Finans sektöründe veri madenciliği ile dolandırıcılık tespiti

Abstract

Dolandırıcılık islemleri kendisini hemen hemen her alanda göstermektedir. ?nternetBankacılığı bu saldırılara en fazla maruz kalan sektörlerin basında gelmektedir. Bu tezde internetBankacılığında yapılan dolandırıcılık islemlerinin, veri madenciliği teknik ve metotlarıkullanılarak belli ölçülerde önlenmesi sağlanmıstır. ?nternet Bankacılığındaki müsteri islemleriincelenmistir. Müsteri grupları müsterinin yaptığı islemlere göre belirlenerek , her bir müsteri birmüsteri grubuna atanmıstır. Veri içerisindeki müsteriler, grup olarak belirtilmistir.Hesaplamalarda müsteri yerine müsteri grubu kullanılmıstır. Eğitim verileri belli parçalaraayrılarak sınıflandırmada veri fazlalığından kaynaklanan sorunlar en aza indirgenmistir.Olusturulan her bir parça için C4.5 ve Saf Bayes Sınıflandırıcı uygulanmıstır. Böylece iki adetsınıflandırıcının yetersiz olduğu noktalar azaltılmıstır. Sınıflandırıcıların sonucundan olusan çıkısverileri üzerinde sadelestirme islemleri yapılarak tekrar Saf Bayes Sınıflandırıcıya sokulmustur.Sonuçta etkili bir dolandırıcılık tespit sistemi olusturulmustur. 12773 adet islem incelenmistir.Bunun 12000 adedi yasal,773 adedi suçludur.Anahtar Sözcükler: Saf Bayes Sınıflandırıcı, C4.5 sınıflandırıcı, Dolandırıcılık,Dolandırıcılık Tespit Sistemi, Veri Madenciliği.

Fraud processes can be seen on almost every where of the life. Internet Banking systemsare primarily effected from the fraud attacks. In the thesis; the prevention mechanism of fraudprocesses in the Internet banking with available measurement by using data mining techniquesand methods is proved. The Internet Banking customers' processes are examined. Customergroups according to customer?s processes are defined and every customer is assigned to acustomer group. Customer group is used instead of customer in calculations. Training data issplitted to fragments so, problems caused by large data are minimized. The C4.5 classifiers andthe Naive Bayesian Classifiers are applied for every piece. By this way, disabilities of twoclassifiers are decreased. Outputs of the results of classifiers are simplified and then they are usedas an input for Naive Bayesian Classifier. As a result effective Fraud Detection System isdesigned. 12773 processes is examined. 12000 processes are legal and 773 are fraud processes ofthese records.Key Words: Saf Bayes Classifiers, C4.5 Classifiers, Fraud, Fraud Detection System, DataMining.