چکيده
افزايش عظيم معاملات مالي در زمينه تجارت الكترونيك، به افزايشي برابر در ريسك فعاليت هاي كلاه بردارانه منجر شده سو استفاده از كارت اعتباري، نشان دهنده يكي از مهمترين موضوعات اثرگذار بر تجارت الكترونيك است، خصوصا با گسترش هاي اخير اين نوع تجارت. مطالعات انجام شده توسط موسسه سنجش تقلب در آمريكا، گزارش ميدهد كه اين نوع سو استفاده، 10% تا 15% كل تقلبات را، براي 75% تا 80% كل ارزش مالي، شامل ميشود. تنها در آمريكا، اين ماجرا به از دست دادن 2 مليون دلار، به طور متوسط براي هر تقلب به طور تخميني ميشود.
چنين وضعيتي منجر به افزايش علاقه جامعه محققان به ارتقاي روش هاي كارآمدتر براي شناسائي معاملات تقلبي است. دستيابي به اين مهم، ملزوم استخراج تكنيك هاي بسياري است، اما پيش از آن محققان بايد با چند مسئله مواجه شوند كه مهمترين اين مشكل ها، مشكل عدم توازن توزيع و ناهمگوني اطلاعات است. اولين مسئله، اين است كه معمولا معاملات تقلبي كمتر از نمونه هاي قانوني شان هستند، با وجود توزيع نامتوازن اطلاعات كه به كاهش كارآئي راهكارهاي يادگيري ماشين ميشود.
معيار غالب مورد استفاده در اكثر روش هاي به روز كشف تقلبات، اساسا بر مقايسه با برخي تعاملات قانوني يك استفاده كننده مبتني است. چنين معياري، براي اكثر موارد بسيار جزئي و بديهي است. چرا كه ناهمگوني اطلاعات، به طبقه بندي نامناسب منجر ميشود. براي غلبه بر اين مشكل، يك روش كشف تقلبات بايد قادر باشد حداكثر اطلاعات ممكن در مورد معاملات را حين ارزشگذاري ارزش استفاد كند، كه اين هميشه ممكن نيست و علت آن هم، ناتواني برخي روش ها در مديريت اطلاعات است.
ايده اي كه موجب نوشته شدن اين مقاله شد، معرفي مدل جديدي است براي ارزشگذاري است كه مبتني بر الگوي طيفي معاملات باشد، يك نمايش جديد اطلاعات گرفته شده با استخراج "تبديل فوريه". اين عملكرد، نقطه نظر جديدي روي اطلاعات به ما ميدهد، كه از اين مزايا بهره مند است: لحاظ كردن اينكه پروسه ما تنها نيازمند معاملات قانوني پيشين است. اين به ما اجازه ميدهد پيش فعالانه عمل كنيم، كه به ما كمك ميكند در شرايط سخت راحت تر عمل كنيم (سختي بدليل كمبود نمونه هاي تقلبي). نمايش در دامنه هاي متناوب، به كاهش مشكلات مربوط به ناهمگوني اطلاعات كمك ميكند، چرا كه مدل طيفي كمتر تحت تاثير پرآكندگي اطلاعات است.
