Makine öğrenmesi ile havacılık sektöründeki suistimal ve dolandırıcılık risk türlerine çözüm yaklaşımı
Solution approach to misuse and fraud risk types in the aviation industry using machine learning
- Tez No: 837181
- Danışmanlar: PROF. DR. SAİT ERDAL DİNÇER
- Tez Türü: Doktora
- Konular: Ekonometri, Econometrics
- Anahtar Kelimeler: Dolandırıcılık Tespiti, Tahmin, Sadakat Programı, Veri Madenciliği, Makine Öğrenmesi, Fraud Detection, Prediction, Loyalty Program, Data Mining, Machine Learning
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Marmara Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: Yöneylem Araştırması Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 175
Özet
Dolandırıcılık, sadakat dünyasında öne çıkan ve havayolu endüstrisinde yaygın olan bir sorundur. Sadakat programı üyeleri, tıpkı diğer hesap üyelikleri gibi bilgilerinin güvende olmasını bekler. Bilgisayar dolandırıcıları sadakat programlarını hedeflemeyi tercih ederler çünkü puanlar, nakit para gibi kolaylıkla izlenemez bir para birimidir. Bilgisayar dolandırıcıları, sadakat puanı çaldıktan sonra satılması daha kolay olan hediye kartları veya otel konaklamaları gibi ürünleri satın almak için kullanabilir. Tüketici davranışlarına teknoloji vasıtasıyla yön verildiği ve dolandırıcıların kötü niyetli aksiyonlarının bu teknolojik güvene dayandığı bir dünyada, sadakat programı yöneticileri, makine öğrenimi ve yapay zeka gibi gelişmiş güvenlik içeren teknolojik gelişmişlikten faydalanarak üyelerini ve programlarını koruma araçları geliştirebilirler. Dolandırıcılık için fırsatların olduğu değişken bir ortamda, marka değeri ve itibarı genellikle bir kez zarar gördüklerinde geri döndürülemez bir hale gelebilir. Bu çalışmada X bir havayoluna ait sadakat programı üyelerinin bilgileri kullanılarak bir veri madenciliği projesinin fazlarına göre proje akışlarını, çıktıları ve açıklamaları düzenlemeye yardımcı olan CRISP-DM proje aracına uygun bir metodolojide bir makine öğrenmesi modeli kurulmuştur. Makine öğrenimi çözümlerinin sadakat programlarındaki dolandırıcılık faaliyetlerini önleme ve tespit etme çalışmalarında avantaj sağlayabileceği için bu çalışma kapsamında havayolu sadakat programında sahte hesap tahmin etme problemi ele alınacaktır. Sınıflandırma yöntemi olarak Yapay Sinir Ağları modeli kullanılarak oluşturulan modelde 26 adet girdi değişkeni ile yaklaşık 3,6 milyon üyenin bilgileri kullanılmış ve test edilmiştir. Ve üyeler sahte ya da gerçek olarak sınıflandırılmıştır. Bu sayede sistemde sahte olarak belirtilmeyen üyeler için yüksek ihtimalle sahte olabileceği çıktısı üretilmiştir. Modelin kurulması için SPSS Modeler kullanılmıştır.
Özet (Çeviri)
Fraud is a featured and common problem in the loyalty world of the airline Industry. Loyalty program members expect their information to be secure, just like any other account membership. Hackers prefer to target loyalty programs because points are a currency that cannot be easily traced like cash. After stealing loyalty points, hackers can use it to buy items like gift cards or hotel stays that are easier to sell. In a world where consumer behavior is driven by technology and the malicious actions of fraudsters rely on this technological reliance, loyalty program managers can develop tools to protect their members and programs by leveraging technological advances that include advanced security such as machine learning and artificial intelligence. In a volatile environment with opportunities for fraud, brand value and reputation can often face with an irreversible damage. In this study, a machine learning model was established in a methodology suitable for the CRISP-DM project tool, which helps to organize project flows, outputs and explanations according to the phases of a data mining project by using the information of loyalty program members of an airline. Since machine learning solutions can provide advantages in preventing and detecting fraudulent activities in loyalty programs, the problem of predicting fake accounts in the airline loyalty program will be addressed in this study. In the model created by using the artificial neural network model as the classification method, 26 input variables and the information of approximately 3.6 million members were used and tested. And members are classified as fake or real. In this way, for the members who are not specified as fake in the system, it is likely to be fake. SPSS Modeler was used to set up the model.
Benzer Tezler
- Zamanında performansı artırmak için makine öğrenme yaklaşımı ile blok süre tahmini
Enhancing on-time performance through machine learning approach for predicting block time
SEDA SOYKAN
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SEFER BADAY
- Origin and destination based demand of continuous pricing for airline revenue management
Havayolu gelir yönetimi için sürekli fiyatlandırma yapısında başlangıç ve varış yerine dayalı talep tahmini
MEHMET MELİH DEĞİRMENCİ
- Havacılık sektöründe istatistiksel proses kontrol: Uçak bakım süreçlerinin iyileştirilmesine yönelik bir uygulama
Statistical process control in the aviation sector: An implementation to improve aircraft maintenance processes
HAMİT HAMİDETTİN KUMURKAN
Yüksek Lisans
Türkçe
2021
Mühendislik Bilimleriİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
DOÇ. DR. NİHAN YILDIRIM
- Havacılık sektöründe makine öğrenmesi ile aviyonik ekipmanların öngörücü bakım planlaması
Predictive maintenance planning of avionic equipment with machine learning in aerospace industry
ŞEYMA ŞENER DEĞİRMENCİ
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiAviyonik Mühendisliği Ana Bilim Dalı
DOÇ. DR. SADİYE NERGİS TURAL POLAT
- Havacılık sektöründe uçuş gecikmelerinin makine öğrenmesi temelli analizi ve tahmini
Machine learning based analysis and prediction of flight delays in aviation industry
IRMAK DALDIR
