Search academic texts

Information × Registration Number 2225U000628, Qualification work popup.category Бакалаврська робота Title popup.author Рожкован Дамір Олександрович popup.publication 01-01-2025 popup.source_user Київський національний університет імені Тараса Шевченка popup.source https://ir.library.knu.ua/handle/15071834/7836 popup.publisher Київський національний університет імені Тараса Шевченка Description Пояснювальна записка кваліфікаційної роботи складається зі вступу, трьох розділів, загальних висновків, списку використаних джерел, додатків, має 66 сторінок основного тексту, 4 таблиць та 13 рисунків. Список використаних джерел містить 35 найменувань і займає 4 сторінок. Метою роботи є дослідження, порівняльний аналіз оцінка ефективності та сценарне моделювання впровадження класифікаційної моделі виявлення карткового шахрайства на основі машинного навчання з її умовною інтеграцією у платформу Feedzai OpenML в контексті відповідності сучасним технологічним та нормативно-правовим вимогам у сфері фінансової безпеки. Об'єктом дослідження є процеси виявлення, аналізу та попередження шахрайських операцій у платіжній інфраструктурі фінансових установ. Предметом дослідження є методи, моделі та технології виявлення і протидії картковому шахрайству, включаючи системи моніторингу транзакцій, алгоритми машинного навчання, аналітичні платформи управління ризиками, криптографічні механізми захисту платіжних даних і нормативно-правові підходи до забезпечення інформаційної безпеки у сфері електронних платежів. Методи дослідження: моделювання шахрайських сценаріїв, порівняльний аналіз сучасних систем безпеки та статистичний аналіз інцидентів карткового шахрайства в Україні. Практичною цінністю є демонстрація можливості побудови високоточної класифікаційної моделі виявлення карткового шахрайства з використанням відкритих даних, а також у моделюванні її сценарної інтеграції в промислове antifraud-середовище Feedzai OpenML Найважливіші результати дослідження включають класифікацію сучасних типів карткового шахрайства, аналіз причин їх виникнення, систематизацію технологій виявлення та запобігання шахрайству, оцінку ефективності різних антифрод-систем у контексті українського та міжнародного фінансового середовища, а також формування практичних рекомендацій щодо впровадження інтелектуальних систем моніторингу транзакцій і захисту платіжних даних. Пропозиції щодо продовження досліджень включають поглиблений аналіз адаптивних моделей машинного навчання для боротьби з новими формами шахрайства, розширення порівняльного дослідження функціональних характеристик альтернативних антифрод-систем, вивчення впливу нормативних змін на ефективність виявлення підозрілих операцій. Факультет інформаційних технологій Київського національного університету імені Тараса Шевченка popup.nrat_date 2025-11-05 Close