16933

16933

طراحي و پياده‌سازي سيستم كشف تقلب در خدمات پس از فروش خودرو با هدف كاهش هشدارهاي اشتباه

كارشناسي ارشد

نرم افزار

دي 1395

دكتر محمد عبداللهي ازگمي

كامپيوتر

كشف ﺗﻘﻠﺐ در خدمات پس از فروش خودرويي در ميان حجم اﻧﺒﻮﻫﯽ از خدماتي كه روزانه در سراسر شبكه خدمات پس از فروش ارائه مي‌گردد، بسيار مشكل است. ﺑﻪ ﻣﺤﺾ اﻧﺠﺎم خدمت جعلي، ﺗﻘﻠﺐ مي‌بايست شناسايي ﺷﻮد. ﻋﻼوه ﺑﺮ اين، ماهيت ﺗﻘﻠـﺐ در ﻃـﻮل زﻣـﺎن در ﺣﺎل تغيير ﺑﻮده و نوع آن پيش از وﻗﻮﻋﺶ ﻧﺎﻣﻌﻠﻮم بوده و ﻣﻤﮑﻦ اﺳﺖ بيش از يك ﻧﻮع خدمت را ﺷﺎﻣﻞ ﺷـﻮد. عامل ايجاد تقلب نيز مي‌تواند مشتري يا نمايندگي باشد. در اين پايان‌نامه يك سيستم تركيبي شناسايي نوسانات و نمره‌گذاري براي شناسايي تقلب در جريان داده‌هاي درخواست‌هاي خدمات‌پس‌از فروش در طول زمان و مكان ارائه شده است. روش پيشنهادي بين پيوندهاي نرمال و تقلبي و غيرعادي تماير قائل شده و بدگماني پيوندهاي تقلبي را از طريق ليست سياه پويا افزايش مي‌دهد. همچنين بدگماني پيوندهاي نرمال با استفاده از ليست خاكستري پويا كاهش داده مي‌شود. در اين پايان¬نامه به طراحي و پياده¬سازي يك سيستم كشف تقلب در شركت امداد خودرو ايران با هدف كاهش سوء استفاده مالي از شركت توسط مشتريان و يا نمايندگي¬هاي مجاز ايران خودرو خواهيم پرداخت. در اين سيستم از الگوريتم «تحليل نمره بدگماني مشتري/ نمايندگي» استفاده كرده و هنگام تسويه حساب توسط آنها از صحت دستوركار اطمينان حاصل شده و پرداخت هرينه¬ها منوط به صحت دستور كار مي¬باشد. در اين الگوريتم، از ليست سياه استفاده كرده و براي هر مشتري/نمايندگي، دو نمره بدگماني با توجه به صفات هر موجوديت در نظر گرفته مي¬شود. بعد از صدور دستوركار و در مرحله تسويه حساب، فرايند تشخيص آغاز شده و با توجه به سوابق مشتري، نمره بدگماني محاسبه و به روز مي¬شود. در اﯾـﻦ اﻟﮕـﻮرﯾﺘﻢ از ﻟﯿﺴﺖ‌هاي خاكستري و ﺳﯿﺎه ﭘﻮﯾﺎ ﺑﻪ ﺗﺮﺗﯿﺐ ﺑﺮاي ﮐﺎﻫﺶ ﻧﻤﺮه ﺑﺪﮔﻤﺎﻧﯽ ﭘﯿﻮﻧﺪﻫﺎي ﻋﺎدي و اﻓﺰاﯾﺶ ﻧﻤﺮه ﺑـﺪﮔﻤﺎﻧﯽ ﭘﯿﻮﻧﺪﻫﺎي ﺗﻘﻠﺒﯽ اﺳﺘﻔﺎده ﻣﯽ‌گردد.سيستم پيشنهادي، با يك‌بار بررسي داده¬ها و پاسخ¬دهي به صورت برخط، قادر به كشف ارتباط بين دستوركارهاي مختلف با استفاده از بروزرساني مكرر ليست خاكستري است. همچنين با بروزرساني مكرر ليست سياه، دستور كارهاي متقلب را شناسايي مي¬كند. نتايج حاصل از آزمايش بر روي دستوركار‌ها نشان مي دهد روش مذكور، در كشف تقلب موفق عمل كرده و از سوء استفاده هاي مالي جلوگيري مي كند.

1395/12/22

1/1/1900 12:00:00 AM

Detection of errors in the field of finance is one of the most challenging issues in studies of data mining. Due to the large volume an​d complexity of data accounting when we faced with this task, it is impossible to do it manually. Since many fraud detection systems have serious limitations, to identify different types of fraud in the field of after-sales services, there may be multiple systems is required with the methods, parameters an​d different databases with specific features. Finding after-sales service daily fraud of vehicles between the massive amounts of network services that provide after-sales service is very difficult. To serve an after-sale service record as a fake one, a fraud should be recognized. Moreover, nature of fraud is changing in the course of time, an​d its type is unknown, finally these changes may involve more than one type of service. In addition each customer o​r agencies can cause fraud. In this thesis a system design an​d implement for reducing abuse of the financial fraud Emdad Khodro Iran (IKCo) company by both customers of Emdad Khodro Iran (EKI) and/or the authorized agents of Iran Khodro. In this system, an algorithm try "to analyze the suspicious client/agency", then checkingout an​d paying their costs to ensure that the accuracy of the Emdad-ID is the key value for verification. In this algorithm, by useing of black lists for each client/agency, two suspicious score considering to the characteristics of each entity are taken into account. After issuance of the Emdad-ID, the detection process starts an​d according to customer records, suspicious score is calculated an​d updated. The proposed system, with one survey response data in real time, able to explore the relationship between different Emdad-IDs using the white list is frequently updated. The results of tests on a large scale agenda indicates the proposed method, is successful in detecting fraud an​d prevent financial abuse.