Hücresel mobil iletişim sistemlerinde dolandırıcılık risk yöntemi

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.