کنفرانس بین المللی محاسبات نرم

صفحه اصلی / پنجمین کنفرانس بین المللی محاسبات نرم

هوش مصنوعی و امنیت مالی: راهکارهای نوین برای پیش بینی تخلفات بانکی

نویسندگان :

زهره درانی¹ محمود آذین مهر²

1- دانشگاه پیام نور 2- بانک سپه

کلمات کلیدی :

بانکداری نوین،،شبکه عصبی کانولوشن عمیق،،یادگیری عمیق،،هوش مصنوعی.

چکیده :

در دنیای امروزه که تکنولوژی هوش مصنوعی به سرعت در حال تکامل است، بانکداری به عنوان یکی از حوزه‌های حیاتی اقتصاد جهان، نیازمند راهکارهای نوین برای مقابله با تهدیدات امنیتی و پیش‌بینی تخلفات مالی است. بررسی نقش‌برجسته هوش مصنوعی در امنیت مالی و ارائه راهکارهایی نوین برای پیش‌بینی تخلفات بانکی دارای اهمیت است. این تحقیق به بررسی کاربردهای چندوجهی هوش مصنوعی در شناسایی، پیشگیری و مدیریت فعالیت‌های متقلبانه در بخش بانکی می‌پردازد. سیستم‌های تشخیص تقلب سنتی که عمدتاً مبتنی بر قوانین هستند، اغلب در قابلیت‌های تشخیص بلادرنگ کوتاهی می‌کنند. در مقابل، هوش مصنوعی می‌تواند به‌سرعت اطلاعات تراکنش‌های گسترده را تجزیه‌وتحلیل کند، ناهنجاری‌ها و فعالیت‌های بالقوه تقلبی را در زمان وقوع پیدا کند. یکی از روش های برجسته، استفاده از یادگیری عمیق، به‌ویژه شبکه‌های عصبی است که وقتی بر روی داده‌های تقلبی موجود آموزش داده می‌شوند، می‌توانند الگوهای پیچیده را تشخیص دهند و تراکنش‌های جعلی را بادقت قابل‌توجهی پیش‌بینی کنند. علاوه بر این، بهبود فرایندهای شناخت مشتری از طریق پردازش زبان طبیعی قابل‌دستیابی است، چون هوش مصنوعی داده‌های متنی را از منابع مختلف بررسی می‌کند و صحت مشتری را تأیید می کند. تجزیه‌وتحلیل نمودار با بررسی روابط تراکنش، چشم‌انداز منحصربه‌فردی را ارائه می‌دهد که به طور بالقوه فعالیت های مشکوکی مانند انتقال سریع وجوه که نشان دهنده پول شویی است را برجسته می کند. تجزیه‌وتحلیل پیش‌بینی‌کننده، فراتر از روش‌های سنتی امتیازدهی اعتبار، مجموعه‌داده‌های متنوعی را در برمی‌گیرد و بینش جامع‌تری در مورد اعتبار مشتری ارائه می‌دهد. این تحقیق همچنین بر اهمیت رابط های کاربرپسند مانند چت ربات‌های مجهز به هوش مصنوعی برای گزارش فوری فعالیت های مشکوک و ادغام تأییدیه های بیومتریک پیشرفته از جمله تشخیص چهره و صدا تأکید می کند. تجزیه‌وتحلیل جغرافیایی و بیومتریک رفتاری به ترتیب با تجزیه‌وتحلیل مکان های تراکنش و الگوهای تعامل کاربر، امنیت را تقویت می کنند. سیستم‌های خودآموز هوش مصنوعی تضمین می‌کنند که با تکامل تاکتیک‌های تقلبی، مکانیسم‌های هوش مصنوعی به‌روز می‌مانند و کارایی خود را حفظ می‌کنند. این سازگاری به تشخیص فیشینگ، ادغام اینترنت اشیا و تجزیه و تحلیل بین کانالی گسترش می یابد و دفاعی جامع در برابر تلاش های متقلبانه چندوجهی ارائه می دهد.