Show simple item record

dc.contributor.advisorKasapbaşı, Mustafa Cem
dc.contributor.authorKirelli, Yasin
dc.date.accessioned2020-12-04T18:13:32Z
dc.date.available2020-12-04T18:13:32Z
dc.date.submitted2016
dc.date.issued2018-08-06
dc.identifier.urihttps://acikbilim.yok.gov.tr/handle/20.500.12812/95273
dc.description.abstractİnternet üzerinden yapılan alış verişlerde sahtecilik içeren işlemler, ana kaygılardan biridir. Dolandırıcılık işlemleri sadece müşteriler ve E-Ticaret şirketlerini değil, aynı zamanda bankalar için de mali kayıplara neden olmaktadır. Bu nedenle, sahtecilik olarak ilişkilendirilebilecek siparişleri sınıflandırabilmek ve tespit edebilmek E-Ticaret siteleri için büyük önem taşır. Bu türde sahtecilik tespiti, bankacılık sektöründe olduğu gibi müşterileri hakkında bolca bilgi bulunduğundan daha kolaydır ancak, ticari internet sitelerinde müşteri hakkında uygun nitelikleri bulmak daha zordur. Bu çalışmada bir E-Ticaret sitesinin gerçek verileri, yasa dışı kredi kartı kullanımlarını analiz etmek için kullanılmıştır. Öncelikle tüm ham veri analiz edilmiş ve eksik değerlerinden filtre edilmiştir. Gainratio algoritmasıyla en uygun değerler seçilmiş, sonrasında veri madenciliği tekniğiyle Navie Bayes, Karar Ağacı (J48) algoritmaları kullanılarak, %95'ten fazla doğru sınıflandırma oranıyla sahtecilik içeren işlemler tespit edilip sınıflandırılmıştır.
dc.description.abstractFraudulent transactions are one of the main concerns regarding online shopping. Fraud transactions cause financial losses for not only to customers and E-Commerce merchants but also to the banks. Therefore, it is crucial for E-commerce sites to have capabilities to detect and to classify product orders that can be attributed as fraud. These kinds of fraud detections are easier when there is available abundant information about clients as in Banking but it becomes challenging to find proper attributes in commercial web sites. In this study real transaction data of an E-Commerce site are used to analyze for illegitimate use of credit card transactions. Firstly all raw data analyzed and filtered from missing values. Appropriate attributes are selected using gainratio algorithms, after then Fraudulent transactions have been detected and classified and a true positive rate more than %95 is obtained using data mining techniques namely, Naïve Bayesian, Decision trees (J48).en_US
dc.languageTurkish
dc.language.isotr
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.titleE-ticaret siteleri için sahtekarlık tespit sistemleri
dc.title.alternativeFraud detection system for e-commerce sites
dc.typemasterThesis
dc.date.updated2018-08-06
dc.contributor.departmentBilgisayar Mühendisliği Anabilim Dalı
dc.identifier.yokid10121645
dc.publisher.instituteFen Bilimleri Enstitüsü
dc.publisher.universityİSTANBUL TİCARET ÜNİVERSİTESİ
dc.identifier.thesisid442479
dc.description.pages69
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