Yazar
Dolu, U., Sefer, Emre
Basım Tarihi
2022
Basım Yeri
-
IEEE
Konu
Konsept kayması, Kanallar arası dolandırıcılık, Gradyan artırma ağacı, Dengesiz veriler
Tür
Belge
Dil
İngilizce
Dijital
Evet
Yazma
Hayır
Kütüphane
Özyeğin Üniversitesi
Demirbaş Numarası
978-303108332-7
Kayıt Numarası
b7089b74-0ea6-4791-a35e-1e7027aae467
Lokasyon
Bilgisayar Bilimi
Tarih
2022
Örnek Metin
Yüzlerce finans kurumu üzerinde yapılan en son araştırma, bunların yalnızca %26'sının kanallar arası dolandırıcılığı tespit etmekle görevli bir ekibe sahip olduğunu ortaya çıkardı. Gelişen teknolojilere bağlı olarak dijital ortamlarda çeşitli dolandırıcılık teknikleri ortaya çıkmış ve artmıştır. Dolandırıcılık müşteri memnuniyetini doğrudan etkiler. Örneğin, yalnızca Birleşik Krallık'ta, 2020 yılında dolandırıcılık işlemlerinin toplam kaybı 1,26 milyar £ oldu. Bu yazıda, kanallar arası dolandırıcılıkları etkili bir şekilde tespit etmek için Gradient Boosting Tree (GBT) tabanlı bir yaklaşım ortaya koyuyoruz. Önerilen yaklaşımımızın bir parçası olarak, değişen müşteri davranışları nedeniyle konsept kayması sorunları da yaşayan dengesiz verilerden eğitim setleri oluşturmaya yönelik bir çözüm de bulduk. Özellik mühendisliğinin bir parçası olarak ek demografik, ekonomik ve davranışsal özellikleri entegre ederek GBT modelimizin performansını artırıyoruz. Kanallar arası sahtekarlık tespit yöntemimizin performansını, sahtekarlık tespit problemindeki bir diğer zorluk olan sahtekarlık açısından oldukça dengesiz olan gerçek bir bankacılık veri seti üzerinde değerlendiriyoruz. Türkiye'nin önde gelen bir özel bankasının gerçek zamanlı kanallar arası işlemlerini puanlamak için eğitimli modelimizi kullanıyoruz. Sonuç olarak yaklaşımımız, düşük bir yanlış pozitif oranıyla bir ay içinde toplam dolandırıcılık kaybının neredeyse %75'ini yakalayabilir.
Editör
Maglogiannis, I., Iliadis, L., Macintyre, J.
DOI
10.1007/978-3-031-08333-4_6
Cilt
646 IFIP
