Deep learning-based and cost-aware fraud detection system using multi-modal profiling approach to detect fraud attempts in airline ticket sales
Havayolu bilet satış işlemleri için derin öğrenme tabanlı maliyet bilinçli ve çok modlu profilleme yaklaşımını benimseyen sahtekarlık tespit sistemi
- Tez No: 863745
- Danışmanlar: DOÇ. DR. MEHMET AMAÇ GÜVENSAN
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 152
Özet
Günümüzde ürün ve hizmet satışlarının gerçekleştiği çoğu dijital sistemde çalıntı kredi kartları ile teşebbüs edilen sahtekarlık vakaları hızla artmaktadır. Literatürde sahtekarlık tespit sistemlerinde en yaygın olarak kullanılan verisetleri bankacılık sektörüne ait olmasına rağmen, havacılık endüstrisi sahtekarlık vakalarından en çok etkilenen sektörlerden birisidir. Bu tez çalışmasında, öncelikle havacılık alanında modern makine öğrenmesi algoritmaları ile literatürde ilk defa bir ana hat oluşturulmuştur. Daha sonrasında birbiriyle bağlantısı olmayan işlemlerden oluşan işlemsel verisetlerinin yol açtığı bağıntısızlık probleminin önüne geçebilmek için derin öğrenmeye dayalı yeni, çok modlu bir profilleme mekanizması sunulmuştur. Çok modlu profilleme mekanizmasında kredi kartı profili, PNR(Passenger Name Record) profili ve kayıt profili olmak üzere fraud tespitine katkı sağlayabilecek üç farklı profil yer almaktadır. Oluşturulan bu yeni sistemde dengesiz veri seti probleminin ortadan kaldırılabilmesi için Dengeli Rastgele Aşağı Örnekleme (BRUS) algoritması geliştirilmiştir. Bu algoritma sayesinde çoğunluk kayıtlar arasında verisetinden dengeli şekilde seçim yapılabilen ve kayıt seçiminde duplikasyonun engellendiği bir mekanizma ortaya çıkarılmıştır. BRUS algoritmasının profilleme mekanizması ile birlikte kullanılmasıyla hem aşağı örnekleme yapılmış hem de profiller sayesinde seçilmeyen kayıtların bilgileri korunmuştur. Son olarak ise geliştirilen sistemin hem işlem sayısına hem de maliyete göre ölçüm yapabilmesi için maliyet tabanlı bir metrik sistemi ve bu metrikleri kullanan maliyet tabanlı bir ölçüm mekanizması geliştirilmiştir. Maliyet tabanlı bu ölçüm mekanizması sayesinde geliştirilen sahtekarlık tespit sisteminin hem finansal başarısı hem de müşteri memnuniyeti anlamındaki başarısı gözlemlenebilmektedir. Yeni oluşturulan profil tabanlı verisetinin, havacılık verilerine ilişkin iyi bilinen hiperparametreler ayarlanarak ince ayar yapılan derin bir sinir ağına beslenmesiyle önemli bir başarı elde edilmiştir.
Özet (Çeviri)
Today, in most systems where product and service sales occur digitally, cases of fraud attempts with stolen credit cards are rapidly becoming widespread. Although the datasets most commonly used in fraud detection systems in the literature belong to the banking sector, the aviation industry is one of the sectors most affected by fraud cases in terms of financial and customer satisfaction. In this thesis study, a fraud detection outline has been created for the first time in the literature with state-of-the-art machine learning algorithms in the aviation field. Later, in order to avoid the correlation problem caused by a transactional dataset consisting of unconnected transactions, a new, multi-modal profiling mechanism based on deep learning was presented. This multi-modal profiling mechanism includes three different profiles that can contribute to fraud detection: credit card profile, PNR (Passenger Name Record) profile, and record profile. The Balanced Random Undersampling (BRUS) algorithm was developed in this new system to eliminate the imbalanced dataset problem. Utilizing this algorithm, a mechanism that allows a temporally balanced selection among the majority class records from the dataset and prevents duplication in record selection has been revealed. As a result of using the BRUS algorithm together with the profiling mechanism, the information of the unselected records was preserved thanks to the profiled fields, despite undersampling. Finally, a cost-based metric system and a cost-based measurement mechanism have been suggested so that the developed system can measure both the number of transactions and the transaction cost. Due to this cost-based measurement mechanism, both the financial success and the success of the fraud detection system in terms of customer satisfaction can be observed. A significant success was achieved by feeding the newly created profile-based dataset into a fine-tuned deep neural network by adjusting well-known hyperparameters related to aviation data.
Benzer Tezler
- Ai-based visual odometry implementation on an embedded system
Yapay zeka tabanlı görsel odometrinin gömülü bir sistemde gerçeklemesi
OĞUZHAN BÜYÜKSOLAK
Yüksek Lisans
İngilizce
2023
Savunma ve Savunma Teknolojileriİstanbul Teknik ÜniversitesiSavunma Teknolojileri Ana Bilim Dalı
PROF. DR. ECE OLCAY GÜNEŞ
- Görüntü işlemede derin öğrenme tabanlı süper çözünürlük uygulamaları
Deep learning based super resolution applications in image processing
AHENK VURAL
Yüksek Lisans
Türkçe
2021
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. ENDER METE EKŞİOĞLU
- Deep learning-based visual object tracking using edge computing on embedded system
Gömülü sistem üzerinde sınır bilişim kullanarak derin öğrenme tabanlı görsel nesne izleme
MOHAMMAD FAHD HUSSEIN
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik MühendisliğiGaziantep ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SERKAN ÖZBAY
- Emotional awareness based adaptive social navigation for humanoid robots
İnsansı robotlar için duygusal farkındalığa dayalı uyarlanabilir sosyal navigasyon
BARIŞ BİLEN
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HATİCE KÖSE
- Query age of incorrect information in multi-user links
Çok kullanıcılı sistemlerde sorgu anı yanlış bilgi yaşı
MURATCAN AYIK
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ELİF UYSAL
DR. ÖĞR. ÜYESİ ELİF TUĞÇE CERAN ARSLAN