Publication: Özet etmen tabanlı dolandırıcı tespit sisteminin geliştirilmesi
Abstract
Özet etmen tabanlı dolandırıcı tespit sisteminin geliştirilmesi Gelişen teknoloji ve dijitalleşme, bankacılıkta kredi kartı dolandırıcılığı başta olmak üzere birçok sahtekarlık kavramlarını da beraberinde getirmektedir. Bankaların karşılaştıkları dolandırıcılık girişimlerinin gerçekleşmesi durumunda maddi zarar ve güven kaybı gibi olumsuz durumlar oluşmaktadır. Bankaların karşılaştıkları dolandırıcılık girişimlerini tespit etmeleri ve modelleyebilmeleri oldukça zordur. Kredi kartı dünyasında, tüm hareketlerin 1%’lik kısmını bile oluşturamayan dolandırıcılık işlemlerinin tespiti, analizi ve modellemesi olağan dengeli veri seti çalışmalarına göre zordur. Gelişmiş analiz ve modelleme teknikleri ile veri seti üzerinde ön işlemler yapılarak kredi kartı dolandırıcılık sorunları giderilmeye çalışılmaktadır. Bu çalışmada, kredi kartı fraud tespit modeli için dengeli olmayan veri setinin dengeli hale getirilmesi, önemli özelliklerin belirlenmesi, veri üzerinde otonom ajanların eklenmesi ve otonom ajanlardan elde edilen bilgilerin sınıflandırılması aşamaları gerçekleştirilmiştir. Diğer bir deyişle; bu çalışmada, kredi kartı fraud tespit modeli için çok yönlü etmen tabanlı karar modeli geliştirilmiştir. Çalışmada dengesiz öğrenme, özellik seçim ve etmen tabanlı öğrenme modeli geliştirme alanlarından faydalanılmıştır. Geliştirilen etmen tabanlı modelin performansı ile iyi bilinen denetimli öğrenme metotlarının performansları karşılaştırılmıştır. Sonuçlar incelendiğinde, geliştirilen etmen tabanlı modelin denetimli öğrenme modellerine göre daha iyi performans gösterdiği görülmüştür. Model karşılaştırmasında yaygın model performans metrikleri yanı sıra aksiyon planlarının geliştirilmesinde kullanılan çağdaş yaklaşımlar da kullanılmıştır.
Developing agent-based fraud detection system Developing technology and digitalization bring with it many fraud concepts, especially credit card fraud in banking. In case of fraud attempts encountered by banks, negative situations occur such as financial damage and loss of trust. It is very difficult for banks to detect and model the fraud attempts they encounter. Detection, analysis and modelling of fraudulent transactions, which do not even constitute 1% of all transactions, are difficult compared to common balanced data set studies in the banking world. Dataset problems of credit card fraud are tried to be eliminated by performing preliminary operations on the raw dataset with advanced analysis and modelling techniques. In this study, the stages of balancing the imbalanced dataset for the credit card fraud detection model, determining important features, adding autonomous agents to the data and classifying the information obtained from autonomous agents were carried out. In this study, a multi-faceted agent-based decision model was developed for the credit card fraud detection model. In the study, the fields of imbalanced learning, feature selection and agent-based learning model development were used. In this study, the performance of the agent-based fraud detection model was compared with the performances of well-known supervised learning methods. When the results were examined, it was seen that the developed agent-based model performed better than supervised learning models. In the model comparison, not only common model performance metrics were used, but also contemporary approaches used in developing action plans.
Developing agent-based fraud detection system Developing technology and digitalization bring with it many fraud concepts, especially credit card fraud in banking. In case of fraud attempts encountered by banks, negative situations occur such as financial damage and loss of trust. It is very difficult for banks to detect and model the fraud attempts they encounter. Detection, analysis and modelling of fraudulent transactions, which do not even constitute 1% of all transactions, are difficult compared to common balanced data set studies in the banking world. Dataset problems of credit card fraud are tried to be eliminated by performing preliminary operations on the raw dataset with advanced analysis and modelling techniques. In this study, the stages of balancing the imbalanced dataset for the credit card fraud detection model, determining important features, adding autonomous agents to the data and classifying the information obtained from autonomous agents were carried out. In this study, a multi-faceted agent-based decision model was developed for the credit card fraud detection model. In the study, the fields of imbalanced learning, feature selection and agent-based learning model development were used. In this study, the performance of the agent-based fraud detection model was compared with the performances of well-known supervised learning methods. When the results were examined, it was seen that the developed agent-based model performed better than supervised learning models. In the model comparison, not only common model performance metrics were used, but also contemporary approaches used in developing action plans.