АДАПТИВНА СИСТЕМА ОЦІНЮВАННЯ РИЗИКІВ ОНЛАЙН ТРАНЗАКЦІЙ НА ОСНОВІ ІНТЕЛЕКТУАЛЬНОГО АНАЛІЗУ
DOI:
https://doi.org/10.34185/1991-7848.itmm.2025.01.105Ключові слова:
оцінка ризиків, транзакція, машинне навчання, поведінковий аналіз, інтелектуальна система.Анотація
З кожним роком кількість фінансових операцій неспинно зростає, а з нею і відповідні кіберзагрози, зокрема шахрайство, тому виявлення ризикових транзакцій в електронній комерції набуває все більшої актуальності. У дослідженні розглянуто адаптивний підхід до оцінювання ризиків онлайн транзакцій на основі інтелектуального аналізу даних, зокрема машинного навчання. Запропонована система передбачає багаторівневу структуру в яку входять поведінковий аналіз, семантична оцінка транзакцій та інтеграція результатів для формування фінального індикатора ризику. Увагу приділено виявленню відхилень від типових шаблонів, зіставленню історичних даних з поточними діями користувача, а також гнучкому реагуванню на підозрілі активності та аномалії у режимі реального часу. Зазначений підхід дозволить підвищити точність виявлення шахрайських операцій, зменшити кількість хибнопозитивних спрацювань, і забезпечити здатність моделі до адаптації в умовах постійно зростаючих загроз у динамічному середовищі.
Посилання
European Central Bank. Report on payment fraud, 2024. [Online]. Available: https://www.ecb.europa.eu/press/intro/publications/pdf/ecb.ebaecb202408.en.pdf.
Prychynoiu bilʹshosti shakhraiskykh vypadkiv z platizhnymy kartkamy stalo rozgholoshennia danykh yikhnimy korystuvachamy, 2024. [Online]. Available: https://bank.gov.ua/ua/news/all/prichinoyu-bilshosti-shahrayskih-vipadkiv-z-platijnimi-kartkami-stalo-rozgoloshennya-danih-yihnimi-koristuvachami [in Ukrainian].
L. Guo, R. Song, J. Wu, Z. Xu, F. Zhao, Integrating a machine learning-driven fraud detection system based on a risk management framework, Applied and Computational Engineering 87.1 (2024) P. 80–86. DOI:10.54254/2755-2721/87/20241541.
J. K. Afriyie, K. Tawiah, W. A. Pels, S. Addai-Henne, H. A. Dwamena, E. O. Owiredu, S. A. Ayeh, J. Eshun, A supervised machine learning algorithm for detecting and predicting fraud in credit card transactions, Decision Analytics Journal 6 (2023) 100163. DOI:10.1016/j.dajour.2023.100163.
M. Srokosz, A. Bobyk, B. Ksiezopolski, M. Wydra, Machine-Learning-Based Scoring System for Antifraud CISIRTs in Banking Environment, Electronics 12.1 (2023) P. 251. DOI:10.3390/electronics12010251.
B. Borketey, Real-Time Fraud Detection Using Machine, Learning Journal of Data Analysis and Information Processing 12 (2024) P. 189-209. DOI:10.4236/jdaip.2024.122011.
