نوقشت اليوم الثلاثاء الموافق 28-1-2025في كلية علوم الحاسوب والرياضيات / قسم علوم الحاسوب / رسالة ماجستير للباحث (إيهاب ياسين محمود ) الموسومة:
(A study on the Efficacy of Ensemble Decision Making Enhanced by Deep Learning Techniques in Card Fraud Prevention)
بإشراف (أ.م. وسام داود عبدالله )
هذا وقد جاء في مستخلص الدراسة ما يلي:
إن الاحتيال ببطاقات الائتمان، والذي يمكن أن يتسبب في خسائر مالية هائلة وتآكل ثقة العملاء في البنوك، يمثل مشكلة كبيرة للمؤسسات المالية اليوم. ونظرًا لتعقيد أنماط الاحتيال الحالية، فإن طرق الكشف عن الاحتيال التقليدية لم تعد مناسبة وتتطلب طرقًا حديثة وفعالة لتحديد الأنماط المشبوهة في وقت مبكر، وبناء نماذج فعالة تجمع بين التعلم العميق وخوارزميات اتخاذ القرار الجماعي لتعزيز كفاءة النموذج ودقته العالية وتقليل الإنذارات الكاذبة. تم جمع مجموعة البيانات. وتم استخدام المعالجة المسبقة مثل أخذ العينات العشوائية وترميز الملصقات والتطبيع لمعالجة البيانات وتم استخدام وظيفة الوقت والتاريخ لمعالجة الأعمدة التي تحتوي على الوقت والتاريخ في تنسيق يمكن إدارته. تتكون الطريقة من مرحلتين: المرحلة الأولى باستخدام التعلم العميق مع خوارزمية RNN لبناء واستخراج الميزات المهمة واستخدامها مع خوارزميات التعلم الآلي (RF وKNN وXGBoost) لإجراء عملية التصنيف بعد التدريب والاختبار بالإضافة إلى التحقق المتبادل. المرحلة الثانية: استخدام التعلم العميق مع خوارزمية CNN لبناء واستخراج الميزات المهمة واستخدامها مع خوارزميات التعلم الآلي (RF و KNN و XGBoost) لإجراء عملية التصنيف بعد التدريب والاختبار. علاوة على ذلك مع التحقق المتبادل. تم استخدام التحليل الإحصائي والأساليب التحليلية بما في ذلك مصفوفة الارتباك والدقة و الدقة الايجابية والتذكير ونتيجة F1 و ROC AUC ,لتقييم النموذج. يتم تقديم النتائج التي تم الحصول عليها من خلال التحقق المتبادل وبدونه، وحصلت النماذج المقترحة على النتائج التالية. بالنسبة للنهج الأول كانت نتائج نموذج RNN هي الدقة 99.8٪، وكانت دقة النموذج 99.6٪، وكان التذكر 100٪، وكانت نتيجة F1 99.8٪، وكانت ROC AUC 99.8٪. وكانت نتائج نموذج CNN هي الدقة 99.8٪، وكانت دقة النموذج 99.7٪، وكان التذكر 100٪، وكانت نتيجة F1 99.8٪، وكانت ROC AUC 99.8٪. بالنسبة للنهج الثاني كانت نتائج نموذج RNN هي أن الدقة كانت 99.6٪ ودقة النموذج كانت 99.3٪ والتذكر كان 100٪ وكانت درجة F1 99.6٪ وكانت ROC AUC 99.6٪. بينما كانت نتائج نموذج CNN هي أن الدقة كانت 85٪ ودقة النموذج كانت 99.1٪ والتذكر كان 70.6٪ وكانت درجة F1 82.5٪ وكانت ROC AUC 85٪. عند استخدام تقنية التحقق المتبادل، أظهرت النتائج الفعالية الكبيرة للنماذج المقترحة في الكشف المبكر عن الاحتيال. تُظهر الدراسة كيف يمكن جعل أنظمة الكشف عن الاحتيال في بطاقات الائتمان أكثر دقة وكفاءة من خلال الجمع بين أساليب التعلم الآلي والتعلم العميق لإنشاء نموذج هجين. هذا يحسن الأمن المالي.
تألفت لجنة المناقشة من السادة:
1. أ.م.د . محمود ماهر صالح /جامعة تكريت/ كلية علوم الحاسوب والرياضيات رئيساً
2. أ.م. د. احمد سعدي عبدالله / جامعة تكريت/ كلية علوم الحاسوب والرياضيات عضواً
3. أ.م. حسام عبدالمجيد حسين /جامعة سامراء/ كلية التربية عضواً
4. أ.م. وسام عبدالله حسين / جامعة تكريت/ كلية علوم الحاسوب والرياضيات عضوا ومشرفا
هذا وقد حضر المناقشة عدد من التدريسيين وطلبة الدراسات العليا في الكلية.
