Network-based methods for anti-money laundering

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Boğaziçi Üniversitesi, FEN BİLİMLERİ ENSTİTÜSÜ, FEN BİLİMLERİ ENSTİTÜSÜ, Türkiye

Tezin Onay Tarihi: 2020

Tezin Dili: İngilizce

Öğrenci: GİZEM TAŞ

Danışman: TINAZ EKİM

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Bu çalışmada, kara para aklama ile mücadelede ağ temelli yöntemlerin katkıları üzerinde durulmuştur. Şüpheli işlem bildirimi yapmakla yükümlü olan bankaların uzun çalışma saatleri gerektiren kurala dayalı sistemlerle yapılan analizleri yüksek yanlış olumlu oranları ile sonuçlanmaktadır. Günümüzde, makine öğrenmesi tekniklerinin kara para aklamayla mücadelede hesaplama maliyetini ve bahsedilen yanlış olumlu oranını düşürebilme kabiliyetleri dikkat çekmektedir. Bu araştırmada, banka işlem verilerini ağ yapısında ele alarak, hem değerli bilgi kaybını en azda tutmaya çalışarak büyük ve karmaşık finansal ağlarda boyut indirgeyebilmek, hem de makine öğrenmesi algoritmalarını ağ bazlı niteliklerle besleyerek şüphelilik sınıflandırması yapmak amaçlanmıştır. İlk aşamada ağ boyutu indirgemenin, takip eden alt çizge oluşturma algoritmalarının verimini artırdığı gözlenmiştir. Kara para aklayıcıların organize bir şekilde meşru faaliyetler içinde gizlendikleri, dolayısıyla ağ yapısındaki ilişkilerin gizlenmiş şüphelilere dair iz taşıdığı hipotezine dayanarak aday alt çizgeler oluşturulmuştur. Her alt çizgenin iç işlem hacmi, dışarıya çıkan para miktarı, ağ boyutu ve benzeri ağ bazlı özellikleri hesaplanmış olup bu alt çizgeler, bankaların risk karşısında muhtemel duruşlarını temsil eden varsayımlar dahilinde, şüpheli veya masum olarak etiketlenmişlerdir. Oluşturulan aday veri seti güdümlü sınıflandırıcıları eğitmek için kullanıldığında, ayrılan test veri setindeki değerlendirmeler tatmin edici bir ayrıştırma performansının elde edildiğini göstermektedir. Bu sonuçlar, bu çalışmanın başlangıcında ortaya koyulan kara para aklamayla mücadelede ağ bazlı analizin katkısının alışılagelmiş kurala veya bireysel keşfe dayalı yöntemlerden yüksek olacağı hipotezini destekler niteliktedir. Bu bulgular, önerilen sistem bankalardan alınacak gerçek veri üzerinde uygulandığında, yanlış olumlu oranının azalması ve iş gücünün yükünün hafiflemesi açısından ümit vericidir.