Kural tabanlı şüpheli işlem önleme sistemlerinde kullanılmak üzere çizge veritabanı modeli önerisi

Finansal dünyada şüpheli işlemlerin yöntemlerinde ve sayılarında her geçen gün artış olmaktadır. Kredi kartı işlemlerindeki şüpheli işlemler de bu yöntemlerden biridir. Kredi kartı şüpheli işlemleri, kredi kartı işlemlerinde yetkisiz veya aldatıcı yöntemlerin kullanıldığı ve başkasının kredi kartı bilgilerini kullanarak finansal kazanç elde etmeye çalışılan sahtekarlık faaliyetlerine denir. Artan kredi kartı işlemlerinin sayısıyla birlikte birçok banka ve kuruluş, sahtekarlık vakalarını tespit etmek ve önlemek amacıyla sistemler kullanmakta ve bu sistemleri geliştirecek çalışmalar yapmaktadır. Son zamanlarda, bu konuyla ilgili makine öğrenme algoritmalarını kullanan birçok yöntem önerilmiş olsada, kural tabanlı sistemler halen tercih edilmektedir. Kural tabanlı sahtekarlık tespiti ve önleme sistemlerinde meydana gelen vakalar işlem anında veya sonrasında analiz edilir ve işlemin şüpheli olup olmadığına bağlı olarak sistemdeki yetkililerin incelemesine yardımcı olmak ve gerektiğinde işlemleri engelleyebilmek için kurallar yazılır. Bu verilerin sonradan incelenerek analiz edilmesi sayesinde, sahtekarlık işlemleri ve tekrar eden şüpheli işlem desenleri tespit edilebilir ve kurallar bu doğrultuda zenginleştirilebilir. Kural tabanlı sistemlerde farklı veritabanı teknolojileri kullanılmaktadır. İlişkisel veritabanları ve doküman tabanlı veritabanları bu teknolojilere örnek olarak verilebilir. Bu sistemlerde asıl önemli olan görülemeyen, yapısal olarak belirtilmemiş ilişki ağlarını tespit edebilmektir. Diğer veritabanı teknolojilerine alternatif olarak çizge veritabanları da bu alanda kullanılmaktadır. Bu çalışmada öncelikle şüpheli işlemlerin nelere dendiğinden ve bu şüpheli işlemlerin türlerinden bahsedilmiş ve şüpheli işlem tespit ve önleme sistemlerinin özellikleri aktarılmıştır. Ardından çizge veritabanlarının özellikleri açıklanmış ve diğer veritabanı teknolojilerinden farklarına değinilmiştir. Günümüzde sektörde kullanılan çizge veritabanı uygulamalarından örnekler verilmiş ve bu çalışmada da kullanılan Neo4j uygulamasından detaylı bahsedilmiştir. Kaggle üzerinde paylaşılan bir bankanın kredi kartı işlemlerinin örnekleminden sentetik olarak üretilen bir kredi kartı sahtekarlık veri kümesini kullanarak bu veri seti açıklanmış, Neo4j modeline eklemeden önce incelemelerde faydası olacak şekilde tutar bilgisi aralıklı tutar gruplarına dönüştürülmüştür. Bu veri seti için bir model önerilmiş ve bu modele göre Neo4j uygulamasına aktarım gerçekleştirilmiştir. Son olarak önerilen model kullanılarak Neo4j üzerinde örnek sorgular gerçekleştirilmiştir. Bu sorguların çıktılarını analiz ederek kural tabanlı sistemlerdeki kural yazımlarında ek bir metrik ve kural sunulabileceği gösterilmiştir.