یکی از چالش های تشخیص تقلب در این حوزه تنوع و تغییر مداوم شیوه های تقلب است. موفقیت در پیشگیری یا تشخیص یک نوع تقلب باعث ظهور شیوه ای دیگر است. لذا نمی توان به مدل هایی که بر پایه رفتارهای شناخته شده تقلب عمل می کنند، اکتفا کرد. در این تحقیق روش های تشخیص مبتنی بر پروفایل بررسی شده است که مبنای آن اندازه گیری میزان انحراف از پروفایل مشتری است. در این پژوهش ابتدا با تمرکز بر چالش تنوع رفتارهای متقلبین و رفتارهای فصلی و موسمی مشتریان، یک روش تشخیص تقلب ترکیبی ارائه داده ایم که ابتدا پروفایل مشتری را به صورت اتوماتای سلولی مدل می کند و در ادامه در دو سطح تراکنشی و تجمیعی با هم ترکیب کرده و یک پروفایل ترکیبی وابسته به زمان ارائه می دهد تا ضمن اینکه دامنه وسیع تری از انواع تقلب را پوشش می دهد، تعداد هشدارهای ناصحیح را کاهش دهد. اما علاوه بر تشخیص درست تقلب ها، سرعت تشخیص تقلب نیز اهمیت ویژه ای در این حوزه دارد. از آنجا که متقلب قصد دارد بیشترین سود را در کمترین زمان ممکن ببرد، تا زمانی که ردیابی نشده به فعالیتش ادامه می دهد. لذا هر چه تقلب دیرتر تشخیص داده شود خسارت بیشتری وارد خواهد کرد. به این منظور سعی شده تا با به روز رسانی مدل ترکیبی سرعت تشخیص تقلب را بالا ببریم. نتایج ارزیابی این روش نشان داده است در مواردی که الگوهای رفتاری مشتری قابل پیش بینی باشد، این روش می تواند سرعت تشخیص تقلب را بهبود بخشد. همچنین این نتایج حاکی از آن است که با استفاده از روش پیشنهادی تعداد هشدارهای نادرست به مقدار قابل توجهی کاهش پیدا کرده است.

چکیده ندارد.