Centralized Solution to securely transfer Payment Information electronically to banks from Multiple Enterprise Resource Planning (ERP) Systems

مبتدی (مناسب برای درک مفهوم کلی مطلب) 

تجزیه و تحلیل ادبیات قبلی، چالش های مشخصی را در فرایند پرداخت ایجاد کرده که در ذیل فهرست شده اند. زیرساخت متمرکز پیشنهادی برای انتقال امن اطلاعات پرداخت به بانک ها از عهده چالشهای مشاهده شده برمی آید.
3. چالش های رودر روی مدل موجود
الف. اقدام به کلاهبرداری در خلال تراکنش های پرداخت
بنگاه هایی که از چارچوب های ERP بهره می برند، داده های مربوطه را با بانک مبادله می کنند. این تبادل اطلاعات با بانک با استفاده از فایلی انجام می شود که شامل جزئیات پرداخت، مقدار، واحد پول و اعتبارات حساب بانکی می باشد. بیشتر مواقع این داده های منتقل شده مستعد اقدامات کلاهبرداری یا بواسطه تغییر شماره حساب یا تغییر مقدار انتقالی می باشد.

ب. پردازش دستی ناکارآمد
بخش قابل پرداخت حساب در یک سازمان، نقشی حیاتی در تبادل اطلاعات پرداخت تأمین کنندگان یا کارمندان با بانک، ایفا می کند. فرایند پرداخت و تأییدات بعدی می تواند با استفاده از برنامه های کاربردی ERP بطور خودکار انجام شود و اگر بطور دستی صورت گیرد زمان قابل ملاحظه ای طول می کشد. تحقیق گیت پوینت انجام شده توسط تیپالتی [9]، نشان می دهد که 72 پاسخ دهنده بیش از 5 ساعت در هفته وقت صرف تنظیم دریافت کنندگان، انجام و صدور پرداخت ها، حل مسائل مرتبط با پرداخت، و اجرای سایر هماهنگی های مرتبط با پرداخت ها می کنند. این نظرسنجی علاوه براین تخمین زده که 48% پاسخ دهندگان یا گزارش های پرداخت را دستی به بانک ارسال کرده اند یا از اطلاعات چارچوب های ERP بهره گرفته اند. بعد از این فرایند، ارتقاء و روزآمدکردن داده ها، یک کار دستی می شود که نه تنها خطر امکان تقلب را افزایش می دهد بلکه همچنین هماهنگی داده ها را دشوار می سازد. این شیوه های دستی مستعد خطا و سوءتعبیر هستند.
پ. تراکنش های غیراستاندارد از طریق درگاه های پرداخت
چهار تا از پنج بنگاه بخاطر عدم وجود فرایندهای پرداختی استاندارد دارند فعالیتهایشان را در معرض ارائه نادرست اطلاعات پرداخت قرار می دهند [10]. این سازمانها با سطح بالای پیچیدگی متحمل تکثیر هزینه های عملیاتی و تراکنشی هستند. بنابراین علاقه رو به رشدی برای کنترل ها وجود دارد و این مستلزم یک زیرساخت متمرکز با پایه امن برای مبادله داده های پرداخت با بانک می باشد.

ت. روابط و تراکنش های بانکداری چندگانه
پرداخت های بانک به بانک و قابلیت اتصال به بانک با مسائلی مواجه هستند درخصوص چارچوب های واگرای شبکه های ERP چندگانه که تراکنش ها را از بانک های مختلف به هم مرتبط می کنند. این شبکه پرداخت در محیط های بانکداری چندگانه، قویتر و پیچیده تر است. گزارش ارائه شده توسط سانگارد توضیح می دهد که این پیچیدگی باعث شده تراکنش های کسب وکار 25 % سازمانها با بیش از 10 بانک مدیریت پول نقد سروکار داشته باشد، 23% سازمانها بیش از هزاران حساب بانکی را مدیریت کنند [11]. درحالی که 89% سازمانها، فعالیتهای کسب و کارشان را در سرتاسر کشورهای مختلف گسترش داده اند، این خدمات بانکداری بین المللی برای بیش از 55% فعالیتهایی که درآمدی بالغ بر 1 میلیون دلار به بار می آورند به تراکنش های بانکداری الکترونیکی متصل شده اند. از کل تراکنش هایی که بطور بین المللی صورت می گیرد، 29% خدمات بانکداری با گزارش هک شدن داده ها، خدمات جعلی و سوء تعبیر داده ها مواجه بودند [11]. فرصتها برای امنیت و تفسیر دقیق داده ها توسط سازمانها تشخیص داده نمی شود تا تهدیدات امنیتی کاهش یابد.

4. حالت های مختلف پرداخت
اصلی ترین روشهای پرداخت، چک های الکترونیک، خانه های تصفیه خودکار (ACH) و انتقال صندوق های الکترونیکی (EFT) هستند [12]. مطالعه انجام شده توسط سانگارد روی پرداخت های بانک به بانک براساس تجزیه و تحلیل 400 متخصص خزانه داری و امورمالی، نشان می دهد که 15% از پاسخ دهندگان بیشتر از چک های کاغذی استفاده می کنند تا روشهای پرداخت رایج مثل کارت های اعتباری/ بدهی ، ACH و EFT. این سازمانها هنوز از چک هایی استفاده می کنند که با خطرات وخیم کلاهبرداری و تقلب مواجه هستند [11]. شکل 1، سهم استفاده غالب از روشهای پرداخت را نشان می دهد.

الف. چک
یک تجزیه و تحلیل از نظرسنجی انجام شده توسط انجمن متخصصان امورمالی ، چک را برجسته ترین روش پرداخت می شناسد که درمعرض کلاهبرداری و مسبب اتلاف بیشترین مقدار دلار در سال 2014 بوده است. مناسبات بانکیبرای مبارزه با این زیان ها، اصلاح و تحول به راه حل های دیجیتال را با سرعتی کندتر، آغاز کرده است [13]. حداقل کردن استفاده و اعتماد به چک، سوءتعبیر و کلاهبرداری را در فرایندهای دستی کاهش می دهد [14].
پرداخت مثبت یک ابزار تشخیص خودکار است که توسط بانک های پیشرو برای شناسایی فعالیتهای جعلی از طریق تأیید اعتبار شماره حساب، جزئیات مالی، شماره های چک از روی فهرستی از شماره های چک مجاز صادر شده توسط بانک لحاظ شده است.

ب. ACH
کارACH، کنترل سازگاری جریان پرداخت و کاهش ارائه نادرست اطلاعات چک با استفاده از رکوردهای ACH برای پردازش پرداخت به کارمندان، بازگانان، و سایر ذینفعان مربوطه می باشد. ACH، حجم وسیعی از تراکنشات اعتباری و بدهی را مدیریت می کند [15].

ج. EFT
یک فایل پرداخت الکترونیک منفرد از طریق تلفیق سیستم های ERP متفاوت و فرمت های مختلف EDI با پرداخت های چندگانه، داد و ستد می کند.

مبتدی (مناسب برای درک مفهوم کلی مطلب) (ترجمه به صورت ناقص انجام شده است)

گزارشگری مالی متقلبانه ب کسب و کار ها موردی از نگرانی های اجتماعی و اقتصادی فاجعه بار هستند و به یک مسئله مهم در حسابداری ، و همچنین به طور کلی در جامعه تبدیل شده اند (کاکس و ویریچ،2002).
یکی از مشکلات گزارشگری مالی ارائه مجدد صورتهای مالی است. ارائه مجدد به طور کلی ناشی از خطاهای موادی در صورتهای مالی است که مدتی پس از صادر شدن کشف می شوند. ارائه مجدد ممکن است از تقلب بدست آید، ولی ممکن است از انواع مختلف خطاها باشد، از جمله سوء تعبیر از اصول حسابداری. در حالی که این خطا ممکن است عمدی باشد، کیفیت گزارشگری و کفایت کنترل های بیش از فرایند گزارشگری مالی زیر سوال می روند (کالبرس 2009) (جدول 1).
بسیاری از مطالعات فوق نسبت های مالی بین شرکت های جعلی و غیر جعلی را با استفاده از رگرسیون لجستیک بررسی کرده اند. در این تحقیق با استفاده از روش آزمون t برای برجسته کردن تفاوت نسبت بین شرکت های جعلی و غیر جعلی استفاده می شود.
ساخت فرضیات
این مطالعه انتظار دارد که بین استفاده از برخی از نسبت های مالی بین شرکت های جعلی و غیر جعلی تفاوت وجود دارد. از این رو، فرضیه های زیر پیشنهاد شده اند:
H1: بین استفاده از کل بدهی نسبت به حقوق صاحبان سهام بین شرکت های جعلی و غیر جعلی تفاوت معناداری وجود دارد.
H2: بین استفاده از کل بدهی نسبت به دارایی مجموع بین شرکت های جعلی و غیر جعلی تفاوت معنادار وجود دارد.
H3: بین استفاده از سود خالص و نسبت درآمد بین شرکت های جعلی و غیر جعلی تفاوت معنادار وجود دارد.
H4: بین استفاده از دارایی های جاری و نسبت کل دارایی بین شرکت های جعلی و غیر جعلی تفاوت معنادار وجود دارد.
H5: تفاوت معنی داری بین استفاده از مطالبات و نسبت درآمد بین شرکت های جعلی و غیر جعلی وجود دارد.
H6: بین استفاده از پرسشنامه و نسبت کل دارایی بین شرکت های جعلی و غیر جعلی تفاوت معنادار وجود دارد.
H7: بین استفاده از نسبت سرمایه در گردش به کل دارایی بین شرکت های جعلی و غیر جعلی تفاوت معنادار وجود دارد.
H8: بین استفاده از نسبت درآمد به کل دارایی بین شرکت های جعلی و غیر جعلی تفاوت معنادار وجود دارد.

جمعیت آماری و نمونه برداری
جمعیت آماری این مطالعه از شرکت های پذیرفته شده در بورس اوراق بهادار تهران (TSE) تشکیل شده است. با این حال، با توجه به حجم بالای جمعیت و عدم تجانس در میان شرکت های پذیرفته شده در بورس اوراق بهادار تهران، شرایط زیر در نظر گرفته شدند:
1. سال مالی شرکت باید در پایان سال به پایان رسد و سال مالی در طول دوره مورد بررسی تغییر نکرده است.
2. اطلاعات مورد نیاز باید در دسترس باشند. با استفاده از این محدودیت ها، 134 شرکت در طول دوره 2008-2014 انتخاب شدند.

روش تحقیق
این تحقیق را می توان به عنوان یک مطالعه توصیفی در مورد اهداف طبقه بندی کرد، همانطور که هدف ما این است که ضبط، تجزیه و تحلیل و ارتباط حقایق و پدیده های بدون دستکاری آنها را رعایت کرد. اطلاعات شرکت ها از طریق نرم افزار پردازشگر تدبیر و وب سایت رسمی بورس اوراق بهادار (www.rdis.ir و www.codal.ir) جمع آوری شد. در نهایت، داده ها با استفاده از نرم افزار Excel تهیه شد و پس از آن تجزیه و تحلیل نهایی با استفاده از نرم افزار SPSS 21 انجام شد.

اندازه گیری گزارشگری مالی متقلبانه
میزان احتمال گزارشگری مالی متقلبانه است که با ترکیب دو مدل در اندازه گیری پرچم قرمز برای احتمال مدیریت سود اندازه گیری شد. مدل ها مدل پیش بینی ورشکستگی زی-اسکور و مدل بنیش ام-اسکور هستند. مدل Z-اسکور که توسط آلتمن (1968) ایجاد شده است یک پروکسی برای خطر بحران مالی و یا با خطر ورشکستگی است که در آن این خطرات می تواند علامت هشدار دهنده برای فروپاشی احتمالی باشد که در یک سازمان به وقوع تقلب یا دستکاری منجر خواهد شد . در همین حال، مدل ام-اسکور بنیش است که توسط بنیش (1999) ایجاد شد، شبیه به زی-اسکور آلتمن است، اما برای برآورد احتمال دستکاری ورشکستگی بهینه سازی شده است (بنیش،1999). بنابراین، با استفاده از این دو مدل، احتمال گزارشگری مالی متقلبانه در یک سازمان را می توان تعیین کرد (رزالی و ارشاد، 2014).

زی-اسکور آلتمن
Z = 1.2 (سرمایه در گردش / کل دارایی) + 1.4 (حفظ سود / کل دارایی) + 3.3 (درآمد قبل از بهره و مالیات / کل دارایی) + 0.06 (ارزش بازار حقوق صاحبان سهام / ارزش دفتری کل بدهی) + 1.0 (فروش / کل دارایی)
سطح بحران مالی در سه منطقه از پریشانی طبقه بندی شده است. زی-اسکور هایی که کمتر از 1.81 یک شاخص هستند که سازمان در منطقه “پریشانی” است، امتیازات بین 1.81 و 2.99 نشان می دهد که سازمان ها در منطقه “خاکستری” بودند، و برای امتیازاتی که بیش از 2.99 است شاخصی وجود دارد که این سازمان در منطقه “امن” است (رذالی و ارشاد، 2014).

تعریف “مدل بنیش”
این یک مدل ریاضی که از نسبت های مالی برای تشخیص اینکه آیا یک شرکت درآمد خود را دستکاری کرده است یا خیر استفاده می شود. متغیرهای داده ها در صورتهای مالی این شرکت ساخته شده اند و هر بار محاسبه شدند، یک ام-اسکوئر برای توصیف درجه ای ایجاد می کند که درآمد ها دستکاری شده اند. این متغیرها عبارتند از:
1. DSRI فروش روز در شاخص اول قابل دریافت
2. GMI شاخص سود ناخالص
3 AQI . شاخص کیفیت دارایی
4 . SGI شاخص رشد فروش
5. DEPI – شاخص استهلاک
6. SGAI شاخص هزینه های فروش و عمومی و مدیریت
7. LVGI – شاخص اهرم مالی
8. TATA – مجموع اقلام تعهدی به کل دارایی
هنگامی که محاسبه انجام شد، هشت متغیر برای رسیدن به یک ام-اسکوئر برای شرکت با هم ترکیب شدند. یک ام-اسکوئر کمتر از 2.22- نشان می دهد که این شرکت دستکاری نخواهد شد. یک ام-اسکوئر بیشتر از 2.22- نشان می دهد که این شرکت به احتمال زیاد دستکاری شده است.
M-Score= -4.84 + .920*DSRI + .528*GMI + .404*AQI + .892*SGI + .115*DE PI
.172*SGAI +4.679*TATA – .327*LVGI

روش آزمون
در این مطالعه نمونه آزمون t مستقل استفاده شد. با توجه به طراحی جفتهای همسان ، آزمون t نمونه جفت شده برای هر متغیر برای تعیین اینکه آیا میانگین نمونه تقلب متفاوت از میانگین نمونه غیر تقلبی قابل توجه است.

بررسی مدل های پیش گیری از تقلب در معاملات تجارت الکترونیک

A Survey of Ecommerce Transaction Fraud Prevention Models

چکیده 
طی سالیان متمادی، افزایش علاقه زیادی به تلاش های تحقیقاتی به منظور توسعه مدل های اعتماد مشتری-تاجر وجود داشته است. چندین نوع از این مدل های پیشگیری از تقلب تجارت الکترونیک، از بازرگانان، فروشگاه ها و کارت های اعتباری ارایه شده اند، در حالی که مشتریان فریب خورده از قوانین و سیاست های تثبیت شده برای مبارزه با این تقلب ایجاد می کنند.بررسی مدل های پیش گیری از تقلب تجزیه تحلیل شده است و مولفه های کنترل صداقت فروشنده در سیستم تراکنش، در مدل های تجارت الکترونیکی وجود ندارد. سیستم پیشنهادی از فنون مبتنی بر قانون و قاعده استفاده کرده و کنترل هایی در برابر فروشگاه های مجازی تقلبی اعمال کرده است. پرسنامه به مشتریان آنلاین در مورد قابل قبول بودن و پذیرش مدل جدید توزیع شد. تجزیه تحلیل نشان داد که مدل تجارت الکترونیکی چند احراز هویتی توسط مشتریان آنلاین قابل قبول است. در آینده، کارایی مدل پیشنهادی تچارت الکترونیکی با توسعه و پیاده سازی مدل پیش گیری از تقلب MAE اثبات خواهد شد. کیفیت مدل پیشنهادی با استفاده از داده های تولید شده اندازه گیری شد.

1- مقدمه
تجارت الکترونیکی، موسوم به ای کامرس، یک قانون انجام معاملات و تراکنش های تجاری در اینترنت یا فناوری های ارتباطی مشابه بوده است(1). به عبارت دیگر، تجارت الکترونیکی، شامل خرید، فروش، مبادله کالاها، خدمات و اطلاعات از طریق شبکه های الکترونیک است.
مصرف اولیه گسترده اینترنت انتظارات بالایی از پتانسیل اینترنت را برای تجارت الکترونیکی نشان داده است، با این حال کمبود مکانیسم های پرداخت آنلاین، اعتماد به مشتری در پرداخت های الکترونیکی و مسائل مربوط به امنیت مکانیسم پرداخت، استفاده ضعف از خرید انلاین را توجیه می کند (2). به عبارت دیگر، مشکلات مربوط به پرداخت، تحویل غیر قطعی است، می تواند یک دلیل کلیدی برای مصرف کننده های بی میل به تجارت الکترونیکی(3-4) باشد. از این روی، این مقاله به ارزیابی فنون پیش گیری از تقلب فروشنده با بررسی نقائص و مشکلات پرداخته است و یک مدل تجارت الکترونیکی چند احراز هویتی را پیشنهاد کرده است.
2-کار های مربوطه
2-1 فنون پیش گیری از تقلب
انواع بسیاری از تقلب های فروشنده نظیر تقلب تبانی یا تقلب مثلث بندی، کلونینگ صفحه سایت و سایت های تجاری کاذب وجود دارند(5،6 و 7).
(6)، یک سیستم مدیریت تقلب مبتنی بر قاعده را ارایه کرده است که از لایه های حفاظت از تقلب برای کنترل کارت اعتباری استفاده می کند. نتایج نشان می دهد که چیپ و پین یک جایگزین بهتر از نوار مغناطیسی است.
(8) یک سیستم رتبه بندی خطر را پیشنهاد کرده است که بر اساس مدل های آماری بوده و از الگو های مشتق شده از تراکنش های تاریخی دارنده کارت و نیز ویژگی های تراکنش فعلی برای فعالیت های مشکوک استفاده می کند. این مسئله مربوط به کنترل مشتری است.
(9) از عوامل هوشمند در سیستم های پایش مالی برای پایش تراکنش های مالی و شناسایی و کزارش تراکنش های غیر طبیعی استفاده می کند. هدف آن ها نمی تواند پیش گیری از تراکنش های غیر طبیعی باشد.
(5) ویژگی های امنیتی مورد استفاده توسط بانک ها را برای حفاظت از تراکنش ها از متقلبان استخراج کرده است. کار آن ها، جهار فرایند اصلی را استخراج کرده و بانک ها، مسائل موجب در تراکنش های کارت اعتباری را کاهش داده اند. تاکید اصلی بر کارت اعتباری نبوده است.
(10) یک سیستم پرداخت الکترونیکی را ارایه کرده است که تراکنش های متقلبانه CNP بر اساس روش های داده کاوی تشخیص می دهد. آن ها به بررسی کارت اعتباری پرداخته است.
(11) یک مدل ابراز هویت را برای تجارت الکترونیک برای کاهش نیاز به منابع محاسباتی برای پایانه های موبایل ارایه کرده و احراز هویت امنیتی، و کلید های جلسه ای را هم برای خریدار و هم برای فروشنده برای پیش گیری از جعل سرقت ارایه کرده است. مطالعه ایشان بر روی جعل هویت بود.
(12) یک معماری ای ارایه کرده است که از مکانیسم ایمیل قابل اطمینان برای شناسایی و احراز هویت مشتری انلاین، پیش گیری از تراکنش های کارت اعتباری غیر مجاز و حل اختلافات تجارت الکترونیکی استفاده می کند. مطالعه آن ها مربوط به جعل کارت اعتباری در محصولات نرم بود.
(13) یک مدل جعل الکترونیکی را ارایه کرده است که این مدل امکان بررسی و درک اصول مکانیکی و شرایط تقلب و جعل الکترونیکی را می دهد. در این راستا ابعاد مختلف تقلب و جعل الکترونیکی بررسی شده است که برای متخصصان در ایجاد دیدگاه سازمانی جامع از پدیده جعل الکترونیکی، مفید است.هدف این مطالعه، درک ماهیت و بزرگی جعل هویت و شناسایی و کنترل مکانیسم ها بود.
(14) سیستم متشکل از ” کنترل های از پیش تعریف شده” را ارایه کرده اند که بر ویژگی های تراکنش های جعلی و غیر جعلی نظارت کرده و داده ها با استفاده از یک جفت کلید متقارن، انتقال داده شدند. این خود موجب تشخیص تراکنش های جعلی و غیر جعلی در هنگام تست بر روی مجموعه داده ها شد. مطالعه آن ها مربوط به سناریو های فعلی CNP بود.
(15) استفاده از رد یابی توزیع را در محتوی وب برای شناسایی منابع جعلی پیشنهاد کرد. این خود موجب شناسایی فعالیت های جعل سایت های وب تقلبی نظیر پرتال های مالی، بستر های تجارت مالی و سایت های خرده فروشی انلاین شد. هدف اصلی ایجاد وب سایت های جعلی بود.
(16) به بررسی برنامه های کسب و کار در یک محیط تجارت الکترونیکی پرداخت. این مسئله موجب کاهش خطرات و آسیب پذیری موثر بر کاربرد کلی سیستم های کامپیوتری در حوزه محیط تجارت الکتریکی شد.

ABSTRACT

Over the years, there has been an increasing interest in research efforts to develop customer-merchant trust models. Several types of these designed ecommerce fraud prevention models protects merchants, merchant stores and credit cards while defrauded customers uses established laws and policies to fight their cases. A survey of existing fraud prevention models was analyzed and component that checks merchant integrity within the transaction system was not present in the ecommerce models. The proposed system incorporates rule-based techniques and defined checks against fake virtual stores. Questionnaire was distributed to online customers about the acceptability of the new model. The analysis showed that the proposed Multi Authentication Ecommerce (MAE) Model is acceptable by online customers. In future, the efficiency of the ecommerce proposed model will be demonstrated by developing and implementing MAE fraud prevention model. The quality of the proposed model will be measured using the data generated.

1 INTRODUCTION

Electronic commerce, otherwise known as ecommerce, is the act of doing business transactions over the Internet or similar communications technology [1]. In other words, e-commerce involves the buying, selling or exchange of goods, services, and information through electronic networks. The initial widespread uptake of the Internet showed high expectations of Internet potential for e-commerce but, the lack of appropriate online payment mechanisms, consumer confidence in electronic payments and issues with the perceived security of payment mechanisms, explained the weak uptake of online shopping [2]. In other words, paymentrelated difficulties, products not appropriate, sellers are unknown, delivery is uncertain, were key explanation for consumers disinterest in ecommerce [3, 4]. Thus, this paper evaluated the existing merchant fraud prevention techniques with a view to exposing their flaws and proposed a Multi Authentication E-commerce (MAE) Model.

2 RELATED WORKS

2.1 Fraud Prevention Techniques

There are many types of merchant fraud such as merchant collusion fraud or triangulation fraud, Site/page cloning, and false merchant sites [5, 6, 7]. [6] proposed a proactive rule-based Fraud Management System (FMS) that uses layers of fraud protection to check credit card. The result showed that Chip and Pin is a better alternative than magnetic stripe. [8] proposed a risk scoring system that is based on statistical models which use derived patterns from cardholder historical transactions as well as the current transaction attributes to identified suspicious account activity. The scope was on checking Customer. [9] proposed the use of intelligent agents in financial monitoring systems to effectively monitor financial transactions and detect and report any abnormal transactions. Their scope could not prevent abnormal transactions. [5] elicited the security features used by the banks to protect transactions from fraudsters. Their work elicited four major processes that banks can mitigate the problems in credit card transactions. In their work, emphasis was on credit card. [10] proposed an e-payment system that detects fraudulent transactions of Card-NotPresent (CNP) based on data mining techniques. They dealt with credit card [11] proposed an authentication model for MCommerce that reduce the requirement of computational resources for mobile terminals and provides security authentication, credit standing and session key for both the buyer and the seller to prevent large scale of identity theft. Their work was on identity theft. [12] proposed an architecture that uses a Trusted Email mechanism to identify and authenticate the online customer, prevent unauthorized credit card transactions, and effectively resolve e-commerce dispute. Their work covered credit card fraud on soft-products [13] proposed an e-fraud model of electronic fraud that allows the mechanics and context of e-fraud to be more fully understood. It took into account the various dimensions of e-fraud that is useful for practitioners in creating a comprehensive organizational view of the efraud phenomena. The scope was to understand the nature and extent of e-fraud, and identify the controls and mechanism. [14] proposed a system which consisted of “predefined checks” that observes the attributes of fraudulent and non-fraudulent transactions and data was transmitted by using a pair of symmetric keys. It detected both fraudulent and non-fraudulent transactions when tested on a data set. Their scope of work was on Card Not Present scenarios [15] proposed the use of distribution tracing within web content to identify counterfeiting source. It identified the activities of counterfeiting of popular transactional Web sites such as financial portals, stock‐trading platforms and online retail sites. Scope was on Counterfeit websites. [16] examined the security of business applications in a full electronic commerce environment It reduced risks and vulnerabilities that affect the overall operation of computer systems in e-commerce environment scope was on e-commerce environment

مدل ترکیبی آنلاین برای پیشگیری و کشف جعل آنلاین

Online Hybrid Model for Online Fraud Prevention and Detection

چکیده :
روند فعلی کسب و کار آنلاین را قادر می سازد خدمات بهتر و سریع تری برای کاربران فراهم کند و باعث سود بیشتر برای بازرگانان می گردد. در طرف دیگر، اینترنت محبوب ترین پلت فرم برای کلاهبرداران جهت ارتکاب جعل آنلاین و با سهولت تبدیل شده است . چند راه حل برای غلبه بر این جعل آنلاین ارائه شده است. اما، راه کامل و کارآمد این مشکل هنوز هم در حال پژوهش است. در این مقاله، ما مدل ترکیبی آنلاین (اهم) که به طور گسترده مانع از احتمال جعل آنلاین می شود، و امکان تشخیص و رفع آن را دارد پیشنهاد کرده ایم. روش اهم به طور انحصاری برای حراج، عدم تحویل / کالا و سرقت هویت ارائه شده است. اهم بیشتر در روش های دیگر جعل آنلاین قابل اجرا است. ما عملکرد این مدل را ارزیابی کرده و نشان داده ایم که اهم یک رویکرد آنلاین پیشگیری و کشف جعل قوی و بسیار موثر است.

1. مقدمه
کسب و کار آنلاین روش کسب و کار مدرن است که با استفاده از بازاریابی مستقیم، فروش، و خدمات عمل می کند. رشد اینترنت دارای معنی خاصی در رشد تجارت الکترونیک است[1]. با توجه به گزارش های وزارت بازرگانی، و تحقیقات فورستر، خرده فروشی اینترنتی، در شرکت کامسور[2]، فروش آنلاین به سرعت در چند سال گذشته افزایش یافته است و نشان می دهد که چرا تجارت الکترونیک محبوب شده است.
افزایش رشد کسب و کار آنلاین و مصرف بیشتر از اینترنت (نشان داده شده در جدول 1 و 2) [2] ، و فعالیت های غیر قانونی به طور همزمان افزایش یافته است. رفتار جعل اینترنتی به طور کلی برای ردیابی و تعقیب آسان نیست. کلاهبرداران به راحتی می توانند اطلاعات خود را از قربانیان بدون تحمیل هزینه های قابل توجه مخفی کنند. یکی از دلایل اصلی برای جعل اینترنتی ناآگاهی کاربر در مورد مکانیسم حمله کلاه بردار از طریق رسانه اینترنت است. از آنجا که فقدان قانون و به تبع آن درایو در بسیاری از کشورها مانند کشورهای آسیایی وجود دارد، بسیاری از آسیایی ها توسط کلاهبرداران قربانی می شوند [3]. مزایده جعلی ، عدم تحویل / کالا، جعل فرصت ، سرقت هویت، جعل در کارت اعتباری، جعل آنلاین طرح های سرمایه گذاری، اضافه پرداخت، انتقال پول: با توجه مرکز جرم ، جعل اینترنتی را می توان به شرح زیر [4] طبقه بندی کرد ، جعل اسپم / جعل چرخش، جعل خیریه، خودرو، و جعل کارت. در میان این جعل ها، سه جعل شایع تر هستند که عبارتند از: حراج جعلی آنلاین ، جعل عدم تحویل کالا و جعل هویت. جعل حراج آنلاین یکی از شایع ترین انواع کلاهبرداری اینترنتی (بخش 2) است. این فرآیند به شرح زیر است: اول، کاربران آیتم های مختلف وب سایت های خرید و فروش آنلاین را بازدید می کنند . سپس، خریداران علاقه مند می توانند برای آیتم حراج شده پیشنهاد ارائه بدهند. پس از برنده شدن، خریدار برای مورد حراج شده پرداخت انجام می دهد. جعل رخ می دهد و قربانی آیتم خریداری شده را دریافت نمی کند یا یک آیتم با ارزش کمتر از [5] آگهی دریافت می کند. دوم عدم تحویل / پرداخت کالا، که آن هم در بسیاری از مناطق جعل توسط بازاریابی اینترنت و وب سایت های خرده فروشی، که ارائه دهنده انواع محصولات و خدمات هستند ایجاد شده. قربانی ، که توسط یک سایت قانونی، به دنبال بازاریابی موثر است گمراه شده. سپس قربانیان با دادن اطلاعات کارت اعتباری خود و یا ارسال پرداخت توسط برخی از وسایل دیگر برای کالاها و خدمات ارائه شده توسط سایت های جعلی مورد کلاه برداری قرار می گیرند و هرگز کالاها به آن ها نمی رسد، و یا اگر برسد، ارزش محصول کمتر از قیمت واقعی [4] است. سوم سرقت هویت است. هنگامی که یک شخص تبدیل شدن به شخص دیگری را وانمود می کند و با استفاده از اطلاعاتی مانند جزئیات کارت اعتباری شخص برای ارتکاب جعل اقدام می کند [4].
در این مقاله، ما یک مدل برای جلوگیری و تشخیص آنلاین در جعل و عدم تحویل / پرداخت کالا به دلیل احتمال بالای جعل اینترنتی پیشنهاد کرده ایم . مدل ما مدل ترکیبی آنلاین (اهم) است که دو مرحله می باشد. یکی مانع جعل برای کاربران و سرورهای وب است. در مرحله دوم، اگر جعل در سیستم رخ دهد، جعل را تشخیص داده و به قربانی اطلاع می دهد. اهم قادر به جلوگیری و تشخیص جعل مانند حراج جعلی، بازاریابی اینترنتی و فروش جعلی ، جعل کارت و جعل هویت است.
این مقاله پنج بخش است. بخش 1 معرفی طبقه بندی جعل اینترنتی و توصیف دسته بندی آن: جعل حراج آنلاین ، عدم تحویل / جعل کالا، و جعل هویت. بخش 2 مرور برای جلوگیری از این جعل را نشان می دهد و فرمول مشکل در مورد این جعل است. در بخش 3 رویکرد اهم برای پیشگیری و تشخیص توصیف جعل و پیشنهاد الگوریتم پیشگیری اهم است. پس از آن، در بخش 4 رویکرد عملکرد اهم برای نشان دادن مزایای استفاده از مدل ما مورد بررسی قرار گرفت. بخش 5 نتیجه گیری و کارهای آینده با مراجع است.

Abstract

The current trend of online business enables better and faster service for users and makes it more profitable for merchants. On the other side, the Internet has become the most popular platform for fraudsters to commit online fraud with ease. Several solutions have been proposed in the literature to overcome these online frauds. But, complete and efficient way out from this problem is still in research. In this paper, we have proposed online hybrid model (OHM) which extensively prevents the possibilities of online fraud, and further, if any possibility is present, then it detects and fixes this possibility. The OHM approach is proposed exclusively for in-auction, non-delivery/merchandise and identity theft frauds. OHM further is applicable to several other online frauds. We have evaluated the performance of this model and have shown that OHM is a robust and highly effective online fraud prevention and detection approach.

1 Introduction

Online business is the modern business methodology which uses direct marketing, selling, and services. The growth of Internet has a special significance in the growth of e-commerce [1]. According to a report by US Commerce Department, Forrester Research, Internet Retailer, ComScore. Inc. [2], the online sell is increased rapidly from past few years and it shows why e-commerce is becoming popular. Increasing growth of online business and consumers over Internet (shown in Tables 1 and 2) [2] have also increased illegal activities simultaneously. Fraudulent behavior over Internet is in general not easy to trace and prosecute. Fraudsters can easily hide their information from large pool of victims without incurring significant cost. One of the key reasons for Internet fraud is the unawareness of the user regarding fraudster’s attacking mechanism through Internet medium. Because of the lack of legislation and consequently the information drive in many countries like in Asia, many Asians are victimized by fraudsters [3]. According to National White Collar Crime Center, Internet fraud can be classified as follows [4]: auction fraud, non-delivery/merchandise fraud, business opportunity schemes fraud, identity theft, credit card fraud, online investment scheme fraud, overpayment, money transfer fraud, spam/spin fraud, charity fraud, automotive, and counterfeit card fraud. Among these frauds, three most frequent frauds are as follows: online auction fraud, non-delivery/merchandise fraud, and identity theft. Online auction fraud is one of the most common types of Internet fraud (see Sect. 2). The process of online auction fraud can be seen as follows: First, online users visit auction Web sites to buy and sell various items. Then, interested buyers can bid for the auction item. Upon winning, the buyer pays for the auction item. The fraud occurs when the victim does not receive the item or receives an item of lesser value than advertised [5]. Second is non-delivery payment/merchandise, which is also one of most fraud areas created by fraudster Internet marketing and retail Web sites, which provide variety of products and services. The victim is misled, by a legitimate-looking site and effective marketing. Then victims give their credit card information or send payment by some other means for goods and services provided by fake sites. The goods never arrive, or if they arrive, then the product’s worth will be less than their real price [4]. Third is identity theft; when a person pretended to become another person by using the information like credit card detail of that person to commit fraud [4]. In this paper, we have proposed a model to prevent and detect online in-auction fraud and non-delivery payment/merchandise due to their high probability among the Internet fraud. Our model is the online hybrid model (OHM) that works in two stages. One is it prevents both the users and Web servers from fraud; secondly, if fraud occurs in the system, then it detects the fraud and informs to victim. OHM is able to prevent and detect frauds like auction fraud, Internet marketing and retail fraud, card theft fraud, and identity theft fraud. This paper is classified into five sections. Section 1 introduces the classification of Internet frauds and describes its categories: online auction fraud, non-delivery/ merchandise fraud, and identity theft fraud. Section 2 shows the literature review for preventing these frauds and formulates the problem regarding these frauds. Further in Sect. 3, we describe the OHM approach for the prevention and detection of frauds and propose OHM prevention algorithms. Thereafter, in Sect. 4, we have evaluated the performance of proposed OHM approach to show the advantages of our model. Section 5 is conclusion and future work continued with references.

مبتدی (مناسب برای درک مفهوم کلی مطلب) 

نقص اصلی امنیتی پیاده‌سازی‌های 3D-Secure، که در [19] تأکید شده است، مربوط به تأیید هویت کاربر (مرحله ه) است. برخی از بانک‌ها در گذشته از تاریخ تولد یا دیگر موارد استفاده می‌کردند. بسیاری از بانک‌ها این راه‌حل‌ها را با یک مکانیزم احراز هویت قوی جایگزین کرده‌اند (به‌عنوان مثال پیامی به تلفن همراه کاربر فرستاده می‌شود) و سپس دو عامل تأیید اعتبار (براساس داشتن مالکیت) تلفن‌همراه و دانستن کد PIN برای دسترسی منطقی به آن) مطرح می‌شود. با این حال ما استدلال می‌کنیم که طرح تأیید اعتبار کاربر آسیب‌پذیری قابل توجهی دارد. بنابراین یک رویکرد جدید مبتنی بر بیومتریک پیشنهاد می‌کنیم که این آسیب‌پذیری‌ها را از بین ببرد.
راه‌حل‌های تأیید هویت کاربر، که به‌عنوان خوانندگان CAP، تولیدکنندگان TAN یا سیستم سبک وزن در [17] پیشنهاد شده‌اند، رویکردهای مبتنی بر دانش هستند. بنابراین استدلال می‌کنیم که فقط بیومتریک می‌تواند کاربران را تصدیق کند، درحالی‌که راه‌حل‌های مبتنی بر دانش و اختیار، تنها تأیید اعتبار غیرمستقیم کاربران را برعهده دارند. دلیل اصلی مربوط به ارتباط خاص بین کاربر و تأییدکننده است البته مشکلات خاص مربوط به بیومتریک، در زیر ذکر شده است:
• داده‌های بیومتریک بسیار حساس هستند زیرا نمی‌توانند به طور کلی لغو شوند. رمزگذاری آن ضروری است اما کافی نیست (همانگونه که داده‌ها باید برای تطبیق فرآیند در حالت کلی رمزگشایی شوند و طول عمر داده بسیار بالا است). به همین دلیل استفاده از مرکز ذخیره‌سازی داده‌های بیومتریک مشکل‌ساز است.
فرآیند تطبیق می‌تواند اشتباهات واقعی به هنگام راهنمایی کاربران ایجاد کند و افراد متخلف می‌توانند به اشتباه پذیرفته شوند. این مسئله برای تأیید رمز عبور تا زمانی که رمز صحیح تایپ شده است درست نیست (اما هیچ اثباتی وجود ندارد که توسط کاربر واقعی تایپ شده است).
• داده‌های بیومتریک را می‌توان در حین انتقال آن متوقف کرد. این امر می‌تواند به مشکلات امنیتی منجر شود، مانند حملات پاسخ و حملات حریم خصوصی براساس قابلیت اتصال. به همین علت، داده‌های بیومتریک باید قابل لغو و پویا باشمد (تغییر در هر تراکنش).
در این مقاله، یک راه‌حل جدید را پیشنهاد می‌کنیم که این مشکلات را حل می‌کند. برای دستیابی به یک راه‌حل استاندارد امنیتی و حفظ حریم خصوصی، دو عنصر را ترکیب می‌کنیم: یکی از آنها یک دستگاه خاص متعلق به کاربر به نام OffPAD است و دومی پروتکل استفاده از بیومتریک و الگوریتم‌های قابل لغو است. در بخش بعدی، لیستی از نیازمندی‌های امنیتی و حریم خصوصی را از راه‌حل پیشنهادی بیان می‌کنیم.

3. الزامات امنیتی و حفظ حریم خصوصی
در پرداخت الکترونیکی، چهار عامل اصلی حضور دارند: کاربر C، که دارای OffPAD است، می‌خواهد یک سرویس آنلاین با یک کارت اعتباری، از طریق وب سایت ارائه دهنده خدمات SP خریداری کند. کاربر دارای یک بانک صادرکننده و SP یک بانک خریدار دارد. در این مقاله ارائه‌دهندگان پرداخت را بانک کاربر و بانک SP می‌نامیم. عامل پنجم اغلب درگیر است. این عامل به عنوان شخص ثالث صندوقدار یا دایرکتوری مورد استفاده در 3D-Secure مورداعتماد است. نقش عامل پنجم متفاوت است، اما به طورکلی امکان تایید هویت بانک‌ها را فراهم می‌کند. پروتکل پیشنهادی بر روی احراز هویت کاربر و ثبت نام کاربر با SP تمرکز دارد.
در طول پرداخت آنلاین، اطلاعات شخصی متعددی درگیر هستند و باید در برابر چندین تهدید محافظت شوند [4]. برای حفظ خصوصیات امنیتی و خصوصی، یک لیست از ده مورد الزامات RI تعریف شده است. این الزامات باید در طول احراز هویت / ثبت نام کاربر در معماری پرداخت الکترونیکی در نظر گرفته شوند:
• R1: محرمانه بودن تراکنش‌ها نیازمند آن است که هر کدام از داده‌های مبادله به منظور حفاظت در برابر نهادهای خارجی رمزگذاری شوند.
• R2: یکپارچگی اطلاعات منتقل شده، دقت محتوا و به همین ترتیب تغییر داده‌ها در حین انتقال یا ذخیره‌سازی را ممکن می‌کنند.
• R3: احراز هویت کاربر توسط یک شخص مورد اعتماد، هویت مشتری بسته به وضعیت را تضمین می‌کند، احراز هویت می‌تواند به لطف داده‌های بیومتریک تحقق یابد.
• R4: تأیید اعتبار دستگاه کاربر، معتبر بودن دستگاه در نرم افزار را تایید می‌کند. این احراز هویت می‌تواند به لطف یک شناسه دستگاه تحقق یابد.
• R5: ثابت می‌کند که دستگاه متعلق به کاربر تضمین می‌کند دستگاه را از حملات جایگزینی دستگاه حفظ می‌کند.
• R6: تأیید هویت SP توسط کاربر یا توسط یک بخش مورد اعتماد، هویت SP را تضمین می‌کند.
• R7: تأیید اعتبار بانک توسط یک شخص مورد اعتماد هویت بانک SP و بانک مشتری را تضمین می‌کند.
• R8: عدم پیوند تراکنش‌ها مانع پیوند تراکنش‌های مختلف از همان مشتری می‌شود.
• R9: محرمانه بودن اطلاعات مشتری CI (اصل کمینه سازی داده) تنها دسترسی افراد مجاز به این اطلاعات را تضمین می‌کند. این مورد به بیومتریک داده‌های کاربر نیاز دارد که برای بانک‌ها و SP مشخص نیست.
• R10: حاکمیت اطلاعات بدین معنی است که اطلاعات شخصی مرتبط با مشتری می‌تواند تنها با کنترل پردازش و رضایت او انجام شود.
در بخش بعد، مفهوم OffPAD را به عنوان دستگاهی امن برای تضمین امنیت عملیات حساس معرفی می‌کنیم.

4. مفهوم OFFPAD
PAD (دستگاه تایید شخصی) توسط Jøsang و Pope [13] به‌عنوان یک دستگاه امن خارجی برای پلت‌فرم کامپیوتر مشتری شرح داده شده است. PAD مفهومی پیشین از OffPADاست. OffPAD (دستگاه تأیید هویت آفلاین شخصی) توسط Klevjer و همکارانش [16] و Varmedal و همکارانش توصیف شده است. [26] که یک نسخه پیشرفته از PAD است و یک ویژگی اساسی برای تضمین امنیت آفلاین (ارتباطات ماشین به ماشین) است. OffPAD نشان‌دهنده مدیریت محلی هویت کاربر محور است زیرا امکان مدیریت امن و کاربرپسند را برای هویت‌های دیجیتالی و اعتبارات محلی بر روی کاربر فراهم می‌کند. OffPAD تأیید اعتبار هویت کاربر و ارائه‌دهنده خدمات (به‌عنوان مثال احراز هویت متقابل) را برعهده دارد و علاوه بر این می‌تواند تأیید اعتبار داده را نیز پشتیبانی کند. برای دسترسی به OffPAD، کاربر باید دستگاه را با استفاده از به عنوان مثال، یک پین، رمز عبور، بیومتریک یا سایر کافی اعتبارات احراز هویت باز کند. طراحی OffPAD در شکل 2 نشان داده شده است.
OffPAD یک دستگاه قابل اعتماد است، به این معنی که طوری در نظر گرفته شده که در مقابل حملات مربوطه به اندازه کافی محافظت شده است. OffPAD اتصال محدودی به سیستم عامل مشتری دارد. بنابراین این کانال ارتباطات باید با دقت کنترل شوند، برای مثال با پاکسازی داده‌های دریافت شده. حفاظت در مقابل حملات به دنبال سرقت فیزیکی است که کنترل دسترسی سنتی بر اساس پین و بیومتریک، همراه با سطحی از مقاومت در برابر تهاجم فیزیکی دارد.
بااین‌حال، لازم نیست که سیستم عامل OffPAD و برنامه‌های کاربردی از آسیب‌پذیری‌هایی که به طور معمول در سیستم‌های آنلاین یافت می‌شود در امان باشند، زیرا فرض می‌شود که مهاجمان قادر به بهره‌برداری از چنین آسیب‌پذیری از OffPAD در اکثر موارد آفلاین هستند. بدین معنا که، باگ‌های خاص نرم‌افزاری که آسیب‌پذیری در یک سیستم آنلاین ایجاد می‌کنند به سختی در مورد آسیب‌پذیری در OffPAD صحبت می‌کنند زیرا نمی‌توانند مورد سوء استفاده قرار گیرند. OffPAD ممکن است دارای چندین رابط برای ارتباطات باشد. میکروفون و دوربین ممکن است برای تشخیص صدا و چهره استفاده شود تشخیصگر اثر انگشت می‌تواند برای تأیید هویت استفاده شود. الزامات آفلاین بودن با ارتباط الکترونیکی با OffPAD همراه نیست، اما به این معنی است که ارتباط فرمت‌ها کنترل شده و در مدت زمان کوتاه است. جدا شدن از شبکه‌ها امنیت دستگاه را بهبود می‌بخشد تا کمتر در مقابل حملات خارجی آسیب‌پذیر باشد.
هرگونه ارتباط الکترونیکی خاص باید به طور معمول قطع شود و فقط باید زمانی وصل شود که نیاز به احراز هویت یا مدیریت برای دستگاه NFC با اتصال USB پشتیبان مناسب برای اتصال OffPAD است. در اولین استفاده، هیچ روش رمزنگاری برای تأیید اتصال بین دستگاه و پلت فرم مشتری وجود ندارد، اعتماد باید به‌سادگی براساس تنظیم مشاهده شده باشد. در اولین اتصال، نوعی جفت شدن بین دستگاه و کامپیوتر اتفاق می‌افتد، به‌طوری‌که اتصالات بعدی می‌تواند تأیید شوند که بین دستگاه و رایانه مشابه باشند.
ما از این دستگاه امن برای بانکداری آنلاین و پرداخت الکترونیکی به همراه یک پروتکل اصلی با بیومتریک استفاده می‌کنیم. بخش زیر الگوریتم Biohashing مورد استفاده در پروتکل پیشنهاد شده را توضیح می‌دهد. سپس بخش 6 جزئیات این پروتکل اصلی و جدید را بیان می‌کند.

5. الگوریتم Biohashing
الگوریتم BioHashing بردار مقدار واقعی با طول n را (به عنوان مثال FingerCode، حاصل از یک روش استخراج ویژگی) به یک بردار دوتایی به طول m≤n(به عنوان مثال BioCode)، همانطور که توسط Teoh و همکارانش بیان شده است تبدیل می‌کند [25].
این مسئله شامل طرح کردن FingerCode با یک پایه تعریف شده توسط یک seed تصادفی برای تولید BioCode است. تبدیل قالب از الگوریتم زیر استفاده می‌کند، که در آن ورودی‌ها تصادفی هستند و FingerCode F و خروجی BioCode B است:
1) برای m≤n i=1,…,m بردارهای شبه تصادفی vi با طول n تولید می‌شود (از seed تصادفی) و در یک ماتریس شبه تصادفی جمع می‌شوند.
2) الگوریتم Gram-Schmidt بر روی m بردار vi از ماتریس، برای تولید n بردار V_1,…,V_n اعمال می‌شود.
3) برای m، i=1,…,m ضرب اسکالر p_i=<F,V_i> با استفاده از FingerCode F و m محاسبه می‌شود.
4) در نهایت کد m بیتی (B0؛…؛ Bm)، با استفاده از فرآیند quantization زیر به دست می‌آید: هنگامی که برای احراز هویت BioCode مرجع استفاده می‌شود (محاسبه شده از FingerCode پس از ثبت‌نام و پس از نمایش مخفی) با BioCode ثبت شده (محاسبه شده از FingerCode محاسبه شده پس از ثبت جدید) با فاصله همینگ مقایسه می‌شود. اگر این مقدار پایین‌تر از آستانه تعیین شده توسط مدیر سیستم باشد، هویت کاربر تایید شده است. به‌طورکلی، بخش اول الگوریتم، شامل ضرب اسکالر با بردارهای orthonormal است که بنا به الزامات عملکرد و آخرین مرحله از الگوریتم برای الزامات غیرقابل انعطاف از الگوریتم BioHashing استفاده می‌شود. همانطور که قبلا ذکر شد، seed تصادفی خواص تنوع و لغوپذیری را تضمین می‌کند.
پروتکل احراز هویت کاربر چندین بار الگوریتم BioHashing را که در بخش بعدی آن را شرح داده‌ایم به کار می‎برد.

6. پروتکل احراز هویت پیشنهادی
پروتکل احراز هویت پیشنهادی از داده‌های بیومتریک استفاده می‌کند که باید از طریق ثبت با دستگاه OffPAD و الگوریتم حفاظت از الگو محافظت شود. طرح‌های حفاظت از الگو بیومتریک یک گروه از فن‌آوری ها هستند، که شامل فن‌آوری‌های قابل ارتقاء حریم خصوصی هستند و برای ارتقاء حریم خصوصی و امنیت اطلاعات بیومتریک مورد استفاده می‌شوند. از این رو، هر روش حفاظت از قالب باید اجازه لغو داده‌های بیومتریک را بدهد و باید با دقت طراحی شده باشد و تجزیه و تحلیل امنیتی قوی داشته باشد. در میان راه‌حل‌های مختلف در کارهای پیشین، حفاظت از الگو می‌تواند با استفاده از رمزنگاری‌های بیومتریک [15]، [14]، [9]، [20] یا با تبدیل داده‌های ویژگی بیومتریک به دست آید [22]، [5]، [25]، [23]. همانطور که در بخش بعدی بیان شده، BioHashing یک طرح محبوب است که متعلق به رده دوم است و اجازه لغو یک قالب بیومتریک را می‌دهد.
پروتکل پیشنهادی با اثر انگشت دقیق است اما می‌تواند برای هر روش دیگر بیومتریکی (چهره،…) استفاده شود. هنگامی که از بیومتریک استفاده می‌کنیم، دو مرحله اصلی مورد نیاز است: ثبت‌نام و احراز هویت
1) ثبت‌نام: این مرحله برای جمع‌آوری قالب مرجع Alice استفاده می‌شود. در طرح پیشنهادی، قالب داده شده توسط یک BioCode با نام Reference Biocode از یک FingerCode (بردار ویژگی محاسبه شده از اثر انگشت) و یک رمز (رمز کاربر با شماره سریال دستگاه OffPAD همراه است) شناخته شده است. رمز کاربر می‌تواند یک رمز عبور یا یک مقدار تصادفی ذخیره شده در دستگاه OffPAD باشد (البته، توسط تایید بیومتریک دستگاه محافظت می‌شود). هنگامی که Reference BioCode محاسبه شده است، به بانک صادرکننده Alice از طریق یک کانال SSL فرستاده می‌شود. بنا به به یک دیدگاه سازمانی، این مرحله می‌تواند در یک شاخه پس از بررسی هویت فیزیکی توسط فرد انجام شود. شکل 4 پروسه ثبت‌نام را شرح می‌دهد. هیچ حریم خصوصی برای ذخیره Reference BioCode توسط بانک صادرکننده به‌عنوان این الگو قابل لغو و به‌عنوان فرآیند معکوس BioHashing وجود ندارد.
2) احراز هویت: در طول پرداخت الکترونیکی، بانک صادرکننده باید Alice را تأیید کند (به‌عنوان مثال روند 3D-Secure). یک چالش به Alice فرستاده می‌شود (شماره نمایش داده شده در کامپیوتر یا شماره‌ای که به طور مستقیم به OffPAD فرستاده می‌شود). Alice مجبور است اثر انگشت و رمز عبور خود را (که توسط بانک صادرکننده شناخته شده نیست) ارائه کند. BioCode ثبت شده FingerCode را در داده‌های بیومتریک، رمز عبور و شماره سریال OffPAD محاسبه می‌کند. چالش ثبت Biocode با استفاده از الگوریتم BioHashing در Capture BioCode با چالش ارسال شده توسط بانک صادرکننده به عنوان رمز محاسبه می‌شود. بانک صادرکننده نیز با استفاده از BioHashing، Biocode مرجع را با به چالش کشیدن الگوریتم در BioCode مرجع محاسبه می‌کند. فاصله همینگ برای مقایسه دو چالش BioCodes استفاده می‌شود و اگر فاصله کمتر از آستانه از پیش تعریف شده باشد، Alice تأیید شده است. شکل 5 جزئیات کل روند را توضیح می‌دهد.
3) بحث: چالش ارسال شده توسط بانک صادرکننده اجازه می‌دهد تا یک راه‌حل احراز هویت بیومتریک یک‌باره تعریف کنیم. در این راه‌حل فرض می‌کنیم که OffPAD یک دستگاه امن است. در این راه‌حل، بانک صادرکننده تصمیم‌گیری در مورد احراز هویت Alice را کنترل می‌کند.

مروری بر فنون مختلف تشخیص جعل کارت اعتباری

A Revived Survey of Various Credit Card Fraud Detection Techniques

چکیده
I. مقدمه
.II تکنیک های مورد استفاده توسط کلاه برداران از کارت اعتباری
.III روش های تشخیص کلاه برداری از کارت اعتباری
(I) روش ترکیبی با استفاده از تئوری دمپستر شافر و یادگیری بیزی
(II) هیبریداسیون Blast-Ssaha
(III) مدل پنهان مارکف (مدل پنهان مارکف)
(IV) تشخیص کلاه برداری از کارت اعتباری با استفاده از الگوریتم ژنتیک
(V) تشخیص داده پرت بر اساس نزدیک ترین همسایه معکوس (K (SODRNN
(VI) شبکه عصبی مصنوعی
(I) شبکه عصبی پس انتشار (BPNN)
(II) شبکه عصبی نقشه خود سازماندهی (SOMNN)
(VII) درخت های تصمیم گیری و ماشین آلات بردار پشتیبان
(VIII) سیستم بر اساس منطق فازی
(II) سیستم فازی داروینی
(IX) تشخیص کلاه برداری با استفاده از آموزش متا
IV. نتیجه گیری و کارهای آینده

چکیده
استفاده از کارت های اعتباری به عنوان یک پیشرفت گسترده در فن آوری تجارت به وجود آمده و رشد کرده است. کارت اعتباری به یک روش بسیار مهم پرداخت تبدیل شده است ، بنابراین با افزایش معاملات با کارت اعتباری، کلاه برداری از کارت اعتباری نیز امروزه مکرر انجام می شود. [1] بنابراین، یک سیستم تشخیص کلاه برداری برای حفظ قابلیت اطمینان در سیستم پرداخت ضروری است. معیار اطمینان در معاملات برای صاحبان کارت اعتباری مهم است به طوری که آن ها بتوانند برای خدمات و محصولات که در اینترنت ارائه شده است با خیال راحت پرداخت الکترونیکی انجام دهند. در یک پست بانک بسیاری از معاملات به طور همزمان انجام می شود، بنابراین یک سیستم تشخیص کلاه برداری باید بین معامله مشروع، کلاه برداری مشکوک و معامله نامشروع تمایز قائل شود. [4] بسیاری از تکنیک های مدرن و جدید که در شبکه عصبی، هوش مصنوعی، شبکه بیزی ، داده کاوی، سیستم ایمنی مصنوعی، الگوریتم سیستم نزدیکترین همسایه K ، درخت تصمیم، اساس منطق فازی ، بردار پشتیبانی ماشین ، ماشین یادگیری ، برنامه نویسی ژنتیک و غیره بر این اساس وجود دارد ، که در تشخیص کارت های اعتباری مختلف در معاملات جعلی توسعه یافته اند. این مقاله نشان دهنده یک نظرسنجی از تکنیک های مختلف که مکانیزم تشخیص کلاه برداری در کارت اعتباری استفاده می شود.

I. مقدمه
سیستم های پرداخت الکترونیکی تجارت با توجه به استفاده گسترده از خرید مبتنی بر اینترنت و بانکداری به طور فزاینده ای محبوبیت پیدا کرده است. [4] کلاه برداری از کارت اعتباری یکی از بزرگترین تهدیدها برای سازمان تجارت امروز است. با این حال، غلبه بر کلاه برداری ، درک مکانیسم های اجرای یک کلاه برداری به طور موثر مهم است. به عنوان مثال ما نیاز به درک تکنیک های سایبری کلاه برداری از کارت اعتباری داریم. [1] از آنجا که پیش از این کلاه برداری فقط با شناسایی صورت حساب کارت اعتباری انجام شده است، جلوگیری از معاملات جعلی بسیار سخت بوده . بنابراین نیاز به اطمینان در معاملات بدون مواجهه برای صاحبان کارت اعتباری در هنگام استفاده از کارت های اعتباری خود در پرداخت های الکترونیکی برای کالاها و خدمات ارائه شده در اینترنت یک معیار است.
انواع کلاه برداری:
کلاه برداری از کارت اعتباری به دو نوع تقسیم بندی می شوند؛
(I) کلاه برداری آنلاین از کارت اعتباری (و یا کلاه برداری بدون کارت) و
(II) کلاه برداری آفلاین از کارت اعتباری (کلاه برداری با کارت)
کلاه برداری آنلاین از کارت اعتباری (همچنین به عنوان کلاه برداری سایبری از کارت اعتباری شناخته می شود) که بدون حصور کارت اعتباری انجام می شود اما در عوض، از اطلاعات کارت اعتباری برای خرید الکترونیکی کالاها و خدمات را بر روی اینترنت استفاده می شود. [4] کلاه برداری آنلاین از کارت اعتباری با یک کارت اعتباری که در بیشتر موارد دزدیده شده است یا جعلی است انجام می شود و در نتیجه در یک فروشگاه محلی و یا یک مکان فیزیکی برای خرید برخی از کالا و یا خدمات مورد استفاده قرار می گیرد.
در بسیاری از کلاهبرداری های سایبری کارت اعتباری وجود دارد. برخی از آن ها]1 [ :
(I) اطلاعات خریداران با کارت اعتباری : این کلاهبرداران با مهارت های رایانه ای حرفه ای کمی مانند برنامه نویسی کامپیوتر، شبکه و غیره با سرقت یا هک اطلاعات کارت اعتباری در وب سایت غیر قانونی فروش کارت اعتباری، به سرعت خرید کالا و محصولات آنلاین انجام می دهند.
(II) دزد فیزیکی کارت اعتباری: این کلاهبرداران از لحاظ جسمی کارت های اعتباری را سرقت میکنند و ممکن است با استفاده از اطلاعات موجود در آن پرداخت الکترونیکی در اینترنت انجام دهند.
(III) هکرها کلاه سیاه : کسانی که امنیت کامپیوتر را نقض و به دنبال نیت بدخواهانه و یا منافع شخصی هستند. آن ها اهداف خود را با استفاده از یک فرآیند دو جانبه شناخته شده به عنوان “مرحله قبل از هک کردن” انتخاب می کنند؛ که شامل هدف قرار دادن، تحقیقات و جمع آوری اطلاعات و در نهایت حمله است. این هکرها در برنامه نویسی کامپیوتر و شبکه های کامپیوتری بسیار ماهر و با چنین مهارت های آن ها می توانند یک شبکه از رایانه را هدف قرار دهند. هدف اصلی آن ها نفوذ و یا هک کردن و سرقت اطلاعات شخصی و خصوصی مانند اطلاعات کارت اعتباری، اطلاعات حساب بانکی و غیره برای منافع شخصی است.

Abstract

As there is a vast advancement in the E-commerce technology, the use of credit cards has grown up. The credit card has become the crucial mode of payment so with the rise in the credit card transactions, the credit card frauds have also become frequent nowadays. [1] Thus, an improved fraud detection system has become essential to maintain the reliability of the payment system. The criterion is to assure secured transactions for credit card owners so that they can make electronic payment safely for the services and goods which are provided on internet. In an e-bank many transactions undergo simultaneously, so a fraud detection system should distinguish between legitimate, suspicious fraud and an illegitimate transaction.[4] There are many modern and new techniques which are based on Neural Network, Artificial Intelligence, Bayesian Network, Data mining, Artificial Immune System, K- nearest neighbor algorithm, Decision Tree, Fuzzy Logic Based System, Support Vector Machine, Machine learning, Genetic Programming etc., that has developed in detecting various credit card fraudulent transactions. This paper represents a survey of various techniques which are used in credit card fraud detection mechanisms.

I. INTRODUCTION

E-commerce payment systems have become increasingly popular due to the widespread use of the internet-based shopping and banking. [4] Credit Card Fraud is one of the largest threats to business organizations today. However, to overpower the fraud effectively, it is important to first understand the mechanisms of executing a fraud i.e. we need to understand the techniques of cyber credit card frauds. [1] Since earlier the fraud is detected only when the billing for credit card is done, it is very hard to prevent fraudulent transactions. Therefore the need to assure unexposed transactions for credit-card owners when using their credit cards to make electronic payments for goods and services provided on the internet is a criterion. Types of Frauds:- The credit-card fraud is divided into two types; (i) The online credit card fraud (or no card present fraud) and (ii) The offline credit card fraud (card present fraud) The online credit-card fraud (also known as cyber credit card fraud) is committed with no presence of a credit-card but instead, the use of a credit-card information to make electronic purchase for goods and services on the internet. [4] The offline credit-card fraud is committed with the presence of a credit-card which in most cases have been stolen or fake and thereby used at a local store or a physical location for the purchase or some goods or services. There are many cyber credit card fraudsters. Some of them are [1]: (i) Credit-card information buyers: these are the fraudsters who either have little or no professional computer skills like computer programming, networking etc. They buy stolen or hacked credit card information on an illegal credit card sales website, with the intension of buying goods and products online. (ii) Physical credit-card stealers: these are the fraudsters who physically steal credit cards may be by pick pocketing and use the information on it for making e-payment on internet for shopping. (iii) Black hat hackers: “Black hat hackers” which are also known as a cracker are those who violate computer security with malevolent intentions or for personal gains. They choose their targets using a two-pronged process known as the “pre-hacking stage”; which includes Targeting, Research and Information Gathering and finally finishing the Attack. These hackers are highly skilled in Computer Programming and Computer Networking and with such skills they can barge in a network of computers. The main purpose of their act of intrusion or hacking is to steal personal or private information such as credit-card information, bank-account information, etc. for their own personal gains.

تشخیص موثر تقلب ها و کلاهبرداری های بانکی پیشرفته آنلاین در داده های به شدت نامتوازن

Effective detection of sophisticated online banking fraud on extremely imbalanced data

چکیده :
تقلب در بانکداری آنلاین نشان دهنده منابع یکپارچه اجتماعی ، سایبری و دنیای فیزیکی است. این تشخیص نوعی استفاده از اینترنت و موارد گسترده با روش (W2T) است. با این حال، اطلاعات بسیار محدودی برای تشخیص تقلب پویا از رفتار مشتری واقعی در چنین محیط اطلاعاتی بسیار پراکنده و نامتوازن در دسترس می باشد، که باعث می شود تشخیص فوری و موثر بیشتر مهم و چالش برانگیز شود. در این مقاله، ما یک چارچوب آنلاین تشخیص تقلب بانکی موثر داریم که از ترکیب منابع مربوطه و شامل چندین تکنیک پیشرفته داده کاوی است. با ساخت یک بردار برای هر معامله بر اساس توالی رفتار تاریخی مشتری ، ما نرخ افتراق هر معامله موجود در برابر مشخصات رفتار مشتری را بدست می آوریم . یک الگوریتم ، کانترست ماینبر برای کاوش موثر الگوهای کانترست و تفکیک رفتار های جعلی از اصیلی معرفی شده است ، به دنبال انتخاب الگوی موثر که ترکیبی از پیش بینی مدل های مختلف و خطر است. نتایج حاصل از آزمایشات واقعی داده های بانکی آنلاین در مقیاس بزرگ نشان می دهد که سیستم ما می تواند به دقت بالاتر و حجم هشدار پایین تر از سیستم تشخیص تقلب ، معیار ترکیب دانش تخصصی و روش های تشخیص تقلب سنتی دست یابد.

1. مقدمه
با استفاده گسترده از تکنولوژی اینترنت به طور فزاینده [15، 47، 60]، بانکداری آنلاین (اگرچه بانکداری اینترنتی نامیده می شود) به عنوان یک کانال اصلی برای خرده فروشی و تجارت در حال ظهور است. در مقابل، فعالیت های بانکداری آنلاین جعلی بیشتر و بیشتر پیچیده می شوند، و به طور جدی امنیت و اعتماد در تجارت با بانکداری آنلاین تهدید شده است. تقلب در بانکداری آنلاین یک مسئله جدی در مدیریت جرائم مالی برای همه بانک ها تبدیل شده است. این اتفاق سبب به چالش کشیدن و منجر به ضرر و زیان های عظیم، که ناشی از ظهور و تکامل تقلب در بانکداری آنلاین ، از قبیل کلاهبرداری فیشینگ، الودگی بد افزار و وب سایت های شبح است. تشخیص موثر و کارآمد تقلب بانکی اینترنتی به عنوان یک چالش عمده برای تمام بانک ها در نظر گرفته شده ، و از علل افزایش نگرانی است.
یک سیستم تشخیش کلاهبرداری انلاین بانکی می تواند شامل استفاده از روش اینترنت (W2T) و چیز های گسترده باشد [63-66]. به این علت موقع جمع آوری داده ها چند جنبه از مشتریان بانکداری آنلاین خواسته می شود ، از جمله اطلاعات دموگرافیک، داده های معامله بانکی آنلاین ، اطلاعات تراکنش کارت اعتباری و انواع دیگر از داده های معامله. این داده ها از طریق اینترنت / WWW و SEA به شبکه بانکداری آنلاین و مرکز داده های مشتری منتقل می شود. مرکز داده یک پلت فرم برای کل فرایند تشخیص تقلب در بانکداری آنلاین را فراهم می کند. این یک چرخه اطلاعات کامل از اطلاعاتی ناهمگن ، و دانش در دنیای فیزیکی برای ارائه خدمات فعال در جهان مجازی به مشتریان اجتماعی است. مشتریان بانکداری آنلاین (در جهان اجتماعی)، همه چیز (در جهان فیزیکی)، و سیستم های کامپیوتری (در دنیای سایبر) یک نهاد یکپارچه برای تحقق بخشیدن به هماهنگی و همزیستی با استفاده از یک چرخه داده W2T هستند. در این چرخه، فرآیند تشخیص کلاهبرداری یک وظیفه مهم است.
تقلب در بانکداری اینترنتی نمایانگر ویژگی های پیچیده خاص است (به بحث های مفصل در بخش 2.1 نگاه کنید) :
– مشتریان مشکوک فعال و هوشمند در انجام فعالیت های بانکی جعلی ،
– رفتار جعلی بسیار پویا ،
– تقلب پنهان و متنوع در رفتار مشتری ، مربوط به تقلب در معاملات بسیاری از مجموعه داده های بزرگ پراکنده و نامتوازن، و
– وقوع تقلب در یک زمان بسیار محدود که نیاز به تشخیص زمان واقعی دارند.
تقلب در بانکداری آنلاین نیاز به تشخیص فوری دارد ، دلیل آن بازیابی موارد از دست رفته در صورت انجام کلاهبرداری است. اکثر مشتریان معمولا به ندرت تاریخ بانکی آنلاین خود را به طور منظم چک می کنند و بنابراین قادر به کشف و گزارش معاملات جعلی بلافاصله پس از وقوع یک کلاهبرداری نیستند. این باعث می شود امکان بازیابی موارد از دست رفته بسیار کم شود. علاوه بر این، تمام هشدارهای تولید شده از سیستم تشخیص باید به صورت دستی بررسی شود، که بسیار وقت گیر است. سیستم های تشخیص بانکداری آنلاین دارای دقت بالا، نرخ تشخیص بالا و کنترل تعداد هشدار در تجارت پیچیده بانکداری آنلاین هستند.
ویژگی های بالا و الزامات تجارت تا حد زیادی روش های تشخیص تقلب و مدل های داده کاوی موجود را برای حفاظت از معاملات کارت اعتباری، تجارت الکترونیک، بیمه، خرده فروشی، ارتباطات راه دور، کامپیوتر، و غیره به چالش می کشد ، این روش ها عملکرد ضعیف در بهره وری و / یا دقت در زمانی که برای تشخیص تقلب در بانکداری آنلاین استفاده می شود را نشان می دهد [35]. به عنوان مثال، کارت اعتباری و یا تشخیص تقلب مخابراتی اغلب در کشف الگوهای رفتاری خاص از یک مشتری خاص و یا گروه رخ می دهد، اما معاملات بانکی آنلاین مربوط به سرقت تمرکز بسیار پویا است و بسیار شبیه به رفتار مشتری واقعی به نظر می رسد. برخی از روش های تشخیص نفوذ در یک محیط کامپیوتر پویا به خوبی انجام شده، اما آن ها نیاز به مقدار زیادی از داده های آموزشی با سیاهه های مربوط به عنوان شواهد دارند. با این حال، هیچ مدرکی وجود ندارد که آشکار نشان دهد که یک تراکنش بانکی آنلاین جعلی است.
یک مورد امیدوار کننده به تازگی پدید آمده است که به دقت تفاوت بین رفتار های جعلی و واقعی را بررسی می کند، و روش های مربوطه و الگوهای مقابل را توسعه می دهد، به عنوان مثال، در مقابل مجموعه [6] و الگوهای در حال ظهور [24، 25، 52]. با این حال، آزمایش از روش های کلاسیک بر روی داده های بانکداری آنلاین واقعی نشان داده است که دقت و صحت آنها به دلیل چالش در تشخیص تقلب بانکداری آنلاین بسیار بالا است. علاوه بر این، با توجه به پژوهش [61]، الگوی کنتراست به معنی یک مشکل سخت NP است، زمان زیادی هنگامی که تعداد ویژگی ها آن زیاد است صرف آن می شود ، و آستانه سرعت کشف و شناسایی آن کوچک است. بر اساس آزمایش های ما، روش الگوی کنتراست [24] به طور موثر طرح بانکداری آنلاین را انجام نمی دهد.
تنها چند مقاله در مورد کنترل تقلب در بانکداری آنلاین [35، 37، 44] وجود دارد. جریان اصلی سیستم های تشخیص تقلب بانکی آنلاین برای ایجاد قوانین برای فیلتر معاملات مشکوک که مشکلات مهمی ایجاد می کنند، از جمله نرخ مثبت کاذب بسیار بالا و نرخ تشخیص کم ، به کارشناسان تکیه می کنند. از همه مهمتر، اقتباس قوانین به پویایی تقلب و به تخصص دامنه به طور کامل وابسته هستند. کیفیت تشخیص تقلب بدون کنترل پایدار بسیار وقت گیر است ، و از طریق پیام رسان از قوانین پشتیبانی نمی کند.
بسیاری از حوادث و رفتارهای قبلی در زمان های مختلف مستقل بوده و اطلاعات ثبت شده در توالی رویداد را نادیده می گیرد. در بانکداری آنلاین، توالی فعالیت برای افتراق رفتار جعلی از رفتار واقعی مفید هستند. به عنوان مثال در جدول 1 و 2 نشان داده شده است. جدول 1 دنباله دسترسی به صفحه وب توسط یک تروجان است، در حالی که جدول 2 یک معامله واقعی از طریق یک مرورگر وب است. دو ویژگی متضاد بین این دو توالی وجود دارد. یکی این که تقلب کنار برخی از صفحات وب مانند homepage.aspx بعد از ورود و صفحه چاپ پس از تایید انتقال ناچیز برای ارسال معامله می باشد. دیگر این که معامله در کمتر از 3 ثانیه پس از ورود به سیستم به پایان رسیده ، که بیش از حد برای یک کاربر معمول بانکداری آنلاین برای دستیابی از طریق یک مرورگر وب سریع است.
با استفاده از داده ها و ویژگی های تجارت فوق، این مقاله یک چارچوب موثر در شناسایی پیچیده تقلب بانکی اینترنتی پیشنهاد می کند. ایده اصلی، مزایا و کمک های حاصل از این چارچوب به شرح زیر است :
– این است که توسط تئوری مهندسی meta-synthetic [11] ، M-Computing [12] و حکمت وب از چیزهایی که [66] الهام گرفته، یک راه حل سیستماتیک با ترکیب دانش دامنه، تجربه در سیستم تشخیص مبتنی بر قواعد ، مزایای استفاده از مدل های مختلف، و پالایش توسط کارشناسان فراهم می کند.
– این تعبیه ماژول سیستماتیک با انتخاب ویژگی ها بر اساس کسب اطلاعات، استخراج رفتار مقابل طبقه بندی ساختمان ، تولید نمره خطر کلی برای هر معامله در بانکداری آنلاین، و شناسایی الگوهای رفتاری جعلی را انجام می دهد. سیستم تشخیص تقلب بانکی آنلاین با هر سیستم بانکداری آنلاین و یا خدمات ارتباط برقرار نمی کند.
– ما نه تنها دنبال این اطلاعات رفتاری برای شناسایی الگوهای مقابل هستم، بلکه این روش جدید، برای ادغام رفتار های متوالی پایگاه داده برای استخراج الگوهای مقابل موثر است.
– این سیستم شامل ادغام چندین مدل داده کاوی ، هزینه شبکه های عصبی حساس [67]، الگوی کنتراست ، و جنگل تصمیم است. از آنجا که مدل های مختلف کشف تقلب و الگوهای رفتاری واقعی از زوایای مختلف مورد برسی قرار می گیرد ، ترکیب آنها [13] الگوهای رفتاری جامع تر ارائه می دهد.
– هر مدل را می تواند به راحتی در طول زمان از تغییرات در رفتار جعلی حفظ کنید.
– آزمایش های عظیم در یک بانک در استرالیا که سیستم و مدل های تشخیص نرخ بالاتر و سرعت کاذب پایین تر دارند از هر مدل داده کاوی کلاسیک سیستم مبتنی بر قواعد موجود مورد استفاده در تمام بانک های بزرگ استرالیا بهتر عملکرده است. علاوه بر این، سیستم ما عملکرد تشخیصی نسبتا خوب بر روی مجموعه داده بسیار نامتوازن و مدل الگوی کنتراست ایجاد می کند و به اصلاح بر روی داده های زمان واقعی کارآمد است. همچنین الگوهای رفتاری توالی کشف ، و اطلاعات بیشتری در مورد شواهد پزشکی قانونی برای تشخیص تقلب فراهم می کند.
ادامه مقاله به شرح زیر تدوین شده است. بخش 2 ویژگی های تقلب بانکداری آنلاین در جزئیات و ارائه یک نمای کلی از کار مرتبط در کشف تقلب. بخش 3 بیانیه مشکل و تعریف اصطلاحات را ارائه می دهد ، در حالی که بخش 4 دقت و چارچوب تشخیص تقلب بانکی آنلاین در جزئیات را توضیح می دهد. روش مقابل استخراج الگوی با بردار مقابل در بخش 5 معرفی و روش امتیازدهی خطر بر اساس مدل های ترکیب شده در بخش 6 است. ارزیابی آزمایش ارائه شده در بخش 7 مورد بحث است و 8 نتایج و جهت تحقیقات آینده را نشان می دهد.

Abstract

Sophisticated online banking fraud reflects the integrative abuse of resources in social, cyber and physical worlds. Its detection is a typical use case of the broad-based Wisdom Web of Things (W2T) methodology. However, there is very limited information available to distinguish dynamic fraud from genuine customer behavior in such an extremely sparse and imbalanced data environment, which makes the instant and effective detection become more and more important and challenging. In this paper, we propose an effective online banking fraud detection framework that synthesizes relevant resources and incorporates several advanced data mining techniques. By building a contrast vector for each transaction based on its customer’s historical behavior sequence, we profile the differentiating rate of each current transaction against the customer’s behavior preference. A novel algorithm, ContrastMiner, is introduced to efficiently mine contrast patterns and distinguish fraudulent from genuine behavior, followed by an effective pattern selection and risk scoring that combines predictions from different models. Results from experiments on large-scale real online banking data demonstrate that our system can achieve substantially higher accuracy and lower alert volume than the latest benchmarking fraud detection system incorporating domain knowledge and traditional fraud detection methods.

1 Introduction

With the widespread use of increasingly advanced Internet technology [15, 47, 60], online banking (also called Internet banking) is emerging as a major channel for retail and business banking. In contrast, fraudulent online banking activities are becoming more and more sophisticated, seriously threatening the security and trust of online banking business. Online banking fraud has become a serious issue in financial crime management for all banks. It is becoming ever more challenging and leads to massive losses, due to the emergence and evolution of sophisticated online banking fraud, such as phishing scams, malware infection and ghost web sites. Effective and efficient detection of Internet banking fraud is regarded as a major challenge to all banks, and is an increasing cause for concern. An online banking fraud detection system can be a typical use case of the broadbased Wisdom Web of Things (W2T) [63–66] methodology. It has to timely gather multi-aspect data of online banking customers, including demographic data, online banking transaction data, credit card transaction data and other types of transaction data.These data will be transferred via the Internet/WWW and SEA-nets to an online banking customer data center. The data center provides a platform for the whole process of online banking fraud detection. It is a complete data cycle from acquisition of heterogeneous data, information, and knowledge in the physical world to the provision of active services in the cyber world to customers in the social world. Online banking customers (in the social world), things (in the physical world), and computer systems (in the cyber world) are integrated into an entity to realize their harmony and symbiosis by using an effective W2T data cycle. In this cycle, the process of fraud detection is one important task. Internet banking fraud exhibits certain sophisticated characteristics (see detailed discussions in Section 2.1): – suspicious customers are active and intelligent in conducting fraudulent banking activities, – fraudulent behavior is very dynamic, – fraud is hidden in diversified customer behavior, – fraud-related transactions are dispersed in highly imbalanced large data sets, and – the occurrences of fraud appear in a very limited time which requires real-time detection. The detection of online banking fraud needs to be instant, because it is very difficult to recover the loss if a fraud is undiscovered during the detection period. Most customers usually rarely check their online banking history regularly and are therefore not able to discover and report fraud transactions immediately after an occurrence of a fraud. This makes the possibility of loss recovery very low. In addition, all alerts generated from the detection system need to be manually investigated, which is very time-consuming. Online banking detection systems are therefore expected to have high accuracy, a high detection rate, and a low false positive rate for generating a small, manageable number of alerts in complex online banking business. The above characteristics and business requirements greatly challenge existing fraud detection techniques and data mining models for protecting credit card transactions, e-commerce, insurance, retail, telecommunication, computer intrusion, etc. These existing methods demonstrate poor performance in efficiency and/or accuracy when directly applied to online banking fraud detection [35]. For instance, credit card or telecommunication fraud detection often focuses on discovering particular behavior patterns of a specific customer or group, but fraud-related online banking transactions are very dynamic and appear very similar to genuine customer behavior. Some intrusion detection methods perform well in a dynamic computer environment, but they require a large amount of training data with complete attack logs as evidence. However, there is no obvious evidence to show whether an online banking transaction is fraudulent. A promising direction emerged recently that scrutinizes the difference between fraudulent and genuine behavior, and develops corresponding approaches for mining contrast patterns, for instance, contrast sets [6] and emerging patterns [24, 25, 52]. However, experiments of classic methods on real online banking data have shown that their accuracy is not very high because of the challenges in online banking fraud detection. In addition, according to the research in [61], contrast pattern mining is an NP hard problem, the time cost is expensive, especially when the number of attributes is large, and the threshold of minimal detection rate is small. Based on our experiments, the contrast pattern method in [24] does not perform efficiently in the online banking scenario. There are few papers about fraud control in online banking [35, 37, 44]. The mainstream online banking fraud detection systems rely on domain experts and knowledge to create rules for filtering suspicious transactions, which face critical problems, including very high false positive rates and low detection rates. More importantly, the adaptation of rules to fraud dynamics is fully dependent on domain expertise. This is very time-consuming, leaves the quality of fraud detection without sustainable control, and cannot support instant adjustment of rules. Most previous work treats events at different time points as independent and ignores the information incorporated in event sequences. In online banking, activity sequences are useful for differentiating fraudulent behavior from genuine behavior. An example is shown in Tables 1 and 2. Table 1 is a web page access sequence committed by a Trojan, while Table 2 is from a genuine transaction via a web browser. There are two contrasting features between these two sequences. One is that the fraud bypassed some web pages that are insignificant for submission of the transaction, such as homepage.aspx after login and the print page after the transfer confirmation. The other is that the transaction was completed within 3 seconds of login, which is too fast for a common online banking user to achieve via a web browser.Using the above data and business characteristics, this paper proposes an effective framework for detecting sophisticated Internet banking fraud efficiently. The main ideas, advantages and resulting contributions of this framework are as follows: – It is inspired by the theory of meta-synthetic engineering [11], M-Computing [12] and Wisdom Web of Things [66], and provides a systematic solution by synthesizing domain knowledge, experience learned in the rule-based detection system, advantages from multiple models, and refinement by domain experts. – It embeds systematic modules by selecting features based on information gain, extracting contrast behavior, building classifiers, generating an overall risk score for every online banking transaction, and identifying patterns of fraudulent behavior. This makes it a real time online banking fraud detection system that does not interfere with any existing online banking system or its service. – We not only construct sequence behavior information for identifying contrast patterns, but also propose a new method, a contrast vector, to integrate the sequential behavior contrast into the relational transaction database for mining more effective contrast patterns. – The system incorporates and integrates several data mining models, costsensitive neural network [67], contrast pattern mining, and decision forest. Because different models discover fraud and genuine behavior patterns from different angles, their combination [13] captures behavior patterns in a more comprehensive way. – Each model can be easily retrained over time to keep abreast of changes in fraud behavior. – Massive experiments in a major Australian bank show that our system and models have a higher detection rate and a lower false positive rate than any single classic data mining model, outperforming the existing rule-based system used in all major Australian banks. In addition, our system generates comparably good detection performance on highly imbalanced data sets and the modified contrast pattern mining model is efficient on real time data. The sequence behavior patterns discovered also provide more information about forensic evidence for fraud detection. The remainder of the paper is organized as follows. Section 2 describes the characteristics of online banking fraud in detail and presents an overview of related work on fraud detection. Section 3 gives a problem statement and definition of terminology, while Section 4 presents and explains the online banking fraud detection framework in detail. The method of contrast pattern mining with contrast vectors is introduced in Section 5 and the risk scoring method based on combined models is presented in Section 6. Experiment evaluation is discussed in Sections 7 and 8 provides conclusions and suggests future research directions.

مدیران زن و مدیریت عایدات در شرکت های پیشرفته

Female directors and earnings management in high-technology firms

چکیده
1-مقدمه
2-بررسی منابع
2-1 منابع مدیریت عایدات(سود)
2-2 منابع جنسیت
3-داده ها و شاخص های اندازه گیری مدیریت سود
4-4 بحث

چکیده
هدف:این مطالعه که بر مبنای ادغام تئوری های حسابداری و جنسیتی است، با هدف کشف این که آیا مدیریت عایدات(سود) تحت تاثیر مدیران زن در هیئت مدیره و کمیته حسابرسی قرار می گیرد یا نه؟ و اگر جواب مثبت است، چگونه انجام شد.؟
طرح/روش/رویکرد:این مطالعه از دو رویکرد آنالیز تک متغیره و چند متغیره برای بررسی رابطه بین مدیران زن و مدیریت عایدات در شرکت های با فناوری پیشرفته بهره می برد. در این آنالیز، دو معیار اندازه گیری (به اعتبار گذشته) مدیریت عایدات، تعهد اختیاری و تعهد غیر عملیاتی علاوه بر دو معیار به اعتبار پیش بینی مدیریت عایدات یعنی حسابرس Big4 و اهرم مالی استفاده شدند.
یافته ها: این مقاله شواهدی را در خصوص رابطه منفی بین حضور مدیران زن و مدیریت عایدات در اختیار می گذارد. یافته ها حاکی از این مطلب است که خشونت و تخلفات حسابداری تحت تاثیر نسبت زنان در هیئت مدیره علاوه بر کمیته حسابرسی است. به علاوه،این مقاله به شواهدی پی برده است که نشان می دهد که مدیریت عایدات زمانی که CEO یا CFO یک خانم است پایین تر و ضعیف تر می باشد. هم چنین در شرکت های با نسبت بیشتر زنان در مدیریت، نظارت و کنترل امور شرکت و یا مدیریت ارشد، پایش خارجی توسط حسابرسان و بستانکاران ضعیف تر می باشد ولی کیفیت عایدات بالاست. آنالیز های دیگر حاکی از آن است که جنسیت مدیران دارای اهمیت اساسی برای تحلیل گران و سرمایه گذاران می باشد به خصوص این که رابطه مثبتی بین نسبت مدیران زن و ارزش شرکت وجود دارد. این یافته ها توسط چندین تئوری جنسیت و نتایج در خصوص انگیزش زنان و دستاورد های مربوطه، ارزش های اخلاقی، تصورات اجتماعی و رابطه بین عملکرد کمیته و خود باوری تایید شده است.
اصالت/ارزش: این مطالعه جنسیت مدیران را با مدیریت مالی توسط شرکت ها به هم ارتباط می دهد. هم چنین این مطالعه سهم بسزایی در تولید علم مدیری عایدات دارد. نتایج و برایند این مطالعه برای محققان، مجریان قوانین، سرمایه گذران، تحلیل گران و بستانکاران و نیز بازیگران عرصه بازار های سرمایه می تواند مفید باشد زیرا ابعاد جدید و مهمی را که بایستی هنگام ارزیابی کیفیت اطلاعات حسابداری شرکت در نظر گرفته شوند در اختیار می گذارد.
.
1. مقدمه
افشای تقلب های حسابداری عظیم در شرکت های بزرگی نظیر انرون توجه رو به رشد آکادمیک را به محرک های مدیران برای مدیریت عایدات جلب کرده است. اگرچه شواهد فراوانی در خصوص محرک های بازار سرمایه برای مدیریت عایدات وجود دارد، منابع علمی آکادمیک در خصوص رابطه بین مدیریت عایدات و جنسیت مدیران شرکت نادر است. نکته جالب این که چنین تحقیقاتی مستلزم استفاده از تئوری های جنسیت در رشته حسابداری است.بعد جنسیت می تواند دانش و آگاهی ما را از عوامل محرک و دامنه مشارکت در مدیریت و دست ورزی حسابداری افزایش دهد.جنسیت اهمیت زیادی در مشارکت در رفتار های خاص و پرهیز از رفتار های دیگر با توجه به انتظاراتی که از هر جنسیت می رود دارد. لذا، توجیه جنسیت محور می تواند روشن کننده بافت اجتماعی فرهنگی باشد که در قبال آن تصمیماتی را می توان در چارچوب سازمان اتخاذ کرد.
در این مطالعه ما به بررسی رابطه مدیریت عایدات شرکت های با تکنولوژی پیشرفته با جنسیت مدیران آن می پردازیم. هم چنین هدف ما بررسی و کشف اثرات حضور مدیران زن در هیئت مدیره( از این به بعد BOD نامیده می شود) و در کمیته حسابرسی بر مدیریت عایدات خواهیم پرداخت. این به ما در تایید و تقویت شواهد BOD با شواهد مربوط به کمیته حسابرسی که هر دوی آن ها در مدیریت نظارت و کنترل برای کنترل رفتار مدیریت فرصت طلبانه نظیر مدیریت عایدات کاربردی می باشند. ما تفاوت بین مدیران مستقل و مدیران اجرایی را از هم متمایز کردیم زیرا مدیریت عایدات را می توان با مدیران اجرایی ( به خصوص CFO وceo) اجرا کرد با این حال بایستی آن را توسط مدیران مستقل شناسایی و متوقف کرد.
این مطالعه از نمونه شرکت های پیشرفته اسرائیلی لیست شده در ایالات متحده بین 2002 تا 2009 استفاده می کند. نمونه اسرائیلی از اهمیت ویژه ای برخوردار است زیرا تنها تا چند سال پیش، زنان در اسرائیل در مدیریت شرکت ها نقش چندانی نداشتند(1). امروزه، نسبت زنان در راءس شرکت های دولتی در اسرائیل حدود 15 درصد است که مشابه با ایالات متحده می باشد. در مقام مقایسه، نسبت زنان در ریاست و هیئت مدیره شرکت های دولتی در سراسر جهان :7.8 درصد در آلمان، 10 درصد اسپانیا(2)، 11.5 درصد در بریتانیا، 12 درصد در هلند،13 درصد در کانادا،18 درصد در دانمارک، 26 درصد در فنلاند، 27 درصد در سوئد و 44 درصد در نروژ( برمیگ و فریک 2010، آدامز و فریرا 2009، کاتالیست 2009) است. درصد بالای اعضای هیئت مدیره خانم در نروژ به دلیل سیستم سهمیه بندی آن است. از این روی، مسئله تاثیر مدیران خانم روی کیفیت سود و عایدات، و این که آیا نسبت زنان در هیئت مدیره شرکت باید به طور کلی و قانونا بالاخص افزایش پیدا کند برای ایالات متحده و نیز بسیاری از کشور های اروپایی حایز اهمیت است( سریندی و همکاران 2011).
دولت اسرائیل در حال بررسی طرحی قانونی لایحه ای برای افزایش نسبت و نقش زنان در BOD شرکت های دولتی است. هدف اصلی از انجام این کار، تقویت شرکت ها در منسوبات تعداد خاصی از زنان در هیئت مدیره خود می باشد طوری که زنان تقریبا 50 درصد اعضای هیئت مدیره را تشکیل دهند(3). به علاوه، شرکت ها ملزم به انتشار اطلاعات مربوط به نسبت زنان در شرکت هستند(4).
در این مطالعه، ما تاکید زیادی بر شرکت های با فناوری پیشرفته داریم. همگنی نمونه در مطالعه ما حایز اهمیت است زیرا شرکت ها در معرض محرک های مدیریت عایدات مختلفی به دلیل برخی قوانین و یا عوامل صنعتی دیکر می باشند. برای مثال شرکت های مالی تحت تاثیر محرک های مدیریت عایداتی هستندکه به دلیل برخی قوانین و عوامل دیگر پیچیده می باشند( براگ استار و اماس 2003، د فرانو و همکاران 2011).به علاوه، صنایع مختلف از نظر برخی خصوصیات کلیدی نظیر شدت R&D، سود ناخالص، ابعاد رشدی، ریسک های مالی، وابستگی به همکاری با کمپانی های دیگر و مرحله چرخه حیات متفاوت می باشند که به طور بالقوه بر محرک های مدیریت عایدات و اهمیت مدیریت عایدات تاثیر می گذارند. از این رو مطالعه ما که به بررسی هدف مدیریت و نظارت ناکافی بر تهیه گزارش از نتایج اریب عایدات می پردازد، مستلزم گروه همگن و یکنواختی از شرکت هاست. استفاده از شرکت های با فناوری پیشرفته این اطمینان را حاصل می کند که نمونه ما دارای اندازه کافی(نسبتا بزرگ) و نسبتا همگن می باشد.
بخش های با فناوری پیشرفته می توانند نمونه مناسبی برای مطالعه رفتار مدیران زن باشند زیرا این بخش ها با چالش ها، تغییرات پی در پی و عدم قطعیت روز افزون مواجه می باشند.بر اساس منابع علمی در خصوص جنسیت، ما با زنانی سرو کار داریم که مرز و بند های تبعیض اقلیتی را از هم گسسته و راه را برای کسب مهارت ها، رفتار و درجه ای از ریسک کردن که قبلا مختص مردان بود هموار کرده اند(جنکینز 1987، موریسون و همکاران 2004). منابع به وضوح حاکی از این است که این زنان موانع فرهنگی را با اثبات این که نسبت مدیران خانم در هیئت مدیره شرکت های پیشرفته اسرائیلی به سطح میانگین حدود 15 درصد رسیده است کنار زده اند.
در این آنالیز، ما دو شاخص اندازه گیری معاصر را از مدیریت عایدات استفاده کردیم: تعهد اختیاری و تعهد غیر عملیاتی. تعهدات اختیاری بر گرفته از مدل اصلاح شده کاربردی جونز(1991) برای کنترل تاثیر عملکرد شرکت روی تعهدات(کوتهاری و همکاران 2005) و برای رشد( مک نیکولز 2002) می باشند. تعهدات غیر عملیاتی توسط گیلوی و هیان (2000) توصیف شده اند. این شاخص به عنوان یک پروکسی جایگزین برای مدیریت عایدات عمل کرده و از برخی مسائل و نگرانی های تجربی موجود در مدل جونز را ندارد( دچو و همکاران 1995، اریکسون و وانگ 1999). بر اساس تحقیقات قبلی( آبودی و همکاران 2005، رامان و شهرور 2008)، ما از ارزش مطلق تعهدات اختیاری و غیر عملیاتی برای براورد بزرگی مدیریت درآمد ها استفاده می کنیم. سپس به شناسایی وجود حسابرس Big4 و درجه اهرم شرکت به عنوان معیار های اعتبار گذشته مدیریت عایدات بر اساس این فرض که پایش و کنترل پیشرفته خارجی می تواند موجب کاهش اریبی و نویز در عایدات گزارش شده شود خواهیم پرداخت( فرانسیس و همکاران 1999، یو 2007).
با استفاده از رویکرد آنالیز تک متغیره و چند متغیره، ما شواهدی را در خصوص رابطه منفی بین نسبت مدیران زن و مدیریت عایدات یافتیم. تاثیر حضور زن روی کمیته حسابرسی مشابه با تاثیر روی BOD است.یافته ها حاکی از این است که مدیران زن موجب بهبود پایش عملکرد هیئت مدیره می شوند زیرا آن ها مدیریت سود را بیش از همکاران مرد خود تحت فشار قرار می دهند(5). هم چنین، شرکت هایی که تعداد زیادی از زنان را در راس مدیریت و یا منسب های نظارتی استخدام می کنند، دارای آگاهی و دانش بیشتری از لزوم ایجاد تعادل در تجارت بوده و به حفظ ارزش های اجتماعی، زیست محیطی، قانونی و اخلاقی پایبند تر بوده و ذهنیت مردم در خصوص آن ها برایشان مهم است. در این شرکت ها، سود و عایدات با کیفیت بالا نتیجه مستقیم استاندارد های بالای شرکت هاست. با این وجود ، رابطه بین ارزش ها و پایبندی های اجتماعی، زیست محیطی، قانونی، اخلاقی و غیره یک شرکت و حضور زن در منسب های بالا همراه با کیفیت عایدات بایستی در تحقیقات آینده بیشتر مورد بررسی قرار گیرد.
هم چنین شواهدی را یافتیم که نشان می دهند که مدیریت عایدات زمانی که CEO و یا CFO زن باشند به طور قابل توجهی ضعیف است(6). به علاوه، ما پی بردیم که در شرکت هایی با نسبت زن بیشتر در بخش نظارت و مدیریت شرکت و مدیریت عالی، پایش و کنترل خارجی توسط حسابرسان و بستانکاران ضعیف تر است و مدیریت عایدات ضعیف تر است. تفسیر احتمالی این مسئله پیچیده این است که حضور زن به مثابه پایش داخلی است. در نهایت این که، آنالیز های دیگر بیان گر این موضوع است که جنسیت مدیران دارای اهمیت اساسی برای تحلیل گران و سرمایه گذران می باشد به خصوص این که یک رابطه مثبت بین نسبت مدیران زن و ارزش شرکت وجود دارد. این مطالعه از نمونه شرکت های پیشرفته اسرائیلی لیست شده در ایالات متحده بین 2002 تا 2009 استفاده می کند. نمونه اسرائیلی از اهمیت ویژه ای برخوردار است زیرا تنها تا چند سال پیش، زنان در اسرائیل در مدیریت شرکت ها نقش چندانی نداشتند(1). امروزه، نسبت زنان در راءس شرکت های دولتی در اسرائیل حدود 15 درصد است که مشابه با ایالات متحده می باشد. در مقام مقایسه، نسبت زنان در ریاست و هیئت مدیره شرکت های دولتی در سراسر جهان :7.8 درصد در آلمان، 10 درصد اسپانیا(2)، 11.5 درصد در بریتانیا، 12 درصد در هلند،13 درصد در کانادا،18 درصد در دانمارک، 26 درصد در فنلاند، 27 درصد در سوئد و 44 درصد در نروژ( برمیگ و فریک 2010، آدامز و فریرا 2009، کاتالیست 2009) است. درصد بالای اعضای هیئت مدیره خانم در نروژ به دلیل سیستم سهمیه بندی آن است. از این روی، مسئله تاثیر مدیران خانم روی کیفیت سود و عایدات، و این که آیا نسبت زنان در هیئت مدیره شرکت باید به طور کلی و قانونا بالاخص افزایش پیدا کند برای ایالات متحده و نیز بسیاری از کشور های اروپایی حایز اهمیت است( سریندی و همکاران 2011).
یافته های ما با منابع جنسیت مطابقت دارد که حاکی از وجود یک تمایل و روند در جهت رفتار آشتی جویانه توسط زنان در وضعیت های تحت فشار در مقایسه با رفتار دیکتاتوری توسط مردان است. این مطالعات به وضوح حاکی از این است که در حقیقت، زنان در مدیریت مکمل مردان می باشند و یک تعادل سالم را با تجارت برقرار می کنند( مالاچ پاینز 1989، موریسون و همکاران 2004). این یافته ها با مطالعات قبلی که نشان می دهند مدیران زن ریسک کم تری نسبت به مدیران مرد می کنند هم خوانی دارد( پاول و انسیک 1997، باربر و ادین 2001). تئوری جنسیت هم چنین حاکی از این است که حتی اگر زنان موفقیت کاری را از قبل پیش بینی کنند اقدام به انجام آن کار نمی کنند مگر این که آن کار یا منسب را از نظر اخلاقی ارزش گذاری کنند( اکلس 1994). به علاوه، مطالعات مربوط ارزش گذاری اخلاقی، زنان را در قضاوت ها و رفتار های خود نسبت به مردان بیشتر می دانند( افلان و باترفیلد 2003، ورمیر و وان کنهوف 2007) و و زنان تمایل بیشتری در جهت انجام فعالیت های قانونی ( میت و راتشیلد 1994) و تهیه گزارشات تقلبات مالی دارند( کاپلان و همکاران 2009).مطالعات دیگر که بر مدیران زن تاکید داشته اند، نشان می دهند که حضور زن موجب بهبود عملکرد و ارزش شرکت خواهد شد( هیوز و سلبرگ 2006، آدامز و فریرا 2009، کمبل و میگوز 2008). از این رو، تفاوت های جنسبی، ترس از نتایج منفی ناشی از تفسیر غلط سود ها و ملاحظات اخلاقی، توجیهی برای یافته هایی می باشند که مبنی بر آن مدیران زن، مدیریت درآمد را بیشتر از مردان تحت فشار قرار داده و یا این که از آن اجتناب می کنند. در صورتی که مدیران زن تاثیری روی مدیران مرد همکار خود داشته باشند، که در بسیاری از منابع علمی نیز این نفوذ و تاثیر گزارش شده است، واکنش کلی هیئت مدیره می تواند تحت تاثیر حضور زنانی قرار گیرد که پرچم اخلاق را بالا برده و پایش داخلی شرکت را با ارزش گذاری بیشتر ملاحظات اخلاقی در تصمیمات هیئت مدیره تقویت می کنند.
اهمیت اقتصادی و کاربردی یافته های ما در این است که قوانین و نظامی که موجب افزایش نسبت خانم ها در هیئت مدیره BOD شرکت شود، موجب افزایش و تقویت سطوح افشای اطلاعات و کیفیت عایدات(سود ها) خواهد شد. به علاوه، اهمیت کاربردی این مطالعه در این است که اگر مسئله نسبت مناسب زنان در BOD با کیفیت تهیه گزارش مالی شرکت ها در ارتباط باشد، آنگاه، این بخشی از علایق عمومی خواهد بود زیرا در واقع مستلزم و شایسته نظارت قانونی است.
هم چنین این مطالعه سهم بسزایی در تولید علم مدیری عایدات دارد. نتایج و برایند این مطالعه برای محققان، مجریان قوانین، سرمایه گذران، تحلیل گران و بستانکاران و نیز بازیگران عرصه بازار های سرمایه می تواند مفید باشد زیرا ابعاد جدید و مهمی را که بایستی هنگام ارزیابی کیفیت اطلاعات حسابداری شرکت در نظر گرفته شوند در اختیار می گذارد.
این مقاله به صورت ذیل سازمان دهی شده است: در بخش 2 به بررسی منابع پرداخته می شود. بخش 3 نمونه ها و شاخص های مدیریت عایدات را ارایه می دهد. بخش 4 به بحث راجع به روش ها و نتایج می پردازد.بخش 5 آنالیز های اضافی در خصوص اهمیت ارزش گذاری حضور مدیران زن را نشان می دهد. در بخش 6 نتیجه گیری آمده است.

Abstract

Purpose – This study, based on a merger of gender and accounting theories, aims to explore whether and how earnings management is affected by the presence of female directors on the board of directors and on the audit committee. Design/methodology/approach – The study employs both a univariate and multivariate analysis approach to explore the relation between female directors and earnings management in high-technology firms. In the analysis, two contemporary ex-post measures of earnings management, discretionary accruals and nonoperating accruals, as well as two ex-ante measures of earnings management, Big4 auditor and financial leverage are applied. Findings – The paper finds evidence for a negative relation between the presence of female directors and earnings management. The findings indicate that accounting aggressiveness is affected by the proportion of women on the board of directors as well as on the audit committee. Furthermore, the paper find evidences indicating that earnings management is lower when either the CEO or the CFO is a woman. Notably, in firms with a higher female representation in corporate governance and/or in top management, external monitoring by auditors and creditors seems to be weaker, yet earnings quality is higher. Additional analysis suggests that the gender of directors has value implications for analysts and investors; specifically, there is a positive relation between the proportion of female directors and the firm’s value. The findings are supported by several gender theories and findings regarding women’s motivation and achievement, moral values, social stereotypes and the relation between task performance and self-confidence. Originality/value – This study associates the gender of directors with earnings management by firms. The study contributes to the growing body of literature on earnings management. It should be useful to researchers, regulators, investors, analysts and creditors as well as other players in the capital markets, as it presents a new and important aspect that needs to be accounted for when assessing the quality of firms’ accounting information..

1. Introduction

Revelations of massive accounting frauds involving large corporations (e.g. Enron) have drawn growing academic attention to the incentives of managers to manage earnings. While the evidence on capital market motives for earnings management is abundant, the academic literature on the relationship between earnings management and the gender of the firm’s directors is scarce. Notably, such research requires gender theories to be incorporated into the accounting discipline. The gender perspective may increase understanding of the motives for and the extent of engaging in accounting manipulation. The claim at the heart of this perspective is that gender has implications for engaging in certain behaviors and abstaining from others due to role expectations associated with gender. Markedly, a gender-based explanation will clarify the socio-cultural context against which decisions are made within the organization. In this study, we associate earnings management by high-technology firms with the gender of its directors. Specifically, we seek to explore the effect of the presence of female directors on the board of directors (henceforth BOD) and on the audit committee on earnings management. This allows us to corroborate evidence from the BOD setting with evidence from the audit committee setting, both of which are instrumental in overseeing management in order to control opportunistic management behavior such as earnings management. In an additional analysis, we test the effect of chief executive officer (CEO)/chief financial officer (CFO) gender on earnings management. We differentiate between independent directors and executive managers because earnings management may be conducted by executive managers (CFO and CEO in particular), but it should be detected and deterred by independent directors. The study uses a sample of Israeli high-technology firms listed in the USA (traded on the NYSE or the NASDAQ) between 2002 and 2009. The Israeli case is particularly interesting since up until only a few years ago, women in Israel were virtually unrepresented on company boards[1]. Currently, the proportion of women on the boards of public companies in Israel is around 15 percent, similar to that in the USA. For comparison, the proportion of women on the boards of public companies around the world is: 7.8 percent in Germany, 10 percent in Spain[2], 11.5 percent in the UK, 12 percent in The Netherlands, 13 percent in Canada, 18 percent in Denmark, 26 percent in Finland, 27 percent in Sweden, and 44 percent in Norway (Bermig and Frick, 2010; Adams and Ferreira, 2009; Catalyst, 2009). The high percentage of female board members in Norway is due to its quota system. Thus, the issue of the impact of female directors on earnings quality, and whether female representation on company boards should be increased in general, and by law in particular, is also relevant for the USA as well as most European countries (Srinidhi et al., 2011). The Israeli Government is currently promoting a bill that will increase the representation of women on the BODs of public companies. The purpose is to force companies to appoint a specific number of women to their BODs, such that women would constitute approximately 50 percent of board members[3]. Furthermore, companies will be obligated to publish information related to the integration of women in the company[4]. In the study, we focus on high-technology firms. Sample homogeneity is particularly germane in the context of our study, as firms are subject to different earnings-management incentives due to regulation or other industry-specific factors. For example, financial firms are subject to earnings-management incentives that are more complex due to regulation and other factors (Burgstahler and Eames, 2003; De Franco et al., 2011). Additionally, different industries differ in key attributes such as R&D intensity, profit margins, growth prospects, financial risks, reliance on collaboration with other companies and lifecycle stage, which also potentially affect earnings-management incentives and value implications of earnings management. Hence, our study, dealing with management intent and inadequate oversight in reporting biased earnings results, requires a homogeneous group of firms. The restriction to high-technology companies ensures that our sample consists of a sufficiently large and fairly homogeneous sample. The high-tech sector also makes an interesting case for studying female directors’ behavior, as this sector is characterized by challenges, frequent change and ongoing uncertainty. According to gender literature, we are dealing with women who have shattered the “glass ceiling” and worked their way into positions that require skills, behavior and a degree of risk-taking that was previously related to men (Jenkins, 1987; Morrison et al., 2004). The literature indicates that these women have broken down the cultural barriers by proving that women can also serve in high-ranking positions. Notably, in the study we show that the representation of female directors on the boards of Israeli high-tech firms has reached the average level in Israel – about 15 percent. In the analysis, we apply two contemporary measures of earnings management: discretionary accruals and nonoperating accruals. Discretionary accruals are from the widely applied modified Jones (1991) model, augmented to control for the impact of firm performance on accruals (Kothari et al., 2005) and for growth (McNichols, 2002). Nonoperating accruals are as described by Givoly and Hayn (2000). This measure serves as an alternative proxy for earnings management, which avoids empirical concerns regarding the Jones model (Dechow et al., 1995; Erickson and Wang, 1999). Following prior research (Aboody et al., 2005; Raman and Shahrur, 2008), we use the absolute value of discretionary, as well as nonoperating, accruals to estimate the magnitude of earnings management. We define our calculated abnormal accruals measures to be ex-post measures of earnings management. Next, we identify the existence of a Big4 auditor and the degree of firm leverage as ex-ante measures of earnings management, based on the conjecture that improved external monitoring will reduce both the bias and noise in reported earnings (Francis et al., 1999; Yu, 2007). Employing both a univariate and multivariate analysis approach, we find evidence for a negative relation between the proportion of female directors and earnings management. The effect of the presence of women on the audit committee is similar to that on the BOD. The findings imply that female directors improve board monitoring as they constrain earnings management more than their male counterparts[5]. Alternatively, it may be that firms employing a larger number of women in top management and/or governance positions are, at the outset, firms with a higher awareness of the need for balance in business, they maintain higher social, environmental, legal and ethical standings, and they care about how they are perceived by the public. In these firms, higher quality earnings may be a direct result of the higher standards the firm holds as an entity. Nonetheless, the relation between the social, environmental, legal, ethical and moral standings of a firm, and the presence of women in high positions, together with the quality of earnings, need to be further explored in future research. We also find evidence indicating that earnings management is significantly lower when either the CEO or the CFO is a woman[6]. Furthermore, we find that in firms with a higher female representation in corporate governance and/or in top management, external monitoring by auditors and creditors is weaker, yet earnings management is lower. A possible interpretation of this seeming conundrum is that the presence of women serves as internal monitoring. Finally, additional analysis suggests that the gender of directors has value implications for analysts and investors; specifically, there exists a positive relation between the proportion of female directors and the firm’s value. Our findings are supported by the gender literature, which indicates a tendency towards conciliatory behavior by women in high-pressure situations compared to dictatorial-type behavior by men. These studies claim that, in fact, women complement men in management and bring a healthy balance to business (Malach Pines, 1989; Morrison et al., 2004). The findings are also consistent with studies showing that female managers tend to take fewer risks than male managers (Powel and Ansic, 1997; Barber and Odean, 2001). Gender theory also suggests that women will not undertake a task – even if they anticipate success at it – unless they value it morally (Eccles, 1994). Furthermore, studies relating gender to ethical values theorize women to be more ethical in their judgments and behaviors than men (O’Fallon and Butterfield, 2003; Vermeir and Van Kenhove, 2007), and thus more likely to report illegal acts (Miethe and Rothschild, 1994) and fraudulent financial reporting (Kaplan et al., 2009). Additional studies, focusing on female directors, show that the presence of women improves the functioning and efficiency of the BOD as well as the firm’s performance and value (Huse and Solberg, 2006; Adams and Ferreira, 2009; Campbell and Minguez-Vera, 2008). Hence, gender-based differences, fear of negative results due to misrepresentation of earnings and moral considerations, among other things, may offer an explanation for the findings that female executives abstain from, and female directors constrain and deter, earnings management more than do men. If female directors have an effect on their male counterparts, as documented in the gender literature, the overall reaction of the board can be affected by the women present, who will “raise the flag” of morality, strengthening the firm’s internal monitoring by putting a heavier weight on the ethical considerations in the board’s decisions. The economic implication of our findings is that a regulatory move to increase the representation of women on corporate BODs may lead to a business world where the levels of fair disclosure and quality of earnings are higher. Furthermore, our study has a practical implication in that if the issue of the appropriate representation of women on BODs is related to the quality of financial reporting of companies, then it is part of the public interest; as such, it merits the oversight of the regulator. The study contributes to the growing body of literature on earnings management. It should be useful to researchers, regulators, investors, analysts and creditors as well as other players in the capital markets, as it presents a new and important aspect that needs to be accounted for when assessing the quality of firms’ accounting information. The paper proceeds as follows. Section 2 contains our literature review. Section 3 describes our sample and presents our earnings management metrics. Section 4 discusses our research methods and results. Section 5 presents some additional analysis of the valuation implications of the presence of female directors. Section 6 concludes..

مدیران زن و مدیریت عایدات در شرکت های پیشرفته

Female directors and earnings management in high-technology firms