Ηλεκτρονική απάτη στον τραπεζικό τομέα
| dc.contributor.advisor | Δουληγέρης, Χρήστος | |
| dc.contributor.author | Πάτσης, Μιχάλης | |
| dc.date.accessioned | 2024-06-06T11:17:15Z | |
| dc.date.available | 2024-06-06T11:17:15Z | |
| dc.date.issued | 2024-01 | |
| dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/16515 | |
| dc.identifier.uri | http://dx.doi.org/10.26267/unipi_dione/3937 | |
| dc.description.abstract | Οι ηλεκτρονικές απάτες στον τραπεζικό τομέα, αποτελούν πλέον ένα κομμάτι μείζονος σημασίας αλλά και άξιο μελέτης. Η ραγδαία εξέλιξη της τεχνολογίας, συνδυαστικά με την ψηφιοποίηση των τραπεζικών υπηρεσιών και συναλλαγών, έχει απότοκη συνέπεια την ανάπτυξη του ηλεκτρονικού εγκλήματος στον κυβερνοχώρο, επηρεάζοντας κατά αυτόν τον τρόπο την οικονομική δραστηριότητα των χρηματοπιστωτικών ιδρυμάτων αλλά και πλήττοντας την φερεγγυότητά τους. Ανάμεσα στον εκτεταμένο όγκο συναλλαγών που πραγματοποιούνται κάθε λεπτό, ο εντοπισμός και η πρόβλεψη των παράνομων κινήσεων έγκαιρα και άμεσα, αποτελεί κομμάτι πρωταρχικής σημασίας, καθώς είναι γεγονός ότι οι ηλεκτρονικές απάτες διενεργούνται με διαρκώς μεταλλασσόμενες και εξελισσόμενες μεθόδους. Αυτό κατ’ επέκταση έχει οδηγήσει στην ανάγκη για αποτελεσματικό θωρακισμό των τραπεζικών συστημάτων με χρήση σύγχρονων μεθόδων μηχανικής μάθησης και τεχνικών τεχνητής νοημοσύνης, κάτι που παλαιότερα θα φάνταζε αδύνατο. Τούτων δοθέντων, γίνονται καθημερινές προσπάθειες και δοκιμές για την δημιουργία ενός συστήματος ασφαλείας το οποίο θα είναι σε θέση να παρέχει κάθε δυνατή ασφάλεια απέναντι στην τράπεζα και στο πελατολόγιο της, αλλά και στη δημιουργία υποψιασμένου κοινού από φορείς ενημέρωσης. Το θέμα αυτό αναλύεται στην παρούσα διπλωματική εργασία, ξεκινώντας αρχικά αναλύοντας τα υφιστάμενα περιστατικά απάτης με τα οποία έρχεται αντιμέτωπο ένα σύγχρονο χρηματοπιστωτικό ίδρυμα, τα μοντέλα μηχανικής μάθησης και τις τεχνικές που χρησιμοποιεί σχετικά με την εντοπισμό και την πρόβλεψη τους, αλλά και τις προκλήσεις που προκύπτουν για την σωστή εκτίμηση και διαχείρισή τους. Στη συνέχεια, για το προγραμματιστικό μέρος της εργασίας, έχουμε προχωρήσει σε ανάλυση πραγματικών δεδομένων από καρτικές απάτες, στα οποία εφαρμόσαμε αλγορίθμους μηχανικής μάθησης τους οποίους και στη συνέχεια συγκρίναμε και αξιολογήσαμε. Για την καλύτερη κατανόηση του θέματος, έχουμε επιλέξει για το 2ο μέρος, να σχεδιάσουμε ένα σύστημα ανίχνευσης απάτης από την αρχή, εμπνευσμένο από πραγματικά σενάρια και προκλήσεις και το οποίο θα είναι σε θέση να κατηγοριοποιεί και να εντοπίζει τις απατηλές κινήσεις μέσα σε ένα χρηματοπιστωτικό ίδρυμα. Το προγραμματιστικό μέρος και η επεξεργασία των δεδομένων έγιναν με χρήση της γλώσσας προγραμματισμού Python, και τα συμπεράσματα που προέκυψαν και από τα δύο μέρη της εργασίας έδειξαν την ακρίβεια πρόβλεψης που είχαν οι αλγόριθμοι, αλλά ταυτοχρόνως μας παρείχαν σημαντικές πληροφορίες σχετικά με τις προκλήσεις αλλά και τις ευπάθειες που υπάρχουν σε ένα σύστημα πρόβλεψης και ανίχνευσης απάτης. | el |
| dc.format.extent | 65 | el |
| dc.language.iso | el | el |
| dc.publisher | Πανεπιστήμιο Πειραιώς | el |
| dc.rights | Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα | * |
| dc.rights | Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα | * |
| dc.rights | Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα | * |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/gr/ | * |
| dc.title | Ηλεκτρονική απάτη στον τραπεζικό τομέα | el |
| dc.title.alternative | Fraud detection in banking | el |
| dc.type | Master Thesis | el |
| dc.contributor.department | Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Πληροφορικής | el |
| dc.description.abstractEN | Financial fraud in the banking sector is now a topic of major importance and worthy of study. The rapid evolution of technology, combined with the digitalization of banking services and transactions, has had the sharp consequence of the growth of cybercrime in cyberspace, thus affecting the economic activity of financial institutions and affecting their solvency. Among the extensive volume of transactions that take place every minute, detecting and anticipating illegal movements in a timely and swift manner is a matter of primary importance, as it is a fact that financial fraud is carried out by constantly changing and evolving methods. This has consequently led to the need for effective shielding of banking systems using modern machine learning and artificial intelligence techniques, which would previously have seemed impossible. Daily efforts and tests are being made by the banking sector, to create a security system which will be able to provide all possible security to the bank and its clientele, and to create a leery public by information providers. In this thesis we will analyze the existing fraud incidents that a modern financial institution is confronted with, the machine learning models and techniques used to detect and predict them, as well as the challenges that arise for their proper assessment and management. Then, for the programmatic Part 1 of the paper, we analyze real data from credit card fraud cases, to which we apply machine learning algorithms which we then compared and evaluated. For a better understanding of the topic, we have chosen for part 2, to design a fraud detection system from scratch, inspired by real scenarios and challenges, which categorizes and detects fraudulent movements within a financial institution. The programming part and data processing were done using Python. The conclusions drawn from both parts of the work showed the prediction accuracy of the algorithms, but at the same time provided us with important information about the challenges and vulnerabilities that exist in a fraud prediction and detection system. | el |
| dc.contributor.master | Κυβερνοασφάλεια και Επιστήμη Δεδομένων | el |
| dc.subject.keyword | Ηλεκτρονικές απάτες | el |
| dc.subject.keyword | Σύστημα ανίχνευσης απάτης | el |
| dc.subject.keyword | Τεχνικές μηχανικής μάθησης | el |
| dc.subject.keyword | Τεχνητή νοημοσύνη | el |
| dc.date.defense | 2024-01-29 |
Αρχεία σε αυτό το τεκμήριο
Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές
-
Τμήμα Πληροφορικής
Department of Informatics
Εκτός από όπου διευκρινίζεται διαφορετικά, το τεκμήριο διανέμεται με την ακόλουθη άδεια:
Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα
Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα