Financial fraud detection using explainable artificial intelligence
Açıklanabilir yapay zeka ile finansal dolandırıcılık tespiti
- Tez No: 933019
- Danışmanlar: DOÇ. AYSUN BOZANTA HAKYEMEZ
- Tez Türü: Yüksek Lisans
- Konular: Bilim ve Teknoloji, Yönetim Bilişim Sistemleri, Science and Technology, Management Information Systems
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: Yönetim Bilişim Sistemleri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 173
Özet
Finans sektöründe artan işlem hacmi nedeniyle dolandırıcılık faaliyetleri riski artarak ciddi finansal ve itibar kayıplarına yol açmaktadır. Bu nedenle finansal dolandırıcılık tespiti kritik bir önem arz etmektedir. Bu tez, dolandırıcılık tespit sistemlerinin doğruluk, verimlilik ve ölçeklenebilirliğini artırmayı amaçlayan gelişmiş makine öğrenimi ve derin öğrenme modellerini değerlendirerek bu konuyu ele almayı hedeflemektedir. Çalışmada hem denetimli hem de denetimsiz öğrenme tekniklerini kapsayan 14 makine ve derin öğrenme modeli, dört örnekleme tekniği (dengesiz veri, rastgele azınlık örnekleme, SMOTE ve rastgele azınlık örnekleme ile çoğunluk oylaması) üzerinden özel ve kamuya açık bir veri setinde değerlendirilmiştir. Her bir modelin etkinliği karşılaştırılmış ve analiz edilmiş, dolandırıcılık tespiti görevlerine uygunlukları vurgulanmıştır. Çalışma ayrıca, dolandırıcılık tespitine katkıda bulunan en etkili özellikleri ortaya çıkarmak için SHAP, LIME, DeepLIFT gibi açıklanabilirlik tekniklerini kullanmaktadır. Sonuçlar, değerlendirilen modellerden makine öğrenimi modelleri arasında Random Forests, derin öğrenme modelleri arasında ise TabTransformers modelinin en iyi sonucu verdiğini göstermiştir. Bu araştırma, makine öğrenimi ve derin öğrenme modellerinin kapsamlı bir değerlendirmesini sunarak, veri örnekleme, özellik mühendisliği ve model açıklanabilirliğini iyileştirme konularında optimal stratejileri belirlemek suretiyle, finans sektörünün dolandırıcılıkla mücadele çabalarına katkıda bulunmaktadır.
Özet (Çeviri)
Fraud detection is a critical challenge in the financial industry, as the growing volume of transactions increases the risk of fraudulent activities, leading to significant financial and reputational harm. This thesis aims to address this challenge by evaluating advanced machine learning and deep learning models designed to enhance the accuracy, efficiency, and scalability of fraud detection systems, ultimately contributing to more secure financial operations. The study evaluates 14 machine and deep learning models encompassing both supervised and unsupervised learning techniques across four sampling techniques: imbalanced data, random undersampling, SMOTE, and majority voting with random undersampling on a private and a public dataset. Each model's effectiveness is compared and analyzed, highlighting their suitability for fraud detection tasks. The study also integrates explainability techniques to uncover the most influential features contributing to fraud detection by using feature importance, SHAP, LIME and DeepLIFT. The results demonstrate the efficacy of the evaluated models in detecting fraudulent activities, with Random Forests achieving the best performance among machine learning models and TabTransformers leading among deep learning models. This research contributes to the financial industry's efforts in combating fraud by presenting a comprehensive evaluation of machine learning and deep learning models, identifying optimal strategies for data sampling, feature engineering, and enhancing model interpretability to support informed decision-making.
Benzer Tezler
- Machine learning based for insurance claims fraud detection technique for safeguarding the health industry
Sağlık sektörünü koruma amaçlı makine eğitimi tabanlı sigorta talep dolandırıcılığı tespit tekniği
GHİNA ÖZDEMİR
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. RAFET AKDENİZ
- Fraud detection using deep neural networks
Derin sinir ağları ile dolandırıcılık tespiti
FAİK ÖZCAN
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGebze Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YAKUP GENÇ
- Credit card fraud detection using machine learning methodology
Makina öğrenme metodoloji̇si̇ kullanilan kredi̇ karti meyve algilama
HAMZAH ALI SHUKUR AL MARSOOMI
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiBilişim Teknolojileri Ana Bilim Dalı
Prof. Dr. SEFER KURNAZ
- Sigorta sektöründe kasko sigortası için makine öğrenmesi kullanılarak sahte hasarların tahmini
Fraud detection using machine learning for automobile insurance in insurance sector
ENGİN ÇALIMFİDAN
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiSosyal Bilimler Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖZGÜR ERKUT ŞAHİN
- Derin öğrenme modelleri kullanarak kredi kartı dolandırıcılık tespiti için karar destek sistemi gerçekleştirimi
Implementation of decision support system for credit card fraud detection using deep learning models
PEYMAN BAGHDADI
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA SERDAR KORUKOĞLU