Geri Dön

Kredi kartı sahteciliğinin yapay sinir ağları ile tespiti

Detection of credit card fraud with artificial neural networks

  1. Tez No: 860014
  2. Yazar: FERHAT YEŞİLYURT
  3. Danışmanlar: DOÇ. DR. HASAN TEMURTAŞ, DR. ÖĞR. ÜYESİ ÇİĞDEM BAKIR
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: Kütahya Dumlupınar Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 71

Özet

Günümüz İnternetle beraber dijital teknolojiler hayatımızın her anında sıklıkla kullanılmaktadır. Günlük yaşantımızda alışveriş gibi parasal olarak gerçekleştirdiğimiz birçok işlem şimdilerde dijital olarak yapılmaktadır. Dünyada gelişen dijitalleşme ile insanların hayatları kolaylaşmakta ve insanlar kısa sürede farklı ürünlere erişim sağlayabilmektedir. Özellikle de kişiler kredi kartıyla birlikte ceplerinde nakit para taşımadan hızlı ve kolay bir şekilde harcamalarını ve alışverişlerini gerçekleştirmektedir. Ancak kredi kartı kullanımının artmasıyla beraber birtakım güvenlik açıkları da oluşmaktadır. Dolandırıcılar kişilerin şifre gibi birtakım kredi kartı bilgilerini ele geçirerek haksız kazanç elde edebilirler. Kişilerin bilgisi olmadan izinsiz bir şekilde başkasının kredi kartıyla alışveriş yapabilirler. Yapılan bu işlemler kişileri ve kurumları büyük oranda maddi zarar uğratmaktadır. Gelişen teknolojiyle birlikte kredi kartı kullanımının artmasıyla bu gibi kredi kartı dolandırıcılığı da hızla artmaktadır. Adli olarak kredi kartı dolandırıcılığına karşı önlem almak kişilerin güvenliğini sağlamak amacıyla oldukça önemli bir konudur. Bu sebeple kredi kartı hizmeti sunan gerek bankalar gerekse finansal kurumların güvenliğini sağlamak için dolandırıcılıkla mücadele kapsamında kredi kartı sahteciliğinin önlenmesi ve kredi kartında oluşabilecek dolandırıcılığın tespit edilmesi gerekmektedir. Bizim çalışmamızda kredi kartı dolandırıcılık işlemlerini tespit etmek amacıyla Yapay Sinir Ağları (YSA) kullanılmıştır. YSA ile kredi kartı işlemlerinde sahtecilik tespitini belirleyen bir tahmin modeli geliştirilmiştir. Bu çalışmanın amacı kredi kartıyla yapılan anormal davranışları otomatik olarak tespit etmektir. Kaggle veritabanından elde edilen 284.807 işlemin kredi kartı veriseti kullanılarak YSA yöntemi ile modelleme yapılmıştır. Kullanılan 5000 bin adet veri setinin modellemedeki dağılımı %70 eğitim, %15 doğrulama, %15 test amaçlı kullanılmıştır. 3500 örnek eğitim, 750 örnek doğrulama ve kalan 750 adet örnek ise test verisi olarak değerlendirilmiştir. Veri ön işleme adımını MATLAB aracı ile minumum değerler 0 ve maksimum değerler 1 olacak şekilde normalize edilmiştir. Başarı ve performans oranı nöron sayısı, katman sayısı, eğitim fonksiyonu ve performans fonksiyonu gibi parametrik değerlere bağlı olarak değişmektedir. Bu çalışmada farklı katman, farklı nöron sayıları, farklı eğitim ve performans fonksiyonları kullanılarak optimum sonuç elde edilmeye çalışılmıştır. Beş katman olarak kullanılan önerilen modelde [28 20 15 10 2] nöron sayılarına göre %98.44 başarı elde edilmiştir. Kullanılan eğitim fonksiyonu“traincsg”olup performans fonksiyonu“crossentropy”olarak belirlenmiştir. Farklı bir analizde beş katman kullanılan modelde [28 20 15 10 2] nöron sayılarına göre %99.14 başarı elde edilmiştir. Bu analizde kullanılan eğitim fonsiyonu“trainbr”olup performans fonksiyonu ise“mse”(mean squalre error) olarak seçilmiştir.

Özet (Çeviri)

In Along with the Internet, digital technologies are frequently used in every moment of our lives. Many transactions that we carry out in monetary terms such as shopping in our daily life are now done digitally. With the developing digitalization in the world, people's lives become easier and people can access different products in a short time. In particular, people can spend and shop quickly and easily without carrying cash in their pockets with a credit card. However, with the increase in the use of credit cards, there are also some security vulnerabilities. Fraudsters can gain unfair advantage by obtaining certain credit card information such as passwords. They can shop with someone else's credit card without permission. These transactions cause substantial financial damage to individuals and institutions. With the increase in the use of credit cards with the developing technology, such credit card fraud is also increasing rapidly. Taking precautions against credit card fraud is a very important issue in order to ensure the safety of people. For this reason, in order to ensure the security of both banks and financial institutions that provide credit card services, it is necessary to prevent credit card fraud and to detect fraud that may occur in credit cards within the scope of combating fraud. In our study, Artificial Neural Networks (ANN) were used to detect credit card fraud transactions. A prediction model that detects fraud in credit card transactions has been developed with ANN. The purpose of this study is to automatically detect abnormal behavior with credit cards. Modeling was done ANN method using the credit card dataset of 284,807 transactions obtained from the Kaggle database. The distribution of 5000 thousand data sets used in modeling was used for 70% training, 15% validation and 15% testing purposes. 3500 samples were used as training data, 750 samples as validation data and the remaining 750 samples as test data. The data preprocessing step was normalized with the MATLAB tool so that the minimum values were 0 and the maximum values were 1. Success and performance rates vary depending on parametric values such as the number of neurons, number of layers, training function and performance function. In this study, it was tried to obtain optimum results by using different layers, different numbers of neurons, and different training and performance functions. In the proposed model used as five layers [28 20 15 10 2], 98.44% success was achieved according to the number of neurons. The training function used is“traincsg”and the performance function is determined as“crossentropy”. In a different analysis, 99.14% success was achieved according to the number of neurons in the model using five layers [28 20 15 10 2]. The training function used in this analysis was“trainbr”and the performance function was chosen as“mse (mean squalre error)”.

Benzer Tezler

  1. Kredi kartı sahteciliğinin optimizasyon algoritmaları ile tespiti

    Detection of credit card fraud using optimization algorithms

    RIDVAN ÇUBUKCUOĞULLARI

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKütahya Dumlupınar Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. HASAN TEMURTAŞ

    DR. ÖĞR. ÜYESİ ÇİĞDEM BAKIR

  2. Kredi kartı kullanımında sahtecilik tespit sistemleri

    Credit card fraud detection systems

    YAVUZ SELİM KERESTECİ

    Yüksek Lisans

    Türkçe

    Türkçe

    2008

    BankacılıkGebze Yüksek Teknoloji Enstitüsü

    Strateji Bilimi Ana Bilim Dalı

    YRD. DOÇ. DR. HÜSEYİN İNCE

  3. Kredi kartı sahteciliği

    Credit card fraud

    RAMAZAN KILIÇ

    Yüksek Lisans

    Türkçe

    Türkçe

    2010

    BankacılıkMarmara Üniversitesi

    Bankacılık Ana Bilim Dalı

    YRD. DOÇ. DR. BAŞAK TANINMIŞ YÜCEMEMİŞ

  4. Banka veya kredi kartlarının kötüye kullanılması suçu

    The crime of credit or debit card abuse

    AYÇA ERDOĞAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    HukukBahçeşehir Üniversitesi

    Kamu Hukuku Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MEHMET SİNAN ALTUNÇ

  5. Kredi kartı ve debit kart uygulamaları ve karlılık açısından değerlendirme

    Başlık çevirisi yok

    TİMUR MADENCİ

    Yüksek Lisans

    Türkçe

    Türkçe

    1996

    BankacılıkMarmara Üniversitesi

    Bankacılık Ana Bilim Dalı

    YRD. DOÇ. DR. MUSTAFA İME