TY  - JOUR
TI  - Banka Ödemelerinde Dolandırıcılığın Çizge Madenciliği ve Makine ÖğrenimiAlgoritmalarıyla Tespiti
AB  - Günümüzde, şirketler gelecekte yapmayı planladıkları işleri içeren çok sayıdaki önemli verilerinielektronik ortamlarda saklamaktadırlar. Saldırı durumunda ise hem şirkete hem de bireylere zararverebilecek finansal bilgiler hedef alınmaktadır. Bu saldırı türlerinden biri de banka ödemelerindemeydana gelen dolandırıcılık saldırılarıdır. Grafik veri bilimi kullanılması, mevcut analitik ve makineöğrenimi ardışık düzenlerini güçlendirerek, var olan dolandırıcılık tespit yöntemlerinin doğruluğunu veuygulanabilirliğini arttırmaktadır. Bu çalışmada İspanya’daki bir banka ödeme bilgi simülasyonundanoluşturulan BankSim veri kümesi kullanılmıştır. BankSim üzerinde bulunan normal ödemeler ve sahteveriler sınıflandırılarak dolandırıcılık tespiti gerçekleştirilmesi amaçlanmıştır. Sınıflandırma için Pythondilinde RandomForest (RF), Support Vector Machine SVM, XGBoost (XGB), K-Nearest Neighbors (k NN) sınıflandırma algoritmaları kullanılmıştır. Performans değerlendirmeleri için K-katlamalı çaprazdoğrulama kullanılmıştır. Çizge madenciliği için Neo4j veritabanı kullanılmış ve Neo4j sorgu dili olarakCypherQL kullanılmıştır. Bu dolandırıcılık tespitinin uygulanması ile daha az hileli işlem ve dahagüvenilir bir gelir akışı elde edilmiştir. Çizge madenciliği aşamasında PageRank, Community, degree gibiçizge algoritmaları ile birlikte standart makine öğrenimi yöntemi ile elde edilen sonuçlar optimizeedilmiştir. Bu açıdan çizge madenciliği ve makine öğrenimi algoritmalarının birlikte kullanılmasının diğeryöntemlere kıyasla doğruluk oranlarının daha yüksek olduğu ve daha hızlı sürede hesap yapan bir yöntemolduğu ispatlanmıştır.
AU  - Çavşi Zaim, Hande
AU  - YOLACAN, Esra
AU  - GÜLBANDILAR, EYYÜP
DO  - 10.24012/dumf.1002110
PY  - 2021
JO  - Dicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisi
VL  - 12
IS  - 4
SN  - 1309-8640
SP  - 615
EP  - 625
DB  - TRDizin
UR  - http://search/yayin/detay/482601
ER  -