Kredi kartı sahteciliğinin optimizasyon algoritmaları ile tespiti
Detection of credit card fraud using optimization algorithms
- Tez No: 889279
- Danışmanlar: DOÇ. DR. HASAN TEMURTAŞ, DR. ÖĞR. ÜYESİ ÇİĞDEM BAKIR
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Kütahya Dumlupınar Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 101
Özet
Kredi kartı dolandırıcılığı günümüzde e-ticaret uygulamalarının yaygınlaşmasıyla birlikte çok sık karşılaşılan bir problemdir. Özellikle de COVID-19 döneminde insanlar evde karantina altında yaşarken gerek alışverişlerini gerekse tüm işlemlerini internet aracılığıyla yapmaktadır. İnsanların çoğu kredi kartıyla ya da mobil bankacılık uygulamasıyla alışveriş siteleri aracılığıyla işlemlerini hızlı ve pratik bir şekilde gerçekleştirmektedir. Ancak bu avantajların yanı sıra kredi kartı bilgilerinin çalınması, kredi kartının kopyalanarak başkalarına ait kredi kartlarının kullanılması sonucu yapılan işlemler hukuki ve ekonomik birtakım sorunlar teşkil etmektedir. Bu çalışmadaki amaç, yapılan bu hukuki olmayan kredi kartı dolandırıcılık işlemlerinin belirlenmesinde ve sınıflandırılmasında rastgele seçim yerine rulet ve turnuva seçimine dayalı genetik algoritma yöntemlerinin geliştirilmesidir. Çalışmada 28 öznitelik ve 284807 kredi kartı işleminden oluşan bir veri seti kullanılmıştır. Genetik algoritma ve yapay arı kolonisi kullanılarak kredi kartı işlemlerinde gerçekleştirilen sahtecilik işlemleri tahmin edilmiş ve sonuçlar rulet ile turnuva seçimine göre karşılaştırılmıştır. Rulet ve turnuva seçimine dayalı geliştirilen genetik algoritma, yapay arı kolonisi gibi optimizasyon yöntemleri lineer, ikinci dereceden ve üstel fonksiyonlarına göre ayrı ayrı analiz edilmiştir. Test verisi için lineer, ikinci dereceden ve üstel fonksiyon kullanılarak rulet seçimine dayalı genetik algoritma ile kredi kartı dolandırıcılığı olan işlemlerin belirlenmesi sırasıyla % 98.6, % 98.46 ve % 98.6 başarı gösterirken; turnuva seçimine dayalı genetik algoritma ile ise % 98.53, % 98.33 ve % 98.66 başarı gösterir. Ayrıca başarı sonuçları precision, recall ve F1-Score gibi farklı değerlendirme kriterleri ile hesaplanmış ve önerilen her bir metot için karmaşıklık matrisleri sunulmuştur.
Özet (Çeviri)
Credit card fraud is a very common problem today, with the spread of e-commerce applications. Especially during the COVID-19 period, people do their shopping and all their transactions via the Internet while living under quarantine at home. Most people carry out their transactions quickly and practically through shopping sites using credit cards or mobile banking applications. However, in addition to these advantages, transactions made as a result of stealing credit card information, copying the credit card and using credit cards belonging to others pose some legal and economic problems. The aim of this study is to develop genetic algorithm methods based on roulette and tournament selection instead of random selection in identifying and classifying these illegal credit card fraud transactions. A data set consisting of 28 attributes and 284807 credit card transactions was used in the study. Fraud in credit card transactions was predicted using genetic algorithm and artificial bee colony and the results were compared according to roulette and tournament selection. Optimization methods such as genetic algorithm and artificial bee colony developed based on roulette and tournament selection were analyzed separately according to linear, quadratic and exponential functions. Using the linear quadratic and exponential functions for the test data, the genetic algorithm based on roulette selection showed success rates of 98.6%, 98.46% and 98.6% in identifying credit card fraudulent transactions, respectively; With the genetic algorithm based on tournament selection, it shows 98.53%, 98.33% and 98.66% success. In addition, success results were calculated with different evaluation criteria such as precision, recall and F1-Score, and complexity matrices were presented for each proposed method.
Benzer Tezler
- Kredi kartı sahteciliğinin yapay sinir ağları ile tespiti
Detection of credit card fraud with artificial neural networks
FERHAT YEŞİLYURT
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKütahya Dumlupınar ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HASAN TEMURTAŞ
DR. ÖĞR. ÜYESİ ÇİĞDEM BAKIR
- Kredi kartı kullanımında sahtecilik tespit sistemleri
Credit card fraud detection systems
YAVUZ SELİM KERESTECİ
Yüksek Lisans
Türkçe
2008
BankacılıkGebze Yüksek Teknoloji EnstitüsüStrateji Bilimi Ana Bilim Dalı
YRD. DOÇ. DR. HÜSEYİN İNCE
- Kredi kartı sahteciliği
Credit card fraud
RAMAZAN KILIÇ
Yüksek Lisans
Türkçe
2010
BankacılıkMarmara ÜniversitesiBankacılık Ana Bilim Dalı
YRD. DOÇ. DR. BAŞAK TANINMIŞ YÜCEMEMİŞ
- Banka veya kredi kartlarının kötüye kullanılması suçu
The crime of credit or debit card abuse
AYÇA ERDOĞAN
Yüksek Lisans
Türkçe
2022
HukukBahçeşehir ÜniversitesiKamu Hukuku Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET SİNAN ALTUNÇ
- Kredi kartı ve debit kart uygulamaları ve karlılık açısından değerlendirme
Başlık çevirisi yok
TİMUR MADENCİ
Yüksek Lisans
Türkçe
1996
BankacılıkMarmara ÜniversitesiBankacılık Ana Bilim Dalı
YRD. DOÇ. DR. MUSTAFA İME