Geri Dön

Fraud Detection in mobile communication networks using data mining

Veri madenciliği yardımıyla mobil telekomünikasyon şebekelerinde sahtekarlık tespiti

  1. Tez No: 181378
  2. Yazar: BÜLENT KUŞAKSIZOĞLU
  3. Danışmanlar: Y.DOÇ. ADEM KARAHOCA
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Sahtekarlık, Mobil telekomünikasyon, Verimadenciliği, Yapay öğrenme, fraud, mobile communication, data mining, machine learning
  7. Yıl: 2006
  8. Dil: İngilizce
  9. Üniversite: Bahçeşehir Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 77

Özet

Sahtekarlık/kötü niyetli kullanım telekom endüstrisinde kayıp gelir'inönemli bir kaynağıdır. Etkin sahtekarlık keşfetme sistemleri ve analizsistemleri telekom operatörlerine çok para tasarruf ettirebilir.Otomatik sahtekarlık sistemleri, operatörlere sahtekarlık yapanlarıkeşfetme, servislerini reddetme ve kovuşturma olanağı vermektedir.Bu çalışmada, veri madenciliği yöntemleriyle normal kullanıcıları,sahtekearlık yapanlardan ayıran bir model geliştirmek için mobilabonelerin konuşma detay kayıtları(CDR's), demografik verileri ve ödemeverileri incelenmiştir. Önce açıklayıcı veri analizi ile veri setiincelenmiş ve abonelik süresi, paket tipi, cinsiyet, abonelik tipi,toplam fatura tutarı gibi değişkenlerin kötü niyetli kullanımıntespitinde önemli oldukları ortaya çıkmıştır. Daha sona k-meansalgoritması ile konuşma alışkanlıklarına gore abone kümelemesiyapılmıştır. Önem sırasına gore sıralanmış değişken seti ileilişkili/bağlantılı değişkenler nedeni ile factor analizi sonuçu eldeedilen değişken seti olmak üzere iki farklı değişken setikullanılmıştır.Son olarakta eğitim ve test setleri üzerinde karar ağaçları, kuraltabanlı methodlar, yapay sinir ağları gibi veri madenciliği teknikleriuygulanmış ve çıkan sonuçlar doğruluk, duyarlılık, özgüllük, hassaslıkve hata kareleri ortalamalarının karekökü(HKOK) gibi performansölçümlerine gore tartışılmıştır.

Özet (Çeviri)

Fraud is a significant source of lost revenue to the telecom industry.Efficient fraud detection systems and analysis system can save telecomoperators a lot of money. Automated fraud detection systems enableoperators to respond to fraud by detection, service denial andprosecutions against fraud.In this study, we examine the call detail records (CDR?s), demographicdata and payment data of mobile subscribers in order to develop modelsof normal and fraudulent behavior via data mining techniques. First wehave done some Exploratory Data Analysis (EDA) on the data set anddiscovered that some variables like Account length, Package type,Gender, Type, Total Charged Amount showed important tendency forfraudulent use and then we applied k-means cluster method to clusterthe customer, based on their call behaviors. Standard variables withranked attributes and variables obtained from factor analysis due tosome correlated variables were used as two different set of variables.Finally we performed the data mining techniques-Decision trees, Rulebased methods, and Neural Networks- for both training and test sets andthen discussed the collected results based on performance measures suchas accuracy, sensitivity, specificity, precision and RMSE.

Benzer Tezler

  1. Hücresel mobil iletişim sistemlerinde dolandırıcılık risk yönetimi

    Fraud risk management in mobile cellular communications systems

    ONUR TÜFEKÇİOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. BANU DİRİ

  2. Makine öğrenmesi teknikleriyle mobil ödemede sahtekarlık tespiti

    Fraud detection in mobile payment with machine learning methods

    ÖZLEM GÜVEN

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    EkonometriDokuz Eylül Üniversitesi

    Ekonometri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SERKAN ARAS

  3. Changepoint model for bayesian online fraud detection in call data

    Değişim noktası modeli kullanarak arama verisinde gerçek zamanlı, bayesçi telefon dolandırıcılığı tespiti

    HİLAL TÜYSÜZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Endüstri ve Endüstri MühendisliğiSabancı Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SİNAN YILDIRIM

  4. Makine öğrenmesi yöntemleri ile mobil para transferi sahteciliği tespiti ve önlenmesi

    Fraud detection and prevention in mobile money transfer based on machine learing methods

    MAYATA NDIAYE

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Üniversitesi

    Bilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı

    PROF. DR. CEMİL ÖZ

  5. Yüz tanıma sistemlerinde canlılık analizi

    Liveness detection in face recognition systems

    TUGAY BOZİK

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Elektrik ve Elektronik MühendisliğiYıldız Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ NİHAN KAHRAMAN