Show simple item record

dc.contributor.advisorKarahoca, Adem
dc.contributor.authorKuşaksizoğlu, Bülent
dc.date.accessioned2021-05-01T07:16:06Z
dc.date.available2021-05-01T07:16:06Z
dc.date.submitted2006
dc.date.issued2018-08-06
dc.identifier.urihttps://acikbilim.yok.gov.tr/handle/20.500.12812/550823
dc.description.abstractSahtekarlık/kötü niyetli kullanım telekom endüstrisinde kayıp gelir'inönemli bir kaynağıdır. Etkin sahtekarlık keşfetme sistemleri ve analizsistemleri telekom operatörlerine çok para tasarruf ettirebilir.Otomatik sahtekarlık sistemleri, operatörlere sahtekarlık yapanlarıkeşfetme, servislerini reddetme ve kovuşturma olanağı vermektedir.Bu çalışmada, veri madenciliği yöntemleriyle normal kullanıcıları,sahtekearlık yapanlardan ayıran bir model geliştirmek için mobilabonelerin konuşma detay kayıtları(CDR's), demografik verileri ve ödemeverileri incelenmiştir. Önce açıklayıcı veri analizi ile veri setiincelenmiş ve abonelik süresi, paket tipi, cinsiyet, abonelik tipi,toplam fatura tutarı gibi değişkenlerin kötü niyetli kullanımıntespitinde önemli oldukları ortaya çıkmıştır. Daha sona k-meansalgoritması ile konuşma alışkanlıklarına gore abone kümelemesiyapılmıştır. Önem sırasına gore sıralanmış değişken seti ileilişkili/bağlantılı değişkenler nedeni ile factor analizi sonuçu eldeedilen değişken seti olmak üzere iki farklı değişken setikullanılmıştır.Son olarakta eğitim ve test setleri üzerinde karar ağaçları, kuraltabanlı methodlar, yapay sinir ağları gibi veri madenciliği teknikleriuygulanmış ve çıkan sonuçlar doğruluk, duyarlılık, özgüllük, hassaslıkve hata kareleri ortalamalarının karekökü(HKOK) gibi performansölçümlerine gore tartışılmıştır.Anahtar Kelimeler: Sahtekarlık, Mobil telekomünikasyon , Verimadenciliği, Yapay öğrenme
dc.description.abstractFraud is a significant source of lost revenue to the telecom industry.Efficient fraud detection systems and analysis system can save telecomoperators a lot of money. Automated fraud detection systems enableoperators to respond to fraud by detection, service denial andprosecutions against fraud.In this study, we examine the call detail records (CDR?s), demographicdata and payment data of mobile subscribers in order to develop modelsof normal and fraudulent behavior via data mining techniques. First wehave done some Exploratory Data Analysis (EDA) on the data set anddiscovered that some variables like Account length, Package type,Gender, Type, Total Charged Amount showed important tendency forfraudulent use and then we applied k-means cluster method to clusterthe customer, based on their call behaviors. Standard variables withranked attributes and variables obtained from factor analysis due tosome correlated variables were used as two different set of variables.Finally we performed the data mining techniques-Decision trees, Rulebased methods, and Neural Networks- for both training and test sets andthen discussed the collected results based on performance measures suchas accuracy, sensitivity, specificity, precision and RMSE.Key words: fraud, mobile communication, data mining, machine learningen_US
dc.languageEnglish
dc.language.isoen
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rightsAttribution 4.0 United Statestr_TR
dc.rights.urihttps://creativecommons.org/licenses/by/4.0/
dc.subjectBilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontroltr_TR
dc.subjectComputer Engineering and Computer Science and Controlen_US
dc.titleFraud Detection in mobile communication networks using data mining
dc.title.alternativeVeri madenciliği yardımıyla mobil telekomünikasyon şebekelerinde sahtekarlık tespiti
dc.typemasterThesis
dc.date.updated2018-08-06
dc.contributor.departmentBilgisayar Mühendisliği Ana Bilim Dalı
dc.identifier.yokid154129
dc.publisher.instituteFen Bilimleri Enstitüsü
dc.publisher.universityBAHÇEŞEHİR ÜNİVERSİTESİ
dc.identifier.thesisid181378
dc.description.pages77
dc.publisher.disciplineDiğer


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record

info:eu-repo/semantics/openAccess
Except where otherwise noted, this item's license is described as info:eu-repo/semantics/openAccess