РОЛЬ ПОВЕДЕНЧЕСКИХ ФАКТОРОВ В ВЫЯВЛЕНИИ МОШЕННИЧЕСКИХ ОПЕРАЦИЙ С БАНКОВСКИМИ КАРТАМИ
DOI:
https://doi.org/10.5281/zenodo.20680374Keywords:
банковские карты, кибербезопасность, поведенческие факторы, мошеннические операции, мобильный банкинг, риск, анализ данных.Abstract
В условиях цифровизации банковского сектора и активного развития мобильного банкинга
обеспечение безопасности операций с использованием банковских карт становится одной из ключевых задач
финансовой системы. Несмотря на совершенствование технологических механизмов защиты, значительная
часть операций с признаками мошенничества связана с человеческим фактором. В статье рассматривается роль
поведенческих характеристик пользователей в формировании финансовых рисков и выявлении подозрительных
транзакций. Особое внимание уделяется анализу взаимосвязи между уровнем киберосведомленности
пользователей и вероятностью возникновения мошеннических операций. На основе корреляционного анализа
обосновывается необходимость интеграции поведенческих параметров в системы мониторинга транзакций.
References
1. Anderson, R. (2020). Security Engineering: A Guide to Building Dependable Distributed Systems (3rd ed.). Hoboken, NJ: Wiley.
2. Bhattacharyya, S., Jha, S., Tharakunnel, K., & Westland, J. C. (2011). Data mining for credit card fraud: A comparative study.
Decision Support Systems, 50(3), 602–613.
3. Bolton, R. J., & Hand, D. J. (2002). Statistical fraud detection: A review. Statistical Science, 17(3), 235–255.
4. Ngai, E. W. T., Hu, Y., Wong, Y. H., Chen, Y., & Sun, X. (2011). The application of data mining techniques in financial fraud
detection: A classification framework. Decision Support Systems, 50(3), 559–569.
5. Chen, C., Li, X., & Huang, L. (2018). Behavior-based fraud detection in mobile payment systems using machine learning. IEEE
Access, 6, 450–460.
6. Wang, L., & Li, Y. (2020). Anomaly detection in financial transactions using LSTM neural networks. Future Generation Computer
Systems, 107, 248–256.
7. Sharma, P., & Kumar, R. (2021). Hybrid machine learning techniques for fraud detection in banking systems. Journal of Financial
Crime, 28(2), 456–470.
Downloads
Published
How to Cite
License
Copyright (c) 2026 GREEN ECONOMY AND DEVELOPMENT
This work is licensed under a Creative Commons Attribution 4.0 International License.