17954

17954

ارائه مدلي جهت كشف تقلب در شناسه اصالت سلامت به كمك روش يادگيري تقويتي

كارشناسي ارشد

سيستم هاي اقتصادي اجتماعي

ارديبهشت ماه 1396

دكتر مهدي غضنفري

دكتر محمد فتحيان

صنايع

با رشد و توسعه روزافزون تكنولوژي، تنوع در حوزه‌هاي رخداد تقلب نيز در حال گسترش است و به تناسب آن روش‌هاي گسترده‌اي جهت كشف اين تقلب‌ها به كار بسته شده و روز به‌روز در حال توسعه و پيشرفت هستند. در اين تحقيق به كشف تقلب در حوزه داروهاي خاص كه داراي برچسب اصالت سلامت هستند و بيمه‌گر آن‌ها سازمان تأمين اجتماعي بوده، پرداخته شده است. اين داروهاي خاص داراي برچسبي با كد يكتا بوده كه بيانگر اصالت دارو است. اين كد پس از دريافت از سوي داروخانه از بستر سايت سازمان بيمه تأمين اجتماعي، به صورت وب‌سرويس به سامانه در نظر گرفته شده در سازمان غذا و دارو ارسال شده و پاسخ آن در قالب تأييد يا رد اصالت، به سازمان بيمه‌گر بازگردانده مي‌شود. تقلب موردنظر در تعداد دفعات تكرار استفاده يك كد است كه جهت سهولت كار در نظر گرفته شده و توسط برخي داروخانه‌هاي سودجو، مورد سوءاستفاده قرار مي‌گيرد. به منظور كشف تقلب در چنين داروهايي، يك مدل يادگيري تقويتي توسعه داده شده كه با دو رويكرد نيمه‌نظارتي و غيرنظارتي از آن بهره‌برداري شده است. در هر دو رويكرد نيز از دو روش انتخاب عمل Epsilon-حريصانه و انتخاب عمل براساس تابع بولتزمن استفاده شده است. پس از پياده‌سازي مدل ياد شده بر روي داده‌هاي سازمان بيمه تأمين اجتماعي نتايج بررسي شد. بر اين اساس در هر دو رويكرد نظارتي نتايج به دست آمده حاكي از عملكرد بهتر تابع بولتزمن داشته است. در رويكرد نيمه‌نظارتي دقت مدل برابر با 88 درصد و در رويكرد غيرنظارتي دقت برابر با 84 درصد بوده است كه در ادبيات حوزه كشف تقلب دقت قابل قبولي محسوب مي‌گردد و نشان‌دهنده موفقيت مدل توسعه داده شده در راستاي هدف تحقيق است.

1396/08/02

10/24/2017 12:00:00 AM

With the growth and development of new technologies, fraud occurance areas has also increased. In the other hand a wide range of methods for fraud detection are applied and being improved day by day. In this research, certain labeled drugs that are provided by the Social Welfare Organization have been studied. These drugs are special labeled with a unique code for each one of them that indicates its originality. This unique code would be used by drugstores for checking the drug originality by sending the code through The Social Welfare Organization website. In this case the fraud occurs when some pharmacies use one original code for multiple products. In order to detect this, a reinforcement learning model has been developed and then operated with two approaches. One is the semi-supervised approach and the other is the unsupervised approach. In these approaches, both the Epsilon-Greedy and Boltzman Function action selection method has been used. After implementing the model for analyzing the data received from the Social Welfare Organization, the results are studied. The results obtained from the Boltzman Function show higher accuracy. For the Semi Supervised approach the model accuracy equals %88 and the Unsupervised is %84 that it is an acceptable range for fraud detection and approves the developed model is successful in accomplishing its goal.