دارد، سال‌ها زمان لازم است تا فرد قرباني اعتبار خود را نزد بانک به‌دست آورد. راهبردهاي کلان مسائل شناسايي تقلب در حوزه کارت‌هاي بانکي را نيز مي‌توان منطبق با راهبردهاي داده‌کاوي دانست. دو راهبرد کلان براي فرآيند داده‌کاوي وجود دارد. اول، يادگيري نظارت شده و دوم يادگيري نظارت نشده. روش‌هاي نظارت‌شده از يک پايگاه داده شامل موارد متقلبانه و غيرمتقلبانه ساختاريافته استفاده مي‌کنند و در موارد جديد مشکوک به تقلب به کار مي‌روند. يادگيري نظارت‌شده از داده‌هاي گذشته ياد مي‌گيرد و دانش‌آموخته‌شده را در موارد بعدي به کار مي‌برد. اين فرآيند تلاش مي‌کند الگوهاي از پيش تعريف‌شده معين از فعاليت تراکنش‌هايي را شناسايي کند که براي مطابقت با فعاليت‌هاي متقلبانه به کار مي‌روند. در روش نظارت‌نشده، سيستم بدون در اختيار داشتن داده‌هاي خروجي و بدون کمک خارجي، درستي يا نادرستي سيگنال‌هاي خروجي خود را مشخص مي‌کند.
 
کشف رفتارهاي متقلبانه
همان‌طور که در مقدمه اين پژوهش اشاره شده است، يکي از مهم‌ترين موانع استفاده از خدمات بانکداري الکترونيکي، نبود امنيت و برخي سوءاستفاده‌ها در مسير انجام مبادلات مالي است. به همين دليل، شناسايي رفتار‌هاي مشکوک از مسائل مهم در موسسات مالي و بانک‌ها است. در پژوهش پيش رو تلاش شده از طريق بررسي الگوريتم‌هاي نزديک‌ترين همسايگي، درخت تصميم و شبکه عصبي الگوريتمي بهينه براي کشف تقلب در کارت‌هاي بانکي ارائه شود. هدف از مقايسه اين الگوريتم‌ها، شناسايي تقلب در کارت‌هاي بانکي و شناسايي بهتر تراکنش‌هاي متقلبانه از ميان تراکنش‌ها و به‌دست آوردن الگوريتم بهينه در شناسايي رفتار مشکوک و تقلب‌آميز مشتريان بانک است. شاخص‌هاي معرفي شده در اين پژوهش شامل «شهري که تراکنش در آن رخ داده»، «زمان تراکنش» و «تاريخ وقوع» است. نتايج به دست آمده از الگوريتم درخت تصميم تاييد مي‌کند که مدل با دقت نسبتا بالايي در بازشناسايي احتمال تقلب موفق است.
اين قابليت اطمينان در شناسايي تراکنش‌هاي مشکوک مشتريان کارت، به مديران فناوري اطلاعات بانک‌ها اين امکان را مي‌دهد با توليد نرم‌افزارهايي از مدل ياد‌شده و اتصال آن به شبکه بانکداري الکترونيک اقدامات مشکوک را شناسايي کنند. همچنين تمهيدات لازم را براي پيشگيري از تقلب‌هايي که ممکن است در آينده رخ دهد، برنامه‌ريزي کنند. در اين مطالعه براي پژوهش‌هاي آتي پيشنهاد شده است که با توجه به يادگيري ماشين و داده‌کاوي مي‌توان هشداري در سيستم ايجاد کرد تا در صورت روبه‌رو شدن با تراکنش‌هاي مشکوک، پرسش امنيتي از صاحب کارت پرسيده شود و در صورت پاسخ درست از سوي صاحب کارت، مراحل بعدي تراکنش انجام و امنيت بالاتري براي کاربران ايجاد شود. از سوي ديگر، مي‌توان متغيري وابسته با طبقات تراکنش سالم، تراکنش با ريسک کم، تراکنش با ريسک بالا و تراکنش متقلبانه تعريف کرد که در صورت رخ دادن هريک از موارد با توجه به سياست بانک و اهميت آن به‌صورت مستقيم کارت را مسدود کرد يا به‌صورت دستي تحت بررسي کارشناسان قرار داد.
از آنجا که در دنياي امروز يکي از تصميمات ضروري براي بانک‌ها، نحوه عملياتي کردن مدل‌هاي شناسايي تقلب است، يکي از پيشنهادهاي سياستي مطرح شده در اين پژوهش، اين است که بانک‌ها بايد تصميم بگيرند که مدل شناسايي تقلب را برخط استفاده کنند يا خير. درصورت استفاده برخط از مدل، از انجام تراکنش‌هاي مشکوک به تقلب جلوگيري شده و حتي ممکن است کارت مشتري باطل شود. بنابراين اين ريسک براي بانک وجود دارد که نارضايتي مشتريان را در مواردي که مدل به نادرست تراکنش آنها را مشکوک شناسايي کرده است، شاهد باشد. از سوي ديگر، چنانچه شناسايي تراکنش‌هاي مشکوک به‌صورت برخط نباشد، اين ريسک براي بانک وجود دارد که تراکنش‌هاي متقلبانه صورت گرفته، قابل برگشت نباشد. در طبقه‌بندي تراکنش‌هاي مشکوک و سالم، سياست بانک نقش تعيين‌کننده‌اي دارد که مشخص مي‌شود از چه روشي با چه ميزان دقت استفاده شود.
 
تشريح داده کاوي
داده‌کاوي عمدتا با ساختن مدل‌ها مرتبط است و يک مدل اساسا به الگوريتمي از قوانين گفته مي‌شود که مجموعه‌اي از ورودي‌ها را با هدف يا مقصد خاصي مرتبط مي‌کند. بسياري از مسائل محيط اطراف خود را مي‌توان در قالب يک مدل گنجاند. به بيان ديگر، براي تبديل يک مساله به مساله داده‌کاوي بايد آن را به يکي از فعاليت‌هاي داده‌کاوي تبديل کرد. يکي از فعاليت‌هاي متداول در داده‌کاوي، دسته‌بندي است. هدف دسته‌بندي داده‌ها، سازماندهي و تخصيص داده‌ها به کلاس‌هاي جداگانه است. در اين فرآيند، براساس مجموعه داده‌هاي آموزشي، مدل اوليه‌اي ايجاد مي‌شود. سپس اين مدل براي دسته‌بندي داده‌هاي جديد مورد استفاده قرار مي‌گيرد. به اين ترتيب با به‌کارگيري مدل به‌دست‌آمده تعلق داده‌هاي جديد به دسته معين قابل پيش‌بيني است. به بيان ديگر، دسته‌بندي شامل بررسي ويژگي‌هاي يک شيء جديد و تخصيص آن به يکي از مجموعه‌هاي از پيش تعيين شده است.
 
ضعف ايمني در سيستم بانکي کشور
براساس آنچه در اين مقاله به آن اشاره شده است، تاکنون در سيستم بانکي کشور سازوکار و برنامه جامعي براي شناسايي و جلوگيري از تقلب‌هاي مربوط به تراکنش‌هاي مبتني بر کارت وجود نداشته است. اين درحالي است که يکي از وظايف مهم بانک‌ها نظارت بر صحت تراکنش‌هاي بانکي، حفظ مشتريان و کاهش ريسک بانکي است. از اين رو ايجاد و پياده‌سازي سيستمي ازسوي بانک‌ها به‌منظور شناسايي تقلب کارت‌هاي بانکي ضروري است. همچنين در اين پژوهش به اين نکته اشاره شده که در کشورهاي ديگر هم به‌دليل گستردگي استفاده از کارت‌هاي اعتباري، پژوهش‌هاي انجام شده بيشتر بر اين کارت‌ها تمرکز داشته است؛ در حالي که استفاده از اين کارت‌ها در کشور ما مرسوم نبوده و همه تراکنش‌ها بر اساس کارت‌هاي پرداخت نقدي صورت مي‌گيرد. بنابراين استفاده از مدل‌هاي طراحي شده در پژوهش‌هاي کشورهاي ديگر چندان مقدور نيست. با توجه به توسعه بانکداري الکترونيک، به نظر مي‌رسد که جاي خالي آمار دقيق تقلب در کارت‌هاي بانکي معتبر کشور خالي باشد؛ چرا که در آينده‌اي نه چندان دور اين کسري به يکي از معضلات سيستم بانکي کشور تبديل خواهد شد. به اين ترتيب در اين پژوهش پس از مصاحبه با خبرگان در زمينه کارت‌هاي بانکي، شناسايي انواع تقلب‌هاي رايج در زمينه کارت‌هاي بانکي از طريق اعمال تغييرات معنادار روي داده‌ها براي تهيه تراکنش‌هاي متقلبانه، با بهره‌گيري از روش دسته‌بندي در داده‌کاوي، سه تکنيک شبکه‌هاي عصبي، درخت تصميم و نزديک‌ترين همسايگي، مدلي براي طبقه‌بندي تراکنش‌ها به تراکنش‌هاي سالم و متقلبانه ارائه مي‌شود. مدل طراحي شده در اين پژوهش مبتني بر داده‌هاي سيستم بانکي کشور بوده و توانسته است با دقت 98 درصد، عملکرد نسبتا خوبي در طبقه‌بندي يادشده داشته باشد.






نظرات شما

ارسال دیدگاه

Protected by FormShield

ساير مطالب

صعود طلا با اهرم تردید و ترس

دورنمای قیمت جهانی فلزات گرانبها به خصوص طلا در هفته جاری

تحلیل موسسه تی دی اس درباره روند قیمت طلا و سایر کالاها در سال 2019

اختلاف دیدگاه تحلیلگران و سرمایه گذاران درباره قیمت طلا در روزهای آینده

بحران بدهی آمریکا قیمت طلا را افزایش خواهد داد

اختصاصی/ تی دی سکیوریتی: بانک های مرکزی می توانند طلا را به بالای 1400 دلار بفرستند

صعود بورس‌های آسیایی با وجود نگرانی‌ها از وضعیت اقتصاد جهانی

مهمترین رویدادهای اقتصادی جهان در روزهای آتی را بدانید

تازه ترین نظرسنجی کیتکو درباره درخشش قیمت طلا

تحلیل گلدمانی از روند قیمت طلا در سال 2019

تحلیل تکنیکال کیتکو درباره سطوح حمایتی و مقاومتی قیمت طلا

اختصاصی /تاثیر توافق پلازا بر ارزش ین ژاپن و سیاست های بانک ژاپن

نظرسنجی رویترز درباره عوامل موثر بر قیمت جهانی نفت در سال 2019

رشد طلا به بالای سطح شش و نیم ماهه با افزایش ترس های جهانی

پیروی کورکورانه سهام آسیایی از داده‌های چین

بازار سهام چین یک چهارم ارزش خود را از دست داد

وام ازدواج 30 میلیون تومان می‌شود؟

کدام فلز گرانبها بهترین عملکرد قیمتی را در سال 2019 خواهد داشت؟

چشم انداز روند 2019 بازار نفت و سهام از دید تحلیلگران گلدمن‌ساکس

روایت رسمی از جهش ارزی

پیش بینی بانک کردیت سوئیس از روند قیمت طلا در سال 2019

بررسی سه سناریوی تعیین‌کننده قیمت نفت در آینده قیمت جهانی

اختصاصی/ مقاومت و تثبیت طلا در زمان تقلای دلار و فروش های سنگین سهام

پیش بینی بانک آی سی بی سی از روند قیمت طلا در سال 2019

اختصاصی / وضعیت تقاضای 2019 طلا

اختلاف نظر جالب تحلیلگران و سرمایه گذاران بین المللی درباره روند قیمت طلا

آینده ارزهای دیجیتال

آینده ارزهای دیجیتال

فکتورینگ چیست؟

چرا بانکها دست از بنگاه داری بر نمیدارند

منابع ریسک‌ شرعی سرمایه‌ گذاری در بازار جهانی

اختصاصی/ مقاومت دلار باعث افت طلا شد

سقوط اقتصاد جهانی موجب جهش چشمگیر قیمت طلا خواهد شد

تحلیل موسسه تی دی اس از عوامل تاثیرگذار بر قیمت طلا در کوتاه مدت

اعمال محدودیت صرافی‌ های رمز ارز برای ایرانیان

شرط لازم برای افزایش بیشتر قیمت طلا چیست؟

ارزش صنعت ارزهای دیجیتالی در سال 2024

روند صعودی قیمت طلا تا کجا ادامه خواهد داشت؟

الزامات حرکت به سمت بانکداری سبز

تحلیل موسسه تی دی اس از ادامه روند قیمت طلا

تقاضای طلا در سه ماه سوم امسال به 964 تن رسید

اختصاصی/ طلا رشد کرد و در حال ثبت طولانی ترین روند افزایشی از ژانویه است

افزایش قیمت جهانی طلا به 1400 دلار تا پایان 2019

تحلیل موسسه ام کی اس از روند قیمت طلا در کوتاه مدت

گزارش روزانه بورس | چهارشنبه 2 آبان 97

ریسک جهانی به سود طلا

قیمت طلا همزمان با کاهش شاخص سهام آسیا افزایش یافت

تحلیل روند هفتگی بورس | منتهی به 18 مهر

چشم انداز کوتاه مدت قیمت طلا از نگاه تحلیلگران اینوستینگ

علت ریزش بورس؟