গাইড লিঙ্ক ক্যুইজ · মাঝারি স্তর
এআই জালিয়াতি সনাক্তকরণ কুইজ
পরীক্ষা জালিয়াতি শ্রেণীর ভারসাম্যহীনতা, মিথ্যা ইতিবাচক, নেটওয়ার্ক মডেলিং, বেগ সংকেত, এবং জালিয়াতির ধরণ পরিবর্তন। মূল্যায়ন সুযোগ পরীক্ষা করুন.
প্রশ্ন 1 এর 8
কেন শুধুমাত্র নির্দিষ্ট নিয়মগুলি (যেমন, '$5,000-এর উপরে ব্লক চার্জ') প্রায়শই জালিয়াতির জন্য অপর্যাপ্ত?
প্রতিটি প্রশ্নের পূর্বরূপ দেখুন8 প্রশ্ন
আপনি কুইজ নেওয়ার সাথে সাথে উত্তর এবং ব্যাখ্যাগুলি উপস্থিত হয়।
- কেন শুধুমাত্র নির্দিষ্ট নিয়মগুলি (যেমন, '$5,000-এর উপরে ব্লক চার্জ') প্রায়শই জালিয়াতির জন্য অপর্যাপ্ত?
- জালিয়াতি প্রতিপক্ষ এবং ক্রমাগত পরিবর্তিত হয়, তাই নিয়ম অচল হয়ে যায়
- এগুলো লেখার জন্য খুবই ব্যয়বহুল
- ব্যাংক নিয়ম ব্যবহার করার অনুমতি দেওয়া হয় না
- নিয়ম শুধুমাত্র সপ্তাহান্তে কাজ করে
- জালিয়াতি সনাক্তকরণে 'শ্রেণীর ভারসাম্যহীনতা' বলতে বোঝায় যে:
- অনেক ব্যাংক আছে
- প্রতারণামূলক লেনদেন সমস্ত লেনদেনের একটি ক্ষুদ্র ভগ্নাংশ
- সব গ্রাহক একই পরিমাণ খরচ
- ডেটা ভুল ক্লাস ফাইলে সংরক্ষণ করা হয়
- জালিয়াতি সনাক্তকরণে একটি 'মিথ্যা ইতিবাচক' মানে:
- একটি বাস্তব জালিয়াতি মিস করা হয়েছে
- সিস্টেম বিপর্যস্ত
- একটি বৈধ লেনদেনকে ভুলভাবে জালিয়াতি হিসেবে চিহ্নিত করা হয়েছে
- একটি ডুপ্লিকেট চার্জ ঘটেছে
- What challenge can neighbor-based message propagation create for a fraud GNN?
- It guarantees every linked account is fraudulent
- It removes all concept drift from the data
- It prevents investigators from reviewing transactions
- Neighbor and hub effects can amplify class-imbalance problems
- লেনদেন পর্যবেক্ষণে কোন সংকেত 'বেগ'-এর উদাহরণ?
- কয়েক মিনিটের মধ্যে অনেক চার্জ হচ্ছে
- গ্রাহকের জন্মদিন
- কার্ডের রঙ
- ব্যাংকের লোগো
- What fraud typology did FinCEN’s 2024 deepfake alert describe?
- Deepfakes that automatically reverse settled transactions
- Deepfake media and fraudulent identity documents used to evade identity verification or authentication
- A rule requiring banks to reject every voice call
- Synthetic identities that prove a customer committed a crime
- Why can accuracy be misleading for a highly imbalanced fraud dataset?
- Accuracy is always equal to recall
- Fraud labels are never used
- A model can score high accuracy by predicting the majority legitimate class while missing fraud
- The test set must contain no legitimate transactions
- What is one reason a graph model can help identify linked fraud patterns?
- It removes the need for labels or investigation
- It proves that connected accounts are criminal
- It guarantees real-time detection
- It can represent relationships among accounts, transactions, or devices