محمدمهدی قاسمی نیا - دانشجوی دکتری، بخش علوم کامپیوتر، دانشکده علوم ریاضی، دانشگاه یزد، یزد، ایران
سیدابوالفضل شاهزاده فاضلی - دانشیار بخش علوم کامپیوتر، دانشکده علوم ریاضی، دانشگاه یزد، یزد، ایران
الهام عباسی هرفته - استادیار بخش علوم کامپیوتر، دانشکده علوم ریاضی، دانشگاه یزد، یزد، ایران

در این مقاله، بر اساس چارچوب مبتنی بر فناوری های کلان داده که در [۱] ارائه شده، یک پیادهسازی اختصاصی جهت کشف تراکنشهای مالی به شکل آنلاین بر روی مجموعه داده CCFD [۲] معرفی شده است و پیاده سازی این چارچوب و نتایج آن، گزارش شده است. این روش در نهایت به دنبال پیاده سازی یک روش با بکارگیری چندین فیتلر مختلف یادگیری با نظارت و بدون نظارت به شکل آنلاین در کلان داده برای تشخیص تراکنش مالی متقلبانه می باشد. برای انجام این موضوع، بر اساس[۱] یک چرخه کار کلی پیشنهاد داده شده، که مهمترین ایده های سیستم های تشخیص کلاهبرداری تراکنش های مالی موجود را دارا می باشد و هدف از این پیاده سازی علاوه بر موارد ذکر شده بهبود مجموعه داده مورد استفاده از حالت تولید تصادفی به حالت استفاده از مجموعه داده استاندارد[۲] می باشد. در بخش اصلی چرخه کار یک چارچوب جدید که از چهار لایه تشکیل شده، پیاده سازی شده است: لایه ذخیره سازی توزیع شده، لایه آموزش دسته ای، لایه اشتراک گذاری کلید/مقدار و لایه استریم . این چهار لایه، می تواند ذخیره سازی داده های معاملاتی، آموزش مدل شناسایی سریع، اشتراک گذاری سریع داده های مدل و تشخیص تقلب آنلاین بلادرنگ پشتیبانی کند. در این پیاده سازی از اسپارک و اسپارک استریم استفاده شده است.

کلان داده ها،اسپارک استریم،اسپارک،Hadoop،HDFS