في ظل تزايد الاعتماد على الخدمات البنكية الإلكترونية خلال أزمة COVID-19، ازدهرت عمليات الاحتيال البنكية وأصبحت بحاجة ملحة لأساليب جديدة لمواجهتها. تعتبر دراسة حديثة حول تطبيقات الذكاء الاصطناعي في التعرف على الاحتيال البنكي خطوة كبيرة في هذا الاتجاه.

تستخدم الدراسة خوارزميات التعلم الآلي (Machine Learning) كأداة فعّالة لتحليل رصد المعاملات البنكية عبر الإنترنت. ومن أهم مميزات هذا البحث هو تطوير نماذج جديدة تسمح بتحديد المعاملات الاحتيالية بدقة عالية. تركز الدراسة أيضًا على تقنيات معالجة البيانات البنكية، مما يهيئها للمقارنة واختيار أفضل النتائج.

من بين الأساليب التي تم تناولها لتحسين دقة الكشف، تتضمن معالجة البيانات غير المتوازنة، وتحويل الميزات، وتصميم ميزات جديدة. وقد أظهرت نتائج النماذج استخدام الشبكات العصبية الاصطناعية (Artificial Neural Networks) كوسيلة فعالة لتعزيز دقة الكشف عن المعاملات الاحتيالية.

وصفت النتائج التي تم الحصول عليها أداءً متميزًا، حيث بلغت قيمة AUC (Area Under the Curve) لخوارزمية الانحدار اللوجستي حوالي 0.946، بينما أظهرت تقنية التصنيف المكدس (Stacked Generalization) تحسنًا ملحوظًا بقيمة AUC تبلغ 0.954.

إن استخدام الذكاء الاصطناعي للكشف عن الاحتيال البنكي يعد موضوعًا حيويًا في مجتمعنا الرقمي الحالي. فمع تزايد استخدام الخدمات الرقمية، يصبح من الضروري تبني تقنيات جديدة لتحسين دقة الكشف وحماية المستخدمين.