Derin öğrenme kullanarak IP üzerinden ses hizmeti veren şebekelerde sahtekârlığa yönelik çağrıların tespiti
| dc.contributor.advisor | Akbulut, Ahmet | |
| dc.contributor.author | Bağ, Murat | |
| dc.contributor.department | Mühendislik Fakültesi | tr_TR |
| dc.date.accessioned | 2020-07-16T12:24:51Z | |
| dc.date.available | 2020-07-16T12:24:51Z | |
| dc.date.issued | 2019 | |
| dc.description.abstract | Telekomünikasyon operatörleri altyapısı kullanılarak yapılan sahtekârlık/kötü niyetli kullanım, bu endüstride gelir kayıplarına ve kullanıcı mağduriyetlerine sebep olmaktadır. Bu problem karşısında telekomünikasyon operatörlerince kullanılan sahtekârlık yönetim sistemleri servis özelinde ve mevcut sabit kural kümeleri çerçevesinde çalışmaktadır. Gerçek zamanlı verilerin kullanılmaması nedeniyle, kayıplar gerçekleştikten sonra sahtekarlık çağrıları tespit edilerek yenilerinin oluşması engellenmektedir. Tez çalışması kapsamında; abonelerin çağrı detay kayıtları, gerçek zamanlı sinyalleşme izleri, demografik verileri ve ödeme verilerinin analizleri sonrası sahtekârlık tespitinde etkili parametreler belirlenerek iki ayrı yapay sinir ağı tasarlanmıştır. Bu ağlardan biri çevrimdışı tespit yaparken diğeri de gerçek zamanlı tespit yapmaktadır. Tasarlanan ağlar; performanslarının ölçülmesi amacıyla geniş bir veri seti ile test edilmiştir. Ölçülen performansların, farklı bir makine öğrenme yöntemi ile karşılaştırılması için k-en yakın komşuluk (ing. k-nearest neighborhood, KNN) algoritması kullanılmıştır. Çevrimdışı sahtekarlık çağrı tespiti yapan ağda; diğer ağ performanslarına göre daha başarılı sonuçlar alınmıştır. Gerçek zamanlı tespit yapan ağda ise; çevrimdışı tespit performansına göre sahtekarlık çağrısı tespit oranları daha düşük olmasına rağmen, sahtekarlık nedeniyle oluşan kayıpların önemli ölçüde engellenebileceği görülmüştür. Fraud / malicious use of telecommunication services are causing significant losses for service providers. In the face of this problem, fraud management systems used by telecom operators operate in a service specific manner and within the framework of existing fixed rule sets. Due to the lack of real-time data usage, fraud calls are identified after losses occur. New rules are identified to prevent new fraud calls. Within the scope of the thesis; subscriber call detail records, signaling traces, user demographic and payment data are used to train two different artificial neural networks for fraud detection. In order to measure the performance of the designed networks, the performance of another network using k-nearest neighborhood (KNN) algorithm was trained and compared with the designed networks. Training the network with the data set created with call detail records, subscriber demographic and payment data; the network was able to detect fraud calls with the highest success rate. Although, the real-time fraudulent call detection performance was lower than offline detection performance, it could detect fraudulent calls before the connection has been established and prevent losses. | tr_TR |
| dc.identifier.endpage | 91 | tr_TR |
| dc.identifier.startpage | 01 | tr_TR |
| dc.identifier.uri | http://hdl.handle.net/20.500.12575/71436 | |
| dc.language.iso | tr | tr_TR |
| dc.publisher | Fen Bilimleri Enstitüsü | tr_TR |
| dc.relation.publicationcategory | Tez | tr_TR |
| dc.subject | Derin öğrenme | tr_TR |
| dc.subject | Telekomünikasyon | tr_TR |
| dc.title | Derin öğrenme kullanarak IP üzerinden ses hizmeti veren şebekelerde sahtekârlığa yönelik çağrıların tespiti | tr_TR |
| dc.title.alternative | Fraud detection in VOIP networks using deep learning | tr_TR |
| dc.type | masterThesis | tr_TR |