SecureBankingSystemwithAI FraudDetection, ImplementationofFraudPreventionUsingMachine LearningandBehavioralAnalytics
| dc.contributor.author | TEBABKHA , Elaid | |
| dc.contributor.author | TOUMI , Lyazid Supervisor | |
| dc.date.accessioned | 2026-05-18T07:56:59Z | |
| dc.date.issued | 2025 | |
| dc.description.abstract | Thisthesispresentsthedesign,implementation,andevaluationofasecurebanking systemwithintegratedartificialintelligenceforfrauddetection.Theresearchaddresses thecriticalchallengeoffinancialfraudindigitalbankingplatformsthroughacompre- hensiveapproachcombiningadvancedmachinelearningtechniqueswithrobustsecurity architecture. Theproposedsystememploysamicroservicesarchitecturetoensurescalability, faulttolerance,andsecurityisolation.Atitscore,anAI-poweredfrauddetection serviceanalyzesuserbehaviorpatternsandtransactioncharacteristicsinreal-timeto identifypotentiallyfraudulentactivities.Thesystemimplementsenhancedthreshold classificationtechniquesthatimproveupontraditionalbinaryclassificationmethods, resultinginhigherprecisionandrecallmetricsevenwithimbalanceddatasets. Additionally,theresearchexplorestheintegrationofariskassessmentenginethat complementsthemachinelearningmodelwithrule-basedanalysis.Thishybridapproach providesboththeadaptabilityofAIandtheexplainabilityofrule-basedsystems.The implementationleveragesDockercontainerizationtoensureconsistentdeployment acrossenvironmentswhilemaintainingsecurityisolationbetweencomponents. Experimentalresultsdemonstratesignificantimprovementsovertraditionalfraud detectionapproaches,withtheproposedsystemachieving93.7%accuracyand91.2% precisioninidentifyingfraudulenttransactionswhilemaintainingalowfalsepositive rateof3.8%.Thethesiscontributestothefieldoffinancialcybersecuritybypresentinga comprehensivearchitecturethatcanbeadaptedbybankinginstitutionstoenhancetheir fraudpreventioncapabilitieswhilemaintaininghighperformanceanduserexperience standards. vii | |
| dc.description.sponsorship | Cettethèseprésentelaconceptionetl’implémentationd’unsystèmebancairesécurisé intégrantl’intelligenceartificiellepourladétectiondesfraudes.Faceàl’augmentation desmenacesdanslesplateformesbancairesnumériques,notrerecherchedéveloppeune approchecombinanttechniquesavancéesd’apprentissageautomatiqueetarchitecture desécuritérobuste. Lesystèmes’articuleautourd’unearchitecturedemicroservicesoffrantévolutivité etisolationsécuritaire.Soncomposantcentralestunservicededétectionalimentépar l’IAquianalyseentempsréellescomportementsutilisateursetlescaractéristiquesdes transactions.Notreimplémentationemploieunetechniquedeclassificationparseuil optimiséesurpassantlesméthodesbinairestraditionnelles,particulièrementefficace aveclesensemblesdedonnéesdéséquilibréstypiquesdescasdefraude. L’architectureintègreégalementunmoteurd’évaluationdesrisquesbasésurdes règlesquicomplètel’apprentissageautomatique.Cetteapprochehybridecombine l’adaptabilitédel’IAavecl’explicabiliténécessairedanslesecteurfinancier.L’ensemble dusystèmeestdéployéviaconteneurisationDocker,garantissantcohérenceenviron- nementaleetisolationsécuritaireentrecomposants. Lesrésultatsdémontrentdesperformancessupérieuresauxapprochestraditionnelles: 93,7%deprécisionet91,2%d’exactitudedansl’identificationdesfraudes,avecseulement ,8%defauxpositifs.Notrecontributionprincipalerésidedanslaconceptiond’une architecturecomplètequelesinstitutionsfinancièrespeuventadopterpourrenforcer leursécuritétoutenmaintenantuneexpérienceutilisateurfluide | |
| dc.identifier.other | MAI/0963 | |
| dc.identifier.uri | https://repository.univ-setif.dz/handle/123456789/422 | |
| dc.language.iso | en | |
| dc.publisher | Unuversity Setif 1 Ferhat Abbas . Faculty of Sciences | |
| dc.subject | Secure Banking | |
| dc.subject | Fraud Detection | |
| dc.title | SecureBankingSystemwithAI FraudDetection, ImplementationofFraudPreventionUsingMachine LearningandBehavioralAnalytics | |
| dc.type | Thesis |