سامانه همایش های دانشگاه آزاد اسلامی واحد نجف آباد

صفحه اصلی / سومین کنفرانس بین المللی مهندسی و علوم کامپیوتر و اولین کنفرانس ملی سامانه های هوشمند، کلان داده و رایانش پیشرفته

هوشمندی تصمیم مبتنی بر یادگیری فدرالی برای بانک‌های کوچک: ادغام کلان‌داده و هوش مصنوعی در بانکداری دیجیتال

نویسندگان :

سید حسین علوی¹ علی عمرانی² اکبر نبی اللهی³

1- دانشگاه ازاد اسلامی واحد نجف اباد 2- دانشگاه ازاد اسلامی واحد نجف اباد 3- دانشگاه ازاد اسلامی واحد نجف اباد

کلمات کلیدی :

هوشمندی تصمیم،یادگیری فدرالی،بانکداری هوشمند،کلان‌داده

چکیده :

در زمینه بانکداری دیجیتال و صنعت 5.0، «هوشمندی تصمیم» به‌عنوان رویکردی برای طراحی، اجرای پایش‌پذیر و بهینه‌سازی تصمیمات داده‌محور، می‌تواند به ارتقای کارایی و کیفیت خدمات مالی کمک کند. بااین‌حال، بانک‌های کوچک با محدودیت‌هایی مانند حجم و تنوع پایین داده، هزینه‌های بالای توسعه قابلیت‌های هوش مصنوعی، کمبود نیروی متخصص و الزامات سخت‌گیرانه حریم خصوصی و رگولاتوری مواجه‌اند. این پژوهش با رویکرد کیفی-تحلیلی و با اتکا به مرور نیمه‌نظام‌مند ادبیات (Semi-systematic literature review) و تحلیل محتوای نظام‌مند (شامل منابع علمی و گزارش‌های صنعتی منتخب) یک چارچوب مفهومی یکپارچه برای پیاده‌سازی هوشمندی تصمیم در بانک‌های کوچک مبتنی بر یادگیری فدرالی و معماری‌های کلان‌داده ارائه می‌کند. در چارچوب پیشنهادی، یک معماری چهارلایه (داده، هوش مصنوعی/یادگیری فدرالی، موتور تصمیم‌یار، اجرا و بازخورد) ترسیم می‌شود که امکان استقرار مرحله‌ای قابلیت‌های تحلیلی و تصمیم‌یار را بدون انتقال داده خام بین بانک‌ها فراهم می‌سازد. برای نشان دادن کاربست‌پذیری، سناریوهای نمونه در حوزه‌های اعتبارسنجی، کشف تقلب و شخصی‌سازی خدمات و نیز مرور توصیفی تجربه سه نئوبانک ایرانی (بلوبانک، ویپاد، بانکینو) ارائه شده است. همچنین، ریسک‌های شناخته‌شده امنیتی/حریم خصوصی در یادگیری فدرالی (مانند نشت از روی به‌روزرسانی‌های مدل و مسموم‌سازی) و کنترل‌های کاهنده متناظر (مانند تجمیع امن و حریم خصوصی تفاضلی) به‌عنوان الزامات طراحی و حکمرانی داده در چارچوب لحاظ می‌شود. خروجی این مقاله یک نقشه راه مفهومی و قابل استفاده برای طراحی و پیاده‌سازی است؛ با این محدودیت که اعتبارسنجی تجربی و سنجش کمی اثرات، مستلزم اجرای پایلوت در شبکه واقعی بانک‌های کوچک است