Maki̇ne öğrenmesi̇ i̇le havacılık sektöründeki̇ sui̇sti̇mal ve dolandırıcılık ri̇sk ürleri̇ne çözüm yaklaşımı

Abstract

Dolandırıcılık, sadakat dünyasında öne çıkan ve havayolu endüstrisinde yaygın olan bir sorundur. Sadakat yeleri, tıpkı diğer hesap üyelikleri gibi bilgilerinin güvende olmasını bekler. Bilgisayar dolandırıcıları sadakat programlarını hedeflemeyi tercih ederler çünkü puanlar, nakit para gibi kolaylıkla izlenemez bir para birimidir. Bilgisayar dolandırıcıları, sadakat puanı çaldıktan sonra satılması daha kolay olan hediye kartları veya otel konaklamaları gibi ürünleri satın almak için kullanabilir. Tüketici davranışlarına teknoloji vasıtasıyla yön verildiği ve dolandırıcıların kötü niyetli aksiyonlarının bu teknolojik güvene dayandığı bir dünyada, sadakat neticileri, makine öğrenimi ve yapay zeka gibi gelişmiş güvenlik içeren teknolojik gelişmişlikten faydalanarak üyelerini ve programlarını koruma araçları geliştirebilirler. Dolandırıcılık için fırsatların olduğu değişken bir ortamda, marka değeri ve itibarı genellikle bir kez zarar gördüklerinde geri döndürülemez bir hale gelebilir. Bu çalışmada X bir havayoluna ait sadakat yelerinin bilgileri kullanılarak bir veri madenciliği projesinin fazlarına göre proje akışlarını, çıktıları ve açıklamaları düzenlemeye yardımcı olan CRISP-DM proje aracına uygun bir metodolojide bir makine öğrenmesi modeli kurulmuştur. Makine öğrenimi çözümlerinin sadakat programlarındaki dolandırıcılık faaliyetlerini önleme ve tespit etme çalışmalarında avantaj sağlayabileceği için bu çalışma kapsamında havayolu sadakat programında sahte hesap tahmin etme problemi ele alınacaktır. Sınıflandırma yöntemi olarak Yapay Sinir Ağları modeli kullanılarak oluşturulan modelde 26 adet girdi değişkeni ile yaklaşık 3,6 milyon üyenin bilgileri kullanılmış ve test edilmiştir. Ve üyeler sahte ya da gerçek olarak sınıflandırılmıştır. Bu sayede sistemde sahte olarak belirtilmeyen üyeler için yüksek ihtimalle sahte olabileceği çıktısı üretilmiştir. Modelin kurulması için SPSS Modeler kullanılmıştır.Fraud is a featured and common problem in the loyalty world of the airline Industry. Loyalty program members expect their information to be secure, just like any other account membership. Hackers prefer to target loyalty programs because points are a currency that cannot be easily traced like cash. After stealing loyalty points, hackers can use it to buy items like gift cards or hotel stays that are easier to sell. In a world where consumer behavior is driven by technology and the malicious actions of fraudsters rely on this technological reliance, loyalty program managers can develop tools to protect their members and programs by leveraging technological advances that include advanced security such as machine learning and artificial intelligence. In a volatile environment with opportunities for fraud, brand value and reputation can often face with an irreversible damage. In this study, a machine learning model was established in a methodology suitable for the CRISP-DM project tool, which helps to organize project flows, outputs and explanations according to the phases of a data mining project by using the information of loyalty program members of an airline. Since machine learning solutions can provide advantages in preventing and detecting fraudulent activities in loyalty programs, the problem of predicting fake accounts in the airline loyalty program will be addressed in this study. In the model created by using the artificial neural network model as the classification method, 26 input variables and the information of approximately 3.6 million members were used and tested. And members are classified as fake or real. In this way, for the members who are not specified as fake in the system, it is likely to be fake. SPSS Modeler was used to set up the model.