Geri Dön

Kredi karti dolandiricilik tespitinde makine öğrenme algoritmalarinin karşilaştirmali analizi

Comparative analysis of machine learning algorithms for credit card fraud detection

  1. Tez No: 835659
  2. Yazar: KEMAL ÇİLBURUNOĞLU
  3. Danışmanlar: DR. ÖĞR. ÜYESİ ŞERİFE ESRA DİNÇER
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bankacılık, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Bilim ve Teknoloji, Banking, Computer Engineering and Computer Science and Control, Science and Technology
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: İstanbul Gedik Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Yapay Zeka Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Yapay Zeka Bilim Dalı
  13. Sayfa Sayısı: 84

Özet

Finansal sektörün hızla büyümesi ve dijital işlemlerin yaygınlaşması dolandırıcılık faaliyetlerinin artmasına yol açmış ve dolayısıyla dolandırıcılığı tespit etme yöntemlerinin geliştirilmesi gerekliliğini ortaya çıkarmıştır. Bu tez kredi kartı dolandırıcılığını tespit etmek için çeşitli makine öğrenimi ve derin öğrenme tekniklerinin etkinliğini incelemeyi amaçlamaktadır. Lojistik Regresyon, Destek Vektör Makineleri (SVM), Karar Ağaçları, Rastgele Orman ve Yapay Sinir Ağları (ANN) yöntemleri kullanılmıştır. Veri kümesi Worldline ve Brüksel Libre Üniversitesi (ULB) işbirliği ile toplanmıştır. 284,807 işlem içeren veri kümesinde dolandırıcılık işlemleri toplam işlemlerin %0.172'sine denk gelmektedir. Bu dengesizlik, veri kümesinin yapısını vurgulamaktadır. Lojistik Regresyon ve Destek Vektör Makineleri %95 doğruluk oranları elde etmiştir. Karar Ağaçları ve Rastgele Orman %98 ve %97 doğruluk oranları ile yüksek performans sergilemektedir. Yapay Sinir Ağları (ANN) %100 doğruluk oranı ile öne çıkmaktadır. Modellerin avantajları ve dezavantajları bulunmaktadır. Eğitim süresi, karmaşıklık, anlaşılabilirlik gibi faktörler göz önünde bulundurulmalıdır. Yanlış pozitif ve negatif oranlarının dengelemesi de modelin pratik kullanımını ve maliyetini etkileyebilmektedir. Sonuç olarak bu çalışma kredi kartı dolandırıcılığını tespit etmek için makine öğrenimi ve derin öğrenme modellerini incelemiş olup Karar Ağaçları ve Random Forest gibi modellerin yüksek doğruluk oranı ve dengeli sonuçlar elde etmesiyle literatüre yeni bir katkı sunmaktadır. Farklı algoritmaların farklı performanslar sergilediği gözlemlenmiş ve model seçiminin algoritmanın özelliklerine ve veri kümesine bağlı olarak yapılması gerektiği vurgulanmaktadır. Bu çalışma finansal kurumların maliyet tasarrufu sağlamasına ve güvenli alışveriş deneyimleri sunmasına katkı sağlayacaktır.

Özet (Çeviri)

As the financial sector continues to grow rapidly and digital transactions become more widespread, the need for effective fraud detection methods is paramount. This thesis aims to examine the effectiveness of various machine learning and deep learning techniques in detecting credit card fraud. Methods such as Logistic Regression, Support Vector Machines (SVM), Decision Trees, Random Forest, and Artificial Neural Networks (ANN) will be explored within this scope. The dataset has been collected through a collaboration between Worldline and Universite Libre de Bruxelles (ULB). Within the dataset containing 284,807 transactions, fraudulent transactions account for 0.172% of the total transactions, underscoring the dataset's inherent imbalance. Logistic Regression and SVM have yielded significant results with accuracy rates of 95%. Decision Trees and Random Forest have demonstrated high performance with accuracy rates of 98% and 97%, respectively. Notably, Artificial Neural Networks (ANN) emerged as the most effective method, achieving a perfect accuracy rate of 100%. Each model has its own advantages and disadvantages, with factors such as training time, complexity, interpretability needing consideration. Balancing the false positive and false negative rates can also impact the practical usage and cost of the model. In conclusion, this study has examined machine learning and deep learning models to detect credit card fraud, contributing a novel insight to the literature on the high accuracy and balanced outcomes of models such as Decision Trees and Random Forest in this context. Observations reveal different algorithms exhibit varying performances, underscoring the necessity of adapting the model selection to the algorithm's characteristics and the dataset. This research could contribute to cost savings for financial institutions and the provision of secure shopping experiences.

Benzer Tezler

  1. İklimlendirme sistemleri üzerinde makine öğrenmesi ile anomali tespiti

    Anomaly detection with machine learning on air conditioning systems

    REFİK KİBAR

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MUHAMMED FATİH ADAK

    DR. ÖĞR. ÜYESİ KEVSER OVAZ AKPINAR

  2. An improved bidirectional generative adversarial networks based approach for anomaly detection

    Anormallik tespitinde çift yönlü üretken çekişmeli ağlar yaklaşımının geliştirilmesi için bir yöntem

    MUHAMMET OĞUZ KAPLAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    Endüstri ve Endüstri MühendisliğiGalatasaray Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SADETTİN EMRE ALPTEKİN

  3. Kredi kartı sahte işlem tespiti

    Credit card fraud detection

    KAZIM SOYLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ŞAHİN EMRAH

  4. The impact of artificial intelligence on business processes: A case study approach

    Yapay zekanın iş süreçleri üzerindeki etkisi: Bir vaka çalışmasıyaklaşım

    USMAN MUSA IDRIS

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilim ve TeknolojiAltınbaş Üniversitesi

    Bilişim Teknolojileri Ana Bilim Dalı

    YRD. DOÇ. DR. İNCİLAY YİLDİZ

  5. Türk ceza hukukunda banka veya kredi kartlarının kötüye kullanılması suçu

    The misuse of debit or credit cards in Turkish criminal law

    EDA TAŞTEMÜR

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    HukukGalatasaray Üniversitesi

    Kamu Hukuku Ana Bilim Dalı

    DOÇ. DR. EMİNE EYLEM AKSOY RETORNAZ