Denetimsiz öğrenme ile kredi kartı kopyalama noktalarının tespit edilmesi
Point of compromise detection with unsupervised learning
- Tez No: 636579
- Danışmanlar: DOÇ. DR. MİNE ELİF KARSLIGİL YAVUZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 81
Özet
Kredi kartı kullanımının yaygınlaşması ile birlikte, kredi kartı sahteciliği de zamanla artış göstermiştir. Kart dolandırıcıları, kart bilgilerini ele geçirmek için çeşitli yöntemler geliştirmektedir. Bu yöntemlerden birisi de, kullanıcılara ait kredi kartlarının, dolandırıcılar tarafından ATM'lerde ve POS cihazlarında oluşturulan düzeneklerle kopyalanarak kullanılmasıdır. Bu çalışmada, sahtekarlığa karıştığı tespit edilmiş kredi kartlarının kopyalandıkları iş yerlerini tespit etmeye yönelik bir yöntem önerilmiştir. Bunun için önce kredi kartı sahtekarlıklarında kopyalama vakaları incelenerek kart kopyalama problemi incelenmiştir. Daha sonra kart bilgilerinin suçlular tarafından ele geçirildği kart kopyalama noktalarını tespit edilmesini sağlayarak, kart kopyalama kaynaklı kredi kartı sahtekarlıklarını azaltmayı amaçlayan yeni bir yöntem önerilmiştir. Önerilen yöntem, kopyalanma sonucunda gerçekleşen benzer sahte işlemlerin kümeleme yöntemi ile gruplanması ve oluşturulan gruplardaki ortak özelliklere sahip kredi kartlarının geçmiş işlemlerinin incelenerek kopyalandıkları olası iş yerlerinin tespit edilmesini hedeflemektedir. Çalışmada 2016-2018 yılları arasında gerçekleşen ve sahte olduğu beyan edilmiş gerçek işlemler ve bankalar tarafından kopyalama merkezi olduğu tespit edilmiş iş yerlerine ait veriler kullanılmıştır. Önce veri kümesi üzerinde ön işlemler gerçekleştirilmiştir. Daha sonra karakteristik özelliklerin elde edilebilmesi için farklı özellik çıkarma yöntemleri ile testler yapılmış ve Özkodlayıcı (AutoEncoder) yöntemi ile özellik çıkarma işlemi gerçekleştirilmiştir. Sahte işlemler benzerliklerine göre K-ortalama kümeleme yöntemiyle gruplanmıştır. Kümeleme sonucunda oluşan her bir küme için, kredi kartlarının geçmiş işlemleri analiz edilmiştir. Analiz aşamasında kredi kartlarının geçmişte kullanıldıkları iş yerleri, iş yerlerinde ortak kullanılan kart sayısına ve iş yeri skorlarına göre derecelendirilerek bu iş yerlerinden kopyalama merkezi adayları seçilmiştir. Yöntemin başarısı bir banka tarafından sağlanan, gerçek kart kopyalama noktaları ile değerlendirilmiştir.
Özet (Çeviri)
With the widespread use of credit cards, credit card fraud has also increased over time. Credit card fraudsters develop various methods to capture card information. One of these methods is to use the credit cards of the users by copying them with the mechanisms created by the fraudsters in ATMs and POS devices. In this study, a method is proposed to identify the merchants where credit cards, which are found to be involved in fraud, are copied. For this; initially, copying cases in credit card frauds were examined and the problem of card copying was examined. Then, a new method is proposed, which aims to reduce credit card frauds, by identifying merchants where the card copying operation took place and card information has been captured by criminals. The proposed method aims to group similar transactions that are reported as card copy frauds with the clustering method and to identify possible merchants that are involved in this scheme by finding matching merchants in the created groups with the examination of previous transactions of the credit cards. In the study, real transactions that have been reported as fraudulent between 2016-2018 and the data of the merchants marked as copying centers by banks were used. Research began with acquisition and preprocessing of the data. Later, in order to obtain the characteristic properties, tests were performed with the usage of different feature extraction methods and feature extraction has decided to be carried out by AutoEncoder method. Fraudulent transactions then, are grouped by K-mean clustering method according to their similarities. For each cluster formed as a result of clustering, the past transactions of credit cards has been analyzed. In the analysis stage, the merchants where credit cards were used in the past were graded in accordance with the number of fradulent common cards used in the merchants. From this merchants scores, candidates for copy centers has been selected. The accuracy of the method has been evaluated with real card copy points provided by a bank.
Benzer Tezler
- Credit card fraud detection with autoencoders, one-class SVMs and isolation forests
Otokodlayıcılar, tek sınıflı destek vektör makineleri ve izolasyon ormanları ile kredi kartı dolandırıcılığı tespiti
ÖZDEMİR ÖZKUM
Yüksek Lisans
İngilizce
2023
İstatistikOrta Doğu Teknik Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. ÖZLEM İLK DAĞ
- Anomaly detection using machine learning techniques: A comparative study on first payment default prediction in retail loans
Yapay öğrenme yöntemleriyle anomali saptanması: Bireysel kredilerde ilk ödemede batma tahmini üzerine karşılaştırmalı bir çalışma
AHMET TALHA YİĞİT
Yüksek Lisans
İngilizce
2022
Bankacılıkİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ALP ÜSTÜNDAĞ
- 6502 sayılı Tüketicinin Korunması Hakkında Kanun kapsamında haksız şartlar
Unfair terms with in scope of code numbered 6502 on Protection of Consumers
ZEYNEP KARATAŞ
- Fake news classification using machine learning and deep learning approaches
Makine öğrenimi ve derin öğrenme yaklaşımlarını kullanarak sahte haber sınıflandırması
SAJA ABDULHALEEM MAHMOOD AL-OBAIDI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TUBA ÇAĞLIKANTAR
- Temerrüt halinde kayıp tahminlemesi için denetimli ve denetimsiz öğrenme yöntemlerinin birlikte kullanılması
Co-use of supervised and unsupervised learning methods to predict loss given default
SALİH SERTBAŞ
Yüksek Lisans
Türkçe
2021
İstatistikMimar Sinan Güzel Sanatlar Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. SEMRA ERPOLAT TAŞABAT