YTÜ DSpace Kurumsal Arşivi

Hücresel mobil iletişim sistemlerinde dolandırıcılık risk yöntemi

Basit öğe kaydını göster

dc.contributor.author Tüfekçioğlu, Onur
dc.date.accessioned 2022-08-08T12:09:13Z
dc.date.available 2022-08-08T12:09:13Z
dc.date.issued 2017
dc.identifier.uri http://dspace.yildiz.edu.tr/xmlui/handle/1/12926
dc.description Tez (Yüksek Lisans) - Yıldız Teknik Üniversitesi, Fen Bilimleri Enstitüsü, 2017 en_US
dc.description.abstract Bu çalışmada GSM operatörleri için risk oluşturan dolandırıcılık olaylarının tespiti için kullanılan risk yönetim sistemlerinin performansları incelenmiştir. Mevcut performansı arttırabilmek için 4 farklı makine öğrenmesi yöntemi (K-En Yakın Komşu, Naive Bayes, Rasgele Orman, Destek Vektör Makinesi) kullanılmıştır. X GSM operatörüne ait 2 aylık bir zaman diliminde dolandırıcılık şüphesiyle aksiyon alınan (Servis Kapama, Tam Kapama) 5.641 örnek için 76 farklı özellik çıkarılmış ve 4 farklı makine öğrenmesi yöntemi ile bu örnekler yeniden sınıflandırılmıştır. Aynı zamanda özellik azaltma yapılarak elde edilen 10 özellikli yeni veri seti üzerinde aynı makine öğrenmesi yöntemleri ile tekrar sınıflandırma yapılarak performans karşılaştırması yapılmıştır. Son yıllarda özellikle ses, resim ve el yazısı tanımasında oldukça başarılı sonuçlar elde edilen Derin Öğrenmeye de çalışmada yer verilmiştir. Mevcut veri seti üzerinde Derin Öğrenme algoritmaları da test edilerek başarıları makine öğrenme yöntemleriyle karşılaştırılmıştır. en_US
dc.language.iso tr en_US
dc.subject GSM dolandırıcılığı en_US
dc.subject Dolandırıcılık risk yönetimi en_US
dc.subject Makine öğrenmesi en_US
dc.subject K- En yakın komşu en_US
dc.subject Naive Bayes en_US
dc.subject Rasgele orman en_US
dc.subject Destek vektör makinesi en_US
dc.subject Derin öğrenme en_US
dc.title Hücresel mobil iletişim sistemlerinde dolandırıcılık risk yöntemi en_US
dc.type Thesis en_US


Bu öğenin dosyaları

Bu öğe aşağıdaki koleksiyon(lar)da görünmektedir.

Basit öğe kaydını göster