Makine öğrenmesi teknikleriyle mobil ödemede sahtekarlık tespiti
Fraud detection in mobile payment with machine learning methods
- Tez No: 665885
- Danışmanlar: DR. ÖĞR. ÜYESİ SERKAN ARAS
- Tez Türü: Yüksek Lisans
- Konular: Ekonometri, Econometrics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: Ekonometri Ana Bilim Dalı
- Bilim Dalı: Ekonometri Bilim Dalı
- Sayfa Sayısı: 142
Özet
Mobil çağın gelişmesi ile birlikte ödeme dünyası mobil cihazlarda hayat bulmuştur. Gelişen teknolojide mobil ödeme hemen hemen her sektörde olduğu gibi toplu taşıma sektöründe de sıklıkla tercih edilmektedir. Mobil biletleme sistemi toplu taşıma yolcularına zaman, maliyet, kullanım kolaylığı açısından birçok fayda sağlamaktadır. Mobil ödemenin diğer ödeme türlerine göre daha çok tercih edilmesi, birçok güvenlik ve gizlilik kaygısını da beraberinde getirmiştir. Toplu taşıma gibi çok kullanıcılı ve aktif kullanılan sistemlerde, mobil uygulamayı çalıntı kredi kartı veya çalıntı hesaplarla kullanmaya çalışan ve kullanım amacı dışına çıkarak sistem zafiyetlerini arayan riskli kullanıcıların bulunması kaçınılmazdır. Söz konusu sahtekar kullanıcıların belirlenebilmesi hem uygulama sahibinin itibarı ve karlılığı hem de müşteri memnuniyeti ve devamlılığı açısından hayati önem taşır. Bu çalışmanın amacı, ulaşım sektöründe faaliyet gösteren bir şirketin sisteminde var olan sahtekar kullanıcıların tespit edilmesidir. Çalışma akıllı ulaşım sistemlerinde öncü bir firmanın gerçek bir sistemi üzerinde gerçekleştirilmiştir. ABD 'de yer alan Kentkart mobil uygulamasını kullanan kullanıcılar ve kullanıcıların geçmiş hareketleri temel alınarak çalışma yürütülmüştür. Sahteci kullanıcıları belirleyebilmek için bağlam duyarlı yaklaşım ile kullanıcı hareketleri belirlenmiş, sistemde risk analizi yapılmış ve ardından makine öğrenmesi teknikleri kullanılarak kullanıcıların hareketlerine göre kara liste ve beyaz liste şeklinde kullanıcı sınıflandırmaları sağlanmıştır. Çalışmada sınıflandırma problemlerinde sıklıkla kullanılan yöntemlerden olan Rassal Orman, Destek Vektör Makineleri, Lojistik Regresyon, K-En Yakın Komşu ve Naif Bayes makine öğrenme teknikleri tercih edilmiştir. Mobil uygulama kullanıcıları üzerinde elde edilen sonuçlar basit topluluk öğrenme yöntemleriyle birleştirilmiştir. Uygulamada topluluk öğrenme tekniklerinden Yumuşak Oylama ve Basit Çoğunluk Oylama yöntemleri kullanılmıştır. En yüksek performanslı çalışan sistemin belirlenebilmesi için beş farklı senaryo hazırlanmış ve tüm senaryolarda topluluk öğrenme yöntemlerinin, sınıflandırma algoritmalarından daha başarılı sonuçlar elde ettiği görülmüştür. Bu çalışma ile toplu taşıma firmasının müşterileri arasında sahtekar kullanıcıları kara listeye otomatik olarak alan bir sistem tasarlanmış, bu kullanıcıların firmada sebep oldukları sahtekarlık maliyetleri önlenmiştir.
Özet (Çeviri)
With the deandlopment of the mobile age, the world of payment has come to life on mobile devices. In the deandloping technology, mobile payment is frequently preferred in the public transportation sector as in almost eandry sector. Mobile ticketing system provides many benefits to public transport passengers in terms of time, cost and ease of use. The preference of mobile payments oandr other payment types has brought many security and privacy concerns. In multi-user and actiandly used systems such as public transportation, it is inevitable to find risky users who try to use the mobile application with stolen credit cards or stolen accounts and seek system vulnerabilities by going beyond the intended use. Identifying the fraudulent users in question is vital for both the reputation and profitability of the application owner, as well as customer satisfaction and continuity. The purpose of this study is to identify fraudulent users in the system of a company operating in the transportation industry. The study was carried out on a real system of a leading company in smart transportation systems. The study was conducted based on the past moandments of users and users using the Kentkart mobile application in the USA. In order to identify fraudulent users, user actions were determined with a context awareness approach, risk analysis was performed in the system, and then user classifications in the form of a black list and a white list were provided using machine learning techniques. In the study, Random Forest, Support Andctor Machines, Logistic Regression, K-Nearest Neighbor and Naiand Bayesian machine learning techniques, which are among the methods frequently used in classification problems, were preferred. The results obtained on mobile application users are combined with ensemble learning methods. Soft Voting and Simple Majority (Hard) Voting methods were used in the practice. In order to determine the highest performing system, fiand different scenarios were prepared and it was obserandd that the ensemble learning methods achieandd more successful results than the classification algorithms in all scenarios. With this study, a system that automatically blacklists fraudulent users among the customers of the public transportation company was designed, and fraud costs caused by these users in the company were prevented.
Benzer Tezler
- Kullanıcıların mobil uygulama güvenlik farkındalıklarının makine öğrenmesi teknikleriyle incelenmesi
Investigation of users' mobile application security awareness using machine learning techniques
ESMA ERDOĞAN
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHitit ÜniversitesiAdli Bilimler Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUSTAFA COŞAR
- Konteyner liman operasyonlarının makine öğrenmesi yöntemleri ile analizi
Analysis of container port operations using machine learning methods
ÜSTÜN ATAK
Doktora
Türkçe
2022
Deniz Bilimleriİstanbul Teknik ÜniversitesiDeniz Ulaştırma Mühendisliği Ana Bilim Dalı
PROF. DR. YASİN ARSLANOĞLU
PROF. DR. TOLGA KAYA
- Machine learning techniques for surface electromyography based hand gesture recognition
Yüzey elektromiyografi temelli el jesti tanıma için makine öğrenmesi teknikleri
ENGİN KAYA
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
DOÇ. DR. TUFAN KUMBASAR
- Ebeveynlerin dijital ebeveynlik yeterliliklerine yönelik mobil bir öneri sistemi geliştirilmesi ve değerlendirilmesi
Development and evaluation of a mobile recommendation system for parents' digital parenting competences
YILDIZ ÖZAYDIN AYDOĞDU
Doktora
Türkçe
2023
Eğitim ve ÖğretimGazi ÜniversitesiBilgisayar ve Öğretim Teknolojileri Eğitimi Ana Bilim Dalı
PROF. DR. SİBEL SOMYÜREK
- Veri madenciliği teknikleri ile bulut bilişim tabanlı giyilebilir hareket tanı sistemi oluşturulması
Creating cloud computing based wearable motion diagnostic system with data mining techniques
ERHAN KAVUNCUOĞLU
Doktora
Türkçe
2022
Mühendislik BilimleriErciyes ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DOÇ. DR. ESMA UZUNHİSARCIKLI
DOÇ. DR. AHMET TURAN ÖZDEMİR