:
كمينه:۱۵.۴°
بیشینه:۱۵.۹۹°
Updated in: ۰۵ ارديبهشت ۱۴۰۳ - ۱۴:۵۴
دکتر مریم اخوان خرازیان و شبنم بختياري

مقابله با تقلب در كارت هاي بانكي و کشف رفتارهای مشکوک در تراكنش هاي بانکداری الکترونيک

با توجه به رشد بانكداري الكترونيك و وجود بيش از 400 ميليون كارت بانكي، مقابله با تقلب و كلاهبرداري ضروري است. بانك هاي كشور هنوز سيستم توانمندي براي شناسايي تقلب در كارت هاي بانكي ندارند
کد خبر: ۹۶۶۴۳
تاریخ انتشار: ۱۴ مرداد ۱۳۹۶ - ۱۷:۰۱
خبراقتصادي - تاكنون در سيستم بانكی كشور سازوكار و برنامه جامعی براي شناسايي و جلوگيري از تقلب ها ي مربوط به تراكنشهاي مبتنی بر كارت وجود نداشته است، در صورتی كه يكی از وظايف مهم بانك ها نظارت بر صحت تراكنشهاي بانكی، حفظ مشتريان و كاهش ريسك بانكی است . از اين رو ايجاد و پياده سازي سيستمی توسط بانك ها به منظور شناسايي تقلب كارتهاي بانكی ضروري است. 



بانك ها بايد تصميم بگيرند كه مدل شناسايي تقلب را برخط استفاده كنند يا خير. در صورت استفاده برخط از مدل، از انجام تراكنش هاي مشكوک به تقلب جلوگيري شده و حتی ممكن است كارت مشتري باطل شود. از سوي ديگر، چنانچه شناسايي تراكنشهاي مشكوک به صورت برخط نباشد، اين ريسك براي بانك وجود دارد كه تراكنش هاي متقلبانه صورت رفته، قابل بر گشت نباشد

 با توجه به رشد بانكداري الكترونيك و وجود بيش از 400 ميليون كارت بانكي و 10 ميليارد تراكنش بانكي و 1300 هزار ميليارد تومان مبلغ انتقال پول از طريق كارت هاي بانكي، مقابله با تقلب و كلاهبرداري ضروري است و كارشناسان بانكي معتقدند كه هر چند آمار دقيقی از تقلب در کارت های بانکی معتبر کشور وجود ندارد، ولی به نظر میرسد همزمان با توسعه بانکداری الکترونيك تقلب در کارت های بانکی رو به رشد بوده و در آینده ای نه چندان دور به یکی از معضلات سيستم بانکی کشور تبدیل خواهد شد. براين اساس، كارشناسان به دنبال راهكارهايي براي شناسايي روش هاي متقلبانه، و همچنين مقابله با آن هستند. 

یکی از مهمترین موانع استفاده از خدمات بانکداری الکترونيکی، نبود امنيت و برخی سو استفاده ها در مسير انجام مبادلات مالی است. به همين دليل، استفاده از روشهایی برای شناسایی رفتارهای مشکوک، از مسائل مهم در مؤسسات مالی و بانك هاست. 

 دکتر مریم اخوان خرازیان و شبنم بختياري در گزارشي با عنوان کشف رفتارهای مشکوک در بانکداری الکترونيکی، به بررسي كلاهبرداري و سواستفاده از حساب ها، پرداخت ها، تراكنش ها و كارت هاي بانكي پرداخته و رفتارهاي مشكوك و متقلبانه در بانكداري الكترونيك و همچنين راهكارهاي مقابله با آن را مورد توجه قرار داده اند. 

اين گزارش اعلام كرده كه با توجه به رشد بانكداري الكترونيك، تقلب، رشد روزافزونی در سيستم بانكی داشته و همزمان با آن روشهاي متفاوتی براي مقابله با تقلب معرفی میشود و يكی از تصميمات ضروري براي بانك ها، نحوه عملياتي كردن مدل هاي شناسايي تقلب است.
تاكنون در سيستم بانكی كشور سازوكار و برنامه جامعی براي شناسايي و جلوگيري از تقلب ها ي مربوط به تراكنشهاي مبتنی بر كارت وجود نداشته است، در صورتی كه يكی از وظايف مهم بانك ها نظارت بر صحت تراكنشهاي بانكی، حفظ مشتريان و كاهش ريسك بانكی است . از اين رو ايجاد و پياده سازي سيستمی توسط بانك ها به منظور شناسايي تقلب كارتهاي بانكی ضروري است. 
هدف اصلی پژوهش ها، شناسايي تقلب در سيستم بانكی به منظور حفظ و نگه داري بانك و مشتريان است. مزيتی كه براي بانك دارد، حفظ مشتريان و ايجاد اطمينان خاطر بيشتر براي آنها به منظور استفاده از خدمات بانك و مزيتی كه براي مشتري دارد، كاهش ضرر و زيان وارده به مشتريان است. هدف ديگر، استفاده از داده كاوي در مبحث شناسايي تقلب در كارت هاي بانكی و شناسايي بهتر تراكنشهاي متقلبانه از ميان تراكنشها و كارايی در سيستم بانكداري است.

 پيشنهاد سياستي اين است كه بانك ها بايد تصميم بگيرند كه مدل شناسايي تقلب را برخط استفاده كنند يا خير. در صورت استفاده برخط از مدل، از انجام تراكنش هاي مشكوک به تقلب جلوگيري شده و حتی ممكن است كارت مشتري باطل شود. بنابراين، اين ريسك براي بانك وجود دارد كه نارضايتی مشتريان را در مواردي كه مدل به نادرست تراكنش آنها را مشكوک شناسايي كرده است، شاهد باشد.
 از سوي ديگر، چنانچه شناسايي تراكنشهاي مشكوک به صورت برخط نباشد، اين ريسك براي بانك وجود دارد كه تراكنش هاي متقلبانه صورت رفته، قابل بر گشت نباشد . در طبقه بندي تراكنش هاي مشكوک و سالم، سياست بانك نقش تعيين كننده اي دارد كه مشخص می شود از چه روشی با چه ميزان دقت  بايد استفاده شود.
 شاخص هاي معرفی شده در اين پژوهش شامل شهري كه تراكنش در آن رخ داده، زمان تراكنش و تاريخ وقوع است. نتايج به دست آمده از الگوريتم درخت تصميم تأييد میكند كه مدل با دقت نسبتاً بالايي در بازشناسايي احتمال تقلب موفق است. به نظر ميرسد يكی از كاستي هاي نظام بانكداري الكترونيك و نظامهاي پرداخت شبكه بانكی، تجهيز نبودن زيرساختهاي نرم افزاري بانك ها به اين چنين نرم افزارهايی است؛ بنابراين، يافته هاي پژوهش میتواند در پياده سازي اين رهيافت در شبكه بانكی مؤثر باشد.
 اين قابليت اطمينان در شناسايي تراكنشهاي مشكوک مشتريان كارت، به مديران فناوري اطلاعات بانك ها اين امكان را میدهد با توليد نرم افزارهايی از مدل يادشده و اتصال  آن به شبكه بانكداري الكترونيك اقدامات مشكوک را شناسايي كنند؛ همچنين ، تمهيدات لازم را براي پيشگيري از تقلب هايی كه ممكن است در آينده رخ دهد، برنامه ريزي كنند.
 با توجه به يادگيري ماشين و داده كاوي میتوان هشداري در سيستم ايجاد كرد تا در صورت روبه روشدن با تراكنشهاي مشكوک پرسش امنيتی از صاحب كارت پرسيده شود و در صورت پاسخ درست از سوي صاحب كارت، مراحل بعدي تراكنش انجام شده و امنيت بالاتري براي كاربران ايجاد شود.
 از سوي ديگر، میتوان متغيري وابسته با طبقات "تراكنش سالم "، "تراكنش با ريسك كم"، "تراكنش با ريسك بالا" و "تراكنش متقلبانه" تعريف كرد كه در صورت رخ دادن هر يك از موارد با توجه به سياست بانك و اهميت آن به صورت مستقيم كارت را مسدود كرد يا به صورت دستی تحت بررسی كارشناسان قرار داد.

فناوري داده كاوي

با استفاده از تکنولوژی داده کاوی، روشی نوین در کشف تقلب در کارت های بانکی ارائه شده است. پس از مصاحبه با خبرگان در زمينه کارت های بانکی، شناسایی انواع تقلب های رایج در زمينه کارت های بانکی از طریق اعمال تغييرات معنادار روی داده ها برای تهيه تراکنش های متقلبانه، با بهره گيری از روش دسته بندی در داده کاوی، سه تکنيك شبکه های عصبی، درخت تصميم و نزدیکترین همسایگی، مدلی برای طبقه بندی تراکنشها به تراکنشهای سالم و متقلبانه ارائه میشود. 
این مدل، علاوه بر این که مبتنی بر داده های سيستم بانکی کشور است، توانسته است با دقت 98درصد، عملکرد نسبتاً خوبی در طبقه بندی یادشده داشته باشد. 
دورنماي رقابت در صنعت بانكداري به طور قابل توجهی تغيير يافته است . اين امر به علت نيروهايی همچون قوانين جديد، جهانی شدن، رشد فناوري، تبديل شدن خدمات بانكی به محصول و افزايش قابل توجه تقاضاي مشتريان است. تحول در فعاليتهاي بانكی و افزايش ييچيد گی بانكها ، با عث ايجاد مباحث جديدي در حوزه بانكی همچون تقلب شده است. توسعه فناوريهاي جديد رااي زيادي را براي متقلبان و مجرمان باز كرده كه بتوانند مرتكب تقلب شوند. ايجاد يك سيستم اطلاعاتي جديد و تكنيك هاي شناسايي تقلب، علاوه بر آنكه تقلب و كلاهبرداري هاي صورت گرفته در يك سازمان را شناسايي كرده و مورد تجزيه و تحليل قرار میدهد، به نوعی با شناخت رفتار كاربران يا مشتريان سعی در پيش بينی رفتار آتی آنها داشته و ريسك انجام تقلب را كاهش میدهد.
 به دليل وجود هزينه هاي فراوان مستقيم و غيرمستقيم تقلب، بانك ها و مؤسسات مالی و پولی به شدت به دنبال تسريع و سرعت عمل در شناخت فعاليت هاي كلاهبرداران و متقلبان هستند. اين امر به دليل اثر مستقيم آن روي خدمت رسانی به مشتريان بانك ها و مؤسسات، كاهش هزينه هاي عملياتی و باقیماندن به عنوان يك ارائه دهنده خدمات مالی معتبر و قابل اطمينان است . بنابراين ، به كار گيري تكنيك هاي شناسايي تقلب به منظور جلوگيري از اقدامات متقلبان در سيستم بانكداري، اجتناب نايذير است. امروزه پيچيدگي سازمان ها و تراكنش ها باعث افزايش فرصت براي استفاده هاي سودجويانه و تقلب شده است. اين تقلب ها علاوه بر ضررهاي اقتصادي، اثرات روانی گوناگوني بر روي خ ود بانك و مشتريان آن خواهد داشت. ممكن است شهرت بانك و سطح رضايت مشتريان آسيب ديده و سطح اعتماد مشتريان نسبت به خدمات جديد كاهش يابد.
 در بُعد درون سازمانی نيز ممكن است، فرآيند مديريتی سازمان با اختلال مواجه شده و اخلاق  و وجدان كاري كاركنان تحت تاثير منفی آن قرار گيرد . خدمات نوين ارائه شده توسط بانك ها نيز حوزه هاي جديدي از تقلب را گشوده و اثرات منفی آن ضرورت اقدامات شناسايي تقلب را توجيه يذير ساخته است. فنون شناسايي تقلب، شهامل شگردهاي جستجوي ييچيده اي است كه از طريق بررسی تراكنش ها و رفتار مصرفی مشتري، الگوهاي تقلب را كشف و به موقع اعلام میكند. از سوي ديگر، آگاهی از انواع مختلف تقلبات بانكی نيز براي اقدامات پيشگيرانه میتواند مفيد باشد و بانك ها و مؤسسات مالی در صورت آشنايی با انواع مختلف تقلبات بانكی میتوانند فرآيندهاي نظارتی مناسبی را طراحی كنند. 
در صنعت بانكداري نيز به دنبال رشد و توسعه بانكداري نوين، پيشرفتهاي فناوري اطلاعات و در دسترس بودن امكانات كامپيوتري ييشرفته به منظور ذخيره داده ها، حجم عظيمی از داده ها در دسترس تصميم گيرندگان قرار دارد كه با توجه به وضعيت رقابتی موجود، تصميم گيري سريع، امكان تبديل فرصتها و تهديدها به فرصتهاي طلايی، صنعت بانكداري را به سنت استفاده از تكنيك هاي داده كاوي ترغيب میكند. داده كاوي به عنوان تكنيكی خاص در جهت دست يابی به اطلاعات مفيد و مناسب از اهميت ويژه اي در سالهاي اخير برخوردار شده است كه به صورت گسترده اي در صنايع مختلف مانند بانكداري، هوا و فضا، بهداشت و شناسايي الگوهاي مفيد و ارتباطات بين داده اي ثبت شده مورد استفاده قرار می گيرد. 
هدف داده كاوي، كشف و شناسايي الگوي جديد در داده هاست. در اين رابطه، نو عی احساس خلا در شناسايي تقلب ها در صنعت بانكداري با رويكرد داده كاوي به چشم میخورد. بنا بر اعلام دانشگاه MIT دانش نوين داده كاوي يكی از ده دانش در حال توسعه اي است كه دهه آينده را با انقلاب تكنولوژي مواجه می سازد . اين تكنولوژي امروزه كاربرد بسيار وسيعی در حوزه هاي مختلف دارد؛ به گونه اي كه امروزه حد و مرزي براي كاربرد اين دانش در نظر نگرفته اند و زمينه هاي كاري اين دانش را از ذرات كف اقيانوس ها تا ا عماق فضا میدانند