در صنعت بانکداری امروز با توجه به پیچیدگی ابزارها و تنوع فعالیت‌های بانکی و ارتباطات درون سیستمی، حفظ سلامت و ثبات نظام بانکی از مهمترین دلایل نظارت بر بانک ها و مؤسسات اعتباری است، از طرف دیگر مجرمان اینترنتی می توانند صدمات شدیدی وارد نمایند. این تحقیق توصیفی-کمّی است که از دو روش تفکر عمیق و مطالعه‌ی پیمایشی بهره برده ودر جمع‌آوری از ابزار مختلف (مصاحبه، مشاهده، پرسشنامه و بررسی اسناد) استفاده شده است. جامعه آماری این تحقیق بررسی لاگ های رخدادهای سایبری طی یک سال اخیر می‌باشد و نمونه‌گیری خاصی صورت نگرفته است. پس از ارائه مدل، با توجه به نیازمندی‌های پروژه، از شبیه‌سازهای معمول و مخصوصاً Matlab استفاده و نتایج بر اساس سرعت اجرا بررسی می‌شود. انتظار می‌رود سامانه ی طراحی شده برای تشخیص گونه های مختلف جرم‌شناسی ناشی از رخداد های سایبری در اینترنت انعطاف پذیری بالایی داشته و بتواند برای انواع دیگر وبگاه ها مورد استفاده قرار گیرد. تفاصيل المقالة

رقابت¬های جهانی، صنابع پویا و چرخه¬های نوآوری و فناوری که به سرعت در حال کوتاه شدن هستند همگی چالش¬های مهمی را برای صنعت مالی، بانکداری و بیمه ایجاد کرده¬اند و نیاز به تجزیه و تحلیل داده¬ها جهت بهبود فرآیندهای تصمیم¬گیری- در این سازمان¬ها بیش از پیش اهمیت پیدا کرده است؛ در این میان، داده¬هایی که در پایگاه-های اطلاعاتی این سازمان¬ها نگهداری می¬شوند به عنوان منابع ارزشمند اطلاعات و دانش مورد نیاز جهت تصمیم-گیری¬های سازمانی مطرح می¬باشند؛ در این تحقیق بر روی مشتریان مشترک صنعت بانکداری و بیمه تمرکز شده است. هدف از این تحقیق، ارائۀ روشی جهت پیش¬بینی عملکرد مشتریان جدیدالورود بر مبنای رفتار مشتریان پیشین است؛ برای این منظور، از یک مدل ترکیبی مبتنی بر ماشین بردار پشتیبان و الگوریتم ژنتیک استفاده شده است؛ بدین ترتیب که ماشین بردار پشتیبان، وظیفه مدل‌سازی رابطه بین عملکرد مشتریان و اطلاعات هویتی آنها را بر عهده دارد و الگوریتم ژنتیک، وظیفه تنظیم و بهینه‌سازی پارامترهای ماشین بردار پشتیبان را عهده‌دار است. نتایج به دست آمده از طبقه بندی مشتریان- با استفاده از مدل پیشنهادی در این تحقیق- طبقه بندی مشتریان با دقت بالای ۹۹ درصد است. تفاصيل المقالة