پژوهش های اطلاعاتی و جنایی، جلد ۱۷، شماره ۶۵، صفحات ۱۹۵-۲۱۴
عنوان فارسی داده‌کاوی جرائم مالی در حوزۀ سایبری با استفاده از الگوریتم‌های شبکۀ عصبی و درخت تصمیم
چکیده فارسی مقاله زمینه و هدف: بی‌تردید جوامع بشری همواره با پدیدۀ جرائم مالی به‌عنوان مهمان ناخوانده روبرو بوده و همواره در معرض آسیب و متضرر از آن است. این پژوهش با استفاده از ابزارهای داده‌کاوی و با هدف افزایش کارایی و دقت تشخیص جرائم مالی،  با الگوریتم‌های شبکه عصبی و درخت تصمیم انجام یافته است.
روش: این تحقیق کاربردی و از نوع اکتشافی بوده و با داده‌کاوی بیش از 9200 رکورد از جرائم مالی – سایبری (با استفاده از ابزارهای داده‌کاوی Rapid Miner) و با هدف بهبود افزایش کارایی و دقت جرائم مالی پرداخته، انجام شده است. نویسندگان با تحلیل و بررسی داده‌ها و متغیرهای جرم از پایگاه دادۀ پلیس فتای کشور در بازۀ زمانی سال‌های 1397-1398 و با استفاده از الگوریتم‌های درخت تصمیم و شبکۀ عصبی، اقدام به ایجاد بازۀ در نرخ تکانه و یادگیری برای افزایش دقت تشخیص در جرائم مالی کرده‌اند.
یافته‌ها: یافته‌های این تحقیق نشان می‌دهند، دقت تشخیص جرائم مالی با استفاده از الگوریتم شبکۀ عصبی 11/70 درصد و در الگوریتم درخت تصمیم 78/87 درصد است. این میزان دقت تشخیص، 44/23 درصد افزایش دقت  تشخیص را  نسبت به روش جاری  به وجود آورده است.
نتیجه‌گیری: با استفاده از ابزارهای موجود در حوزۀ داده‌کاوی می‌توان با بهره‌گیری مناسب و بهینه از منابع انسانی پلیس، جرائم را کشف کرد و یا از وقوع آن پیشگیری کرد. و از این طریق سازمان‌های پلیسی را در شناسایی مجرمان و مهم‌تر از آن در پیش‌بینی و پیشگیری از جرائم سایبری به‌ویژه جرائم مالی یاری رساند. 
کلیدواژه‌های فارسی مقاله داده‌کاوی، جرائم مالی، درخت تصمیم، شبکۀ عصبی، سایبر،
عنوان انگلیسی Data mining of financial crimes in cyberspace using neural network algorithms and decision tree
چکیده انگلیسی مقاله Introduction & Objective: Undoubtedly, human societies have always faced the phenomenon of financial crimes as uninvited guests and are always exposed to harm. This research has been done using data mining tools and with the aim of increasing the efficiency and accuracy of financial crimes, with neural network and decision tree algorithms.
Statement of Problem: The forthcoming issue indicates that the spread of cybercrime and, in parallel, the increase of recorded crime data, has confronted us with a large amount of data, each of which contains a large number of messages and information. If analyzed correctly, this data can help police organizations identify and track, as well as predict and prevent crime.
Methods and Findings: This study improves the efficiency and accuracy of financial crimes by data mining more than 4500 records of cyber financial crimes using data mining tools. The type of data mining method in this article is predictive. This study, by analyzing the data and crime variables taken from the FATA police database, using decision tree algorithms and neural networks, has created a new method to increase efficiency and accuracy in financial crimes, so that efficiency using From the neural network algorithm in the proposed method is 70. 11% and in the decision tree algorithm is 87.78%.
Conclusion: Using the existing tools in the field of data mining, it is possible to detect crimes or prevent their occurrence by using appropriate and optimal human resources of the police. It is hoped that police organizations can be assisted in identifying criminals and, more importantly, in predicting and preventing cybercrime, especially financial crime.
کلیدواژه‌های انگلیسی مقاله داده‌کاوی, جرائم مالی, درخت تصمیم, شبکۀ عصبی, سایبر
نویسندگان مقاله سعید بختیاری |
عضو هیئت‌علمی دانشگاه علوم انتظامی امین، تهران، ایران

علی منصوری |
دانشجوی کارشناسی ارشد دانشگاه آزاد اسلامی واحد تهران مرکز، تهران، ایران

نشانی اینترنتی http://icra.jrl.police.ir/article_98561_468570bc61503007a7f7e4590aafbf15.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات