Kredi kartı dolandırıcılık tespit sistemlerinde kullanılan makine öğrenmesi algoritmalarının karşılaştırılması
Comparing the machine learning algorithms which are used in credit card fraud detection systems
- Tez No: 997180
- Danışmanlar: DR. ÖĞR. ÜYESİ SEMRA AYDIN
- Tez Türü: Yüksek Lisans
- Konular: Savunma ve Savunma Teknolojileri, Defense and Defense Technologies
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Milli Savunma Üniversitesi
- Enstitü: Alparslan Savunma Bilimleri ve Milli Güvenlik Enstitüsü
- Ana Bilim Dalı: Savunma Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Siber Güvenlik Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Kredi kartları finansal dünyada önemli bir role sahip olan ödeme araçlarıdır. Kullanıcılarına alışveriş yapma, nakit çekme ve çevrimiçi ödemeler gibi bir dizi hizmet sunar. Kredi kartları, bir banka veya finansal kuruluş tarafından verilen bir kredi hattını temsil eder ve kullanıcılar belirli bir limit dâhilinde harcama yapabilirler. Ancak, kredi kartlarının geniş kullanımı dolandırıcılık riskini de artırır. Dolandırıcılar, kredi kartı bilgilerini ele geçirerek veya sahte işlemler yaparak çeşitli dolandırıcılık yöntemleri geliştirirler. Bu nedenle, kredi kartı güvenliği büyük önem taşır. Makine öğrenmesi algoritmaları, kredi kartı dolandırıcılığını tespit etmede ve önlemede etkili bir rol oynar. Bu algoritmalar, büyük veri setlerini analiz ederek alışılmadık desenleri ve şüpheli işlemleri tespit edebilirler. Ayrıca, zaman içinde öğrenerek ve gelişerek, yeni ve karmaşık dolandırıcılık yöntemlerini tanıyabilir ve bu yöntemlere karşı önlemler geliştirebilirler. Finansal kuruluşlar ve ödeme işlemcileri, kredi kartı dolandırıcılığını önlemek için makine öğrenmesi algoritmalarını aktif olarak kullanmaktadırlar. Bu çalışmada, Java dili kullanılarak Lojistik Regresyon, KNN, Rastgele Orman, Karar Ağacı, Naive Bayes, Destek Vektör Makineleri (SVM), LMT, RepTree, Karar Kütüğü, Gradient Boosting ve AdaBoost algoritmalarının kredi kartı dolandırıcılık tespitindeki performansları karşılaştırılmıştır. Yapılan analizler sonucunda Rastgele Orman, LMT ve RepTree algoritmalarının en yüksek doğruluk oranlarına ulaştığı tespit edilmiştir. Bu çalışma, finansal kuruluşların kredi kartı dolandırıcılığını önleme çabalarına katkıda bulunmayı ve daha güvenli bir finansal ortam yaratılmasına yardımcı olmayı amaçlamaktadır.
Özet (Çeviri)
Credit cards are payment instruments that play a significant role in the financial world. They offer users a range of services, such as making purchases, withdrawing cash, and conducting online payments. Credit cards represent a line of credit provided by a bank or financial institution, allowing users to spend within a certain limit. However, the widespread use of credit cards also increases the risk of fraud. Fraudsters develop various methods to commit fraud by obtaining credit card information or carrying out fraudulent transactions. Therefore, credit card security is of great importance. Machine learning algorithms play an effective role in detecting and preventing credit card fraud. These algorithms can analyze large datasets to identify unusual patterns and suspicious transactions. Additionally, by learning and evolving over time, they can recognize new and complex fraud methods and develop measures against them. Financial institutions and payment processors actively use machine learning algorithms to prevent credit card fraud. In this study, the performance of Logistic Regression, KNN, Random Forest, Decision Tree, Naive Bayes, Support Vector Machines (SVM), LMT, RepTree, Decision Stump, Gradient Boosting, and AdaBoost algorithms in detecting credit card fraud were compared using Java language. As a result of the analyses, it was determined that the Random Forest, LMT and RepTree algorithms achived the highest accuracy rates. This study aims to contribute to the efforts to financial institutions to prevent credit card fraud and to help create a more secure a more secure financial environment.
Benzer Tezler
- Makine öğrenmesi teknikleriyle mobil ödemede sahtekarlık tespiti
Fraud detection in mobile payment with machine learning methods
ÖZLEM GÜVEN
Yüksek Lisans
Türkçe
2021
EkonometriDokuz Eylül ÜniversitesiEkonometri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SERKAN ARAS
- Kural tabanlı şüpheli işlem önleme sistemlerinde kullanılmak üzere çizge veritabanı modeli önerisi
A graph database model proposal for use in rule based fraud transaction prevention systems
BAHADIR ESAD DEMİR
Yüksek Lisans
Türkçe
2024
BankacılıkSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ VEYSEL HARUN ŞAHİN
- Ön ödemeli İstanbulkart üzerinde usulsüz kullanım tespiti
Fraud detection on prapaid Istanbulkart
İDRİS BİLAL ARIKAN
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Üniversitesi-CerrahpaşaBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MUHAMMED ALİ AYDIN
- Kredi kartı dolandırıcılığının tespitinde yeniden örnekleme tekniklerinin kullanımı
Use of resampling techniques in credit card fraud detection
ALİ KEMAL AY
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEskişehir Osmangazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ESRA NERGİS YOLAÇAN
- Comparative study of federated learning for credit risk assessment and fairness evaluation
Federe öğrenmenin karşılaştırmalı çalışması: Kredi risk değerlendirmesi ve adalet ölçümü
MUSTAFA AKTAŞ
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
PROF. DR. BEHÇET UĞUR TÖREYİN
DR. RUŞEN HALEPMOLLASI