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: Yapay zeka ve makine öğrenmesi dersi, Artificial intelligence and machine learning course
- 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: Belirtilmemiş.
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 for big data in financial fraud detection
Finansal dolandırıcılık tespitinde büyük veriler için makine öğrenimi
ABUBAKAR AKINTOMIWA NUREINI
Yüksek Lisans
İngilizce
2026
Yönetim Bilişim SistemleriBahçeşehir ÜniversitesiBüyük Veri Analitiği ve Yönetimi Ana Bilim Dalı
PROF. DR. MUSTAFA ÖZBAYRAK
- Menkul kıymet yatırımları açısından sermaye piyasası kanununa göre yayınlanan finansal tablo ve raporların yeterliliği
Başlık çevirisi yok
HAMDİ AYDIN
- Çekirdeksiz kuru üzümde uygulanan politikanın Ege Bölgesinde üretim ve üretici açısından sonuçlarının değerlendirilmesi
Başlık çevirisi yok
GÜVEN ÖZERİN
