Kredi Kartı Dolandırıcılık Tespitinin Makine Öğrenmesi Yöntemleri ile Tahmin Edilmesi

Yıl 2020, , 28 - 33, 09.04.2021

Melike Selimoglu , Atınç Yılmaz

https://doi.org/10.20854/bujse.873804

Cited By: 2

Öz

Kredi kartları, dünya üzerindeki yaygınlığı ve güçlü altyapısı sayesinde çok kısa bir sürede insanların hayatlarına girmiş ve korkusuzca kullanabilecekleri ödeme aracı haline gelmiştir. Kredi kartlarının sayılarının her geçen gün takip edilmesi zor bir hal alması ve bunun paralelinde işlem hacminin hızla büyümesi, bu pazardan haksız kazanç elde etmek isteyen dolandırıcıları ortaya çıkarmıştır. Günümüzde herhangi bir insanın kredi kartı bilgilerini elde etmenin oldukça kolay hale gelmesi kredi kartı dolandırıcılarının işini kolaylaştırmaktadır. Gelişen teknoloji sayesinde, gerçekleşen hesap hareketleri değişikliğinde zaman ve harcamaların analiz edilmesi ile kötü amaçla elde edilen verilerin kullanıldığı analiz edebilir. Kaggle veritabanından elde edilen Kredi Kartı Dolandırıcılık Teşhis veri seti kullanılarak Çok Katmanlı Yapay Sinir Ağı ve Naive Bayes yöntemleri ile modelleme yapılmıştır. Bu çalışmada ki amaç kişilerin kredi kartlarını kullanma zaman aralıklarını analiz ederek yapılan işlemin farklı kişi tarafından yapıldığını tespit etmektir. En yüksek başarı oranı çok katmanlı yapay sinir ağlı ile %99,943 elde edilmiştir. Naive Bayes yöntemi ile %98,207 başarı elde edilmiştir.

Anahtar Kelimeler

Kredi Kartı Dolandırıclık Tespiti, Makine Öğrenmesi, Yapay Sinir Ağı, Naive Bayes

Kaynakça

• [1] KAYA F. “Türkiye’de Kredi Karı Uygulaması” (No.263), İstanbul: Türkiye Bankalar Birliği, 2009
• [2]ÖZBAY E. , “Finans Sektöründe Veri Madenciliği ile Dolandırıcılık Tespiti” (Doctoral Dissertation, Selçuk Üniversitesi Fen Bilimleri Enstitüsü), 2007
• [3] ADALI B.“Kredi Kartı Dolandırıcılığı Saptama Yöntemleri” (Dissertation, İstanbul Teknik Üniversitesi Bilgisayar ve Bilişim Fakültesi), Haziran 2012
• [4] GÜLTEKİN S. U. “Yapay Sinir Ağı ve Doğrusal Regresyon Yöntemleri İle Fiyat Tahmini” (Master’ thesis, Pamukkale Üniversitesi Sosyal Bilimler Enstitüsü) Ağustos 2017
• [5] SOYLU K.“Kredi Kartı Sahte İşlem Tespiti” 2018
• [6]ÖZMEN E. P. , ÖZCAN T. , “Finans Sektöründe Dolandırcılık Tespiti Üzerine Melez Sınıflandırma ve Regresyon Ağacı Uygulaması” Cilt5, Sayı2, Sayfa12-20, 2019
• [8] Credit Card Fraud Detection Dataset, https://www.kaggle.com/mlg-ulb/creditcardfraud (09.12.2020)
• [9] BİLGİN M. , YILMAZ A. , Makine Öğrenmesi, Papatya Bilim, 2018
• [10] ŞENGÜR D. , TEKİN A. , Öğrencilerin Mezuniyet Notlarının Veri Madenciliği Metotları ile Tahmini, Bilişim Teknolojileri Dergisi, Sayı3, Cilt6, 2013
• [11] YILMAZ A. , R Programlama, Kodlab, 2020.