E-ticaret siteleri için sahtekârlık tespit sistemleri
Yükleniyor...
Dosyalar
Tarih
2016
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
İstanbul Ticaret Üniversitesi
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
İnternet 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 ilişkilendirebilecek 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.
Fraudulent 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 ECommerce 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).
Fraudulent 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 ECommerce 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).
Açıklama
Tez (Yüksek Lisans) -- İstanbul Ticaret Üniversitesi -- Kaynakça var.
Anahtar Kelimeler
Elektronik ticaret_Güvenlik önlemleri, Veri koruma, Elektronik veri değişimi_Güvenlik önlemleri, Electronic commerce_Security measures, Public key infrastructure (Computer security), Data protection, Electronic data interchange_Security measures
Kaynak
WoS Q Değeri
Scopus Q Değeri
Cilt
Sayı
Künye
Kırelli, Yasin. (2016). E-ticaret siteleri için sahtekârlık tespit sistemleri. (Yayımlanmamış yüksek lisans tezi). İstanbul Ticaret Üniversitesi, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği, İstanbul
