Αυτόματη εύρεση απάτης στο τραπεζικό τομέα σαν πρόβλημα κατηγοριοποίησης

Αλεξοπούλου, Μαρία; Alexopoulou, Maria

dc.contributor.author	Αλεξοπούλου, Μαρία	el
dc.contributor.author	Alexopoulou, Maria	en
dc.date.accessioned	2020-12-07T09:18:37Z
dc.date.available	2020-12-07T09:18:37Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/52329
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.20027
dc.description	Τέχνο-οικονομικά συστήματα	el
dc.rights	Default License
dc.subject	Ηλεκτρονικό εμπόριο	el
dc.subject	Απάτη πιστωτικής κάρτας	el
dc.subject	Τεχνητή νοημοσύνη	el
dc.subject	Τεχνητά νευρωνικά δίκτυα	el
dc.subject	Κατηγοριοποίηση	el
dc.subject	Artificial intelligence	en
dc.subject	Support vector machines	en
dc.subject	Decision trees	en
dc.subject	Logistic regression	en
dc.subject	Random under sampling	en
dc.title	Αυτόματη εύρεση απάτης στο τραπεζικό τομέα σαν πρόβλημα κατηγοριοποίησης	el
heal.type	masterThesis
heal.classification	Classification Problem	en
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2020-07-17
heal.abstract	Χάρη στην αύξηση και την ταχύτατη ανάπτυξη του ηλεκτρονικού εμπορίου, η χρήση πιστωτικών καρτών για ηλεκτρονικές αγορές έχει αυξηθεί δραματικά γεγονός το οποίο έχει προκαλέσει έκρηξη στον τομέα της απάτης πιστωτικών καρτών. Καθώς η πιστωτική κάρτα γίνεται ολοένα και πιο δημοφιλής ως τρόπος πληρωμής, τόσο για ηλεκτρονικές όσο και για τακτικές πληρωμές, οι υποθέσεις απάτης που συνδέονται με αυτήν είναι επίσης αυξανόμενες. Στην πραγματικότητα, παράνομες κινήσεις βρίσκονται διεσπαρμένες ανάμεσα σε νόμιμες και έτσι απλές τεχνικές ταιριάσματος δεν είναι συχνά αρκετές ώστε να εντοπίσουν αυτές τις παράνομες κινήσεις με ακρίβεια. Ως εκ τούτου, η εφαρμογή αποτελεσματικών συστημάτων εύρεσης απάτης καθίσταται επιτακτική για όλες τις Τράπεζες οι οποίες έχουν δυνατότητα έκδοσης πιστωτικής κάρτας, ώστε να ελαχιστοποιήσουν τις απώλειές τους. Πολλές μοντέρνες τεχνικής βασιζόμενες στη Τεχνητή Νοημοσύνη, Εξόρυξη Δεδομένων, Ασαφής Λογική, Μηχανική Εκμάθηση, γενετική Προγραμματιστική έχουν εξελιχθεί στην αυτόματης ανίχνευσης παράνομων κινήσεων. Ωστόσο, στην παρούσα διπλωματική εργασία παρουσιάζεται μία επισκόπηση διάφορων Τεχνικών Ταξινόμησης Μηχανικής Εκμάθησης, οι οποίες χρησιμοποιήθηκαν σε μία προσπάθεια επίτευξης του παραπάνω στόχου. Τα πειράματα καθώς και κάποιες διαδικασίες προ-επεξεργασίας δεδομένων πραγματοποιήθηκαν με τη χρήση της Python. Τα αποτελέσματα των πειραμάτων έδειξαν την ακρίβεια πρόβλεψης που είχαν οι διάφοροι ταξινομητές που χρησιμοποιήθηκαν.	el
heal.advisorName	Ματσόπουλος, Γιώργος	el
heal.committeeMemberName	Παπαβασιλείου, Συμεών	el
heal.committeeMemberName	Παναγόπουλος, Αθανάσιος	el
heal.committeeMemberName	Ματσόπουλος, Γιώργος	el
heal.academicPublisher	Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών	el
heal.academicPublisherID	ntua
heal.numberOfPages	48 σ.	el
heal.fullTextAvailability	false