Кафедра системного аналізу та обчислювальної математики (Кафедра САіОМ)

Permanent URI for this community

https://eir.zp.edu.ua/handle/123456789/10

Browse

Browsing Кафедра системного аналізу та обчислювальної математики (Кафедра САіОМ) by Author "Cherkas, Oleksandr V."

Now showing 1 - 1 of 1
  • Thumbnail Image
    Item
    Виявлення шахрайства в банківських операціях
    (Національний університет «Запорізька політехніка», 2023) Черкас, Олександр Володимирович; Cherkas, Oleksandr V.
    UK: Об'єкт дослідження: карткові банківські транзакції. Мета дослідження: розробка методу виявлення шахрайських операцій з банківськими картками. Предмет дослідження: нейронна мережа для виявлення шахрайств з картковими транзакціями. Методи дослідження: аналіз джерел, досліджень і публікацій, порівняльний аналіз, порівняльна характеристика. Збільшення шахрайства з кредитними картками є актуальною проблемою, яка стала більш серйозною в епоху цифрових технологій та електронних фінансів. Шахраї постійно вдосконалюють свої методи та тактики, щоб отримати незаконний доступ до інформації про кредитні картки та використовувати їх для незаконних операцій. Робота присвячена розробці нейромережевої моделі для виявлення шахрайства. Така модель може не тільки ефективно виявляти шахрайські транзакції, але й постійно донавчатися на актуальних даних, що дозволяє адаптуватися до нових патернів поведінки шахраїв. EN: Object of research: card banking transactions. The purpose of the study: development of a method for detecting fraudulent transactions with bank cards. Research subject: neural network for detection of fraud with card transactions. Research methods: analysis of sources, studies and publications, comparative analysis, comparative characteristics. The rise of credit card fraud is an ongoing problem that has become more serious in the age of digital technology and electronic finance. Fraudsters are constantly improving their methods and tactics to gain illegal access to credit card information and use it for illegal transactions. The work is devoted to the development of a neural network model for fraud detection. Such a model can not only effectively detect fraudulent transactions, but also constantly learn from current data, which allows it to adapt to new patterns of behavior of fraudsters