Адаптивна система оцінювання ризиків онлайн транзакцій на основі інтелектуального аналізу
| dc.contributor.author | Носов, Валерій Олександрович | uk_UA |
| dc.contributor.author | Островська, Катерина Юріївна | uk_UA |
| dc.date.accessioned | 2025-05-25T17:15:29Z | |
| dc.date.available | 2025-05-25T17:15:29Z | |
| dc.date.issued | 2025 | |
| dc.description | К. Островська: ORCID 0000-0002-9375-4121 | uk_UA |
| dc.description.abstract | UKR: З кожним роком кількість фінансових операцій неспинно зростає, а з нею і відповідні кіберзагрози, зокрема шахрайство, тому виявлення ризикових транзакцій в електронній комерції набуває все більшої актуальності. У дослідженні розглянуто адаптивний підхід до оцінювання ризиків онлайн транзакцій на основі інтелектуального аналізу даних, зокрема машинного навчання. Запропонована система передбачає багаторівневу структуру в яку входять поведінковий аналіз, семантична оцінка транзакцій та інтеграція результатів для формування фінального індикатора ризику. Увагу приділено виявленню відхилень від типових шаблонів, зіставленню історичних даних з поточними діями користувача, а також гнучкому реагуванню на підозрілі активності та аномалії у режимі реального часу. Зазначений підхід дозволить підвищити точність виявлення шахрайських операцій, зменшити кількість хибнопозитивних спрацювань, і забезпечити здатність моделі до адаптації в умовах постійно зростаючих загроз у динамічному середовищі. | uk_UA |
| dc.description.abstract | ENG: Each year, the volume of financial transactions continues to grow steadily, accompanied by a corresponding rise in cyber threats, particularly fraud. As a result, identifying high-risk transactions in electronic commerce has become increasingly relevant. This study presents an adaptive approach to assessing the risks of online transactions based on intelligent data analysis, including machine learning methods. The proposed system employs a multi-level structure that incorporates behavioral profiling, semantic transaction evaluation, and integration of results to generate a final risk indicator. The approach focuses on identifying deviations from typical user patterns, correlating historical data with current activity, and responding flexibly to suspicious behavior and anomalies in real-time. This methodology aims to improve the accuracy of fraud detection, reduce the number of false positives, and ensure that the model remains adaptive in the face of growing threats in a dynamic environment. | en |
| dc.identifier.citation | Носов В. О., Островська К. Ю. Адаптивна система оцінювання ризиків онлайн транзакцій на основі інтелектуального аналізу. Інформаційні технології в металургії та машинобудуванні – ІТММ’2025 : тези доп. Міжнародної наук.-техн. конф. (м. Дніпро, 23-24 березня 2025 р.). Дніпро, 2025. C. 584–588. DOI: 10.34185/1991-7848.itmm.2025.01.105. | uk_UA |
| dc.identifier.doi | 10.34185/1991-7848.itmm.2025.01.105 | |
| dc.identifier.issn | 2708-0102 (Online) | |
| dc.identifier.uri | https://journals.nmetau.edu.ua/index.php/itmm/article/view/2174 | en |
| dc.identifier.uri | https://crust.ust.edu.ua/handle/123456789/20345 | en |
| dc.language.iso | uk | |
| dc.publisher | Український державний університет науки і технологій, ІВК «Системні технології», Дніпро | uk_UA |
| dc.subject | оцінка ризиків | uk_UA |
| dc.subject | транзакція | uk_UA |
| dc.subject | машинне навчання | uk_UA |
| dc.subject | поведінковий аналіз | uk_UA |
| dc.subject | інтелектуальна система | uk_UA |
| dc.subject | risk assessment | en |
| dc.subject | transaction | en |
| dc.subject | machine learning | en |
| dc.subject | behavioral analysis | en |
| dc.subject | intelligent system | en |
| dc.subject | КІТС | uk_UA |
| dc.subject.classification | TECHNOLOGY::Information technology | en |
| dc.title | Адаптивна система оцінювання ризиків онлайн транзакцій на основі інтелектуального аналізу | uk_UA |
| dc.title.alternative | Adaptive System for Online Transaction Risk Assessment Based on Intelligent Analysis | en |
| dc.type | Thesis | en |