Kazanimlar:
- Dolandırıcılık tespitinde kural tabanlı ve yapay zeka destekli anomali tespitinin nasıl çalıştığını ve neyi hızlandırdığını kavrayabilme
- Yapay zeka uyarısını bir ön-eleme olarak kullanıp gerçek dolandırıcılık ile yanlış alarmı (false positive) uzman incelemesiyle ayırt edebilme
- Yanlış pozitif maliyetini (müşteri mağduriyeti, alarm yorgunluğu) ve yanlış negatif riskini dengeleyip son hükmü insanda tutabilme
Dolandırıcılık tespiti bankacılığın en gerilimli işlerinden biridir çünkü iki hatanın da bedeli ağırdır. Bir dolandırıcılığı kaçırırsanız (yanlış negatif) müşteri parasını, banka itibarını kaybeder. Meşru bir işlemi yanlışlıkla engellersen (yanlış pozitif) müşteriyi mağdur eder, güveni sarsar ve çağrı merkezini kilitlersin. Yapay zeka bu alanda milyonlarca işlemi saniyeler içinde tarayıp "olağan dışı" olanları öne çıkarır — ama unutmayın: yapay zeka bir uyarı üretir, bir hüküm vermez. Bir işlemin gerçekten dolandırıcılık olup olmadığına ve müşteriye ne yapılacağına karar vermek analistindir.
Bu ünitede kural tabanlı ve yapay zeka destekli anomali tespitinin nasıl çalıştığını, uyarıyı nasıl bir ön-eleme olarak kullanacağınızı, yanlış alarmla gerçek dolandırıcılığı nasıl ayırt edeceğinizi ve yanlış pozitif/negatif dengesini nasıl yöneteceğinizi göreceğiz.
İki tespit yaklaşımı: kural ve anomali
- Kural tabanlı tespit: Önceden tanımlanmış "eğer-ise" mantığı. Örneğin "aynı karttan 5 dakikada 3 farklı ülkede işlem varsa uyar." Anlaşılırdır ve denetlenebilir; ama yeni dolandırıcılık türlerini kaçırabilir.
- Yapay zeka destekli anomali tespiti: Modelin müşterinin olağan davranışını öğrenip bundan sapmayı işaretlemesi. Örneğin gece 03:00'te, hiç kullanılmayan bir kanaldan, alışılmadık tutarda bir işlem. Yeni örüntüleri yakalar ama gerekçesi daha az şeffaftır.
Pratikte bankalar ikisini birlikte kullanır: kurallar bilinen riskleri, model bilinmeyen sapmaları yakalar.
İpucu: "Anomali" her zaman "dolandırıcılık" demek değildir. Yurt dışına ilk kez seyahat eden bir müşterinin işlemi de anomalidir. Uyarı size "buraya bak" der, "bu suçtur" demez.
Uyarıyı ön-eleme olarak kullanmak
Yapay zeka uyarısı bir olasılık sinyalidir. Doğru iş akışı şudur:
Adım
Ne yapılır
Karar/eylem
1. Uyarı
Model işlemi işaretler, skor ve gerekçe verir
Otomatik hüküm YOK
2. Önceliklendirme
Risk skoru ve tutara göre sıralanır
Analist sırayı belirler
3. İnceleme
Analist işlem geçmişi ve bağlamı okur
Gerçek mi, yanlış alarm mı
4. Doğrulama
Gerekirse müşteri güvenli kanaldan aranır
Müşteri teyidi
5. Hüküm
Bloke/serbest/bildirim kararı
Analist/uyum verir
Kritik nokta: bir uyarı, incelenmeden hesabı kalıcı bloke etmemelidir. Geçici bir güvenlik adımı (ör. işlemi askıya alıp müşteriyi doğrulama) makul olabilir; ama "dolandırıcı" hükmü insanındır.
Yanlış pozitif ve yanlış negatif dengesi
- Yanlış pozitif (false positive): Meşru işleme yanlışlıkla "dolandırıcılık" uyarısı. Maliyeti: müşteri mağduriyeti, kartın gereksiz bloke olması, memnuniyetsizlik ve alarm yorgunluğu (analistlerin çok sayıda yanlış uyarıdan bıkıp gerçek olanı kaçırması).
- Yanlış negatif (false negatif): Gerçek dolandırıcılığın kaçması. Maliyeti: doğrudan parasal kayıp ve itibar zararı.
Eşiği çok hassas ayarlarsanız yanlış pozitif patlar; çok gevşek ayarlarsanız gerçek dolandırıcılık kaçar. Bu denge teknik bir ayar değil, iş kararıdır ve sürekli izlenmelidir.
Dikkat: "Ne kadar çok uyarı o kadar güvenli" yanlış bir sezgidir. Aşırı uyarı, analisti boğar ve gerçek tehdidin gürültüde kaybolmasına yol açar. Kalite, sayıdan önemlidir.
Dört kopyalanabilir şablon
1) Uyarı bağlam özeti (inceleme öncesi):
Rolün: dolandırıcılık analistine inceleme HAZIRLIĞI yapan asistan. Hüküm verme.Anonim işlem verisi: son 90 günde tipik işlem 200-800 TL, yurt içi, gündüz.İşaretlenen işlem: 03:10'da, yeni cihazdan, 9.500 TL, farklı şehir.Görev: Bu işlemi olağan profile göre hangi yönlerden sapma gösteriyor diyemaddele. Her maddeyi veriye dayandır. "Dolandırıcılık" deme; yalnızcasapmaları ve incelenecek soruları listele.
2) İnceleme sorusu üretici:
Aşağıdaki işaretli işlem için analistin müşteriye SORMASI gereken,suçlayıcı olmayan doğrulama sorularını 5 madde halinde yaz.Sorular kimlik bilgisi istemesin, güvenli kanal varsayımıyla yazılsın.Bağlam: yeni cihaz, alışılmadık saat ve tutar.
3) Yanlış pozitif analizi:
Rolün: yanlış alarmları azaltmak isteyen ekibe içgörü sunan asistan.Sana vereceğim anonim özet uyarı listesindeki ortak örüntüleri bul:hangi durumlar meşru olduğu halde sık sık işaretleniyor olabilir?Kesin hüküm verme; yalnızca gözden geçirilecek hipotezler öner.Liste: [seyahat işlemleri, maaş günü toplu ödemeler, düzenli faturalar...]
4) Vaka notu taslağı (karardan sonra):
Analistin verdiği kararı ve gerekçesini, denetim izi için düzgün birvaka notu taslağına dönüştür. Sadece bana verdiğin doğrulanmış bilgilerikullan, yeni bilgi ekleme. Karar ve imza bana ait.Girdi: [uyarı nedeni, yapılan doğrulama, müşteri teyidi, sonuç kararı]
Zayıf prompt / Güçlü prompt
Zayıf prompt:
Bu işlem dolandırıcılık mı? Karar ver ve kartı blokelemem gerekiyor mu söyle.
Modelden hüküm ister, bağlamı vermez, otomatik eylemi tetikler ve yanlış pozitif riskini görmezden gelir.
Güçlü prompt:
Rolün: inceleme hazırlığı asistanı, karar verici değil.İşlemi olağan profile göre sapmaları açısından maddele; her maddeyi veriyebağla. "Dolandırıcılık" hükmü verme, blokeleme önerme.İncelenecek soruları ve olası meşru açıklamaları da listele.Nihai hükmü ve eylemi ben vereceğim.
Güçlü istem uyarıyı ön-eleme olarak konumlar, meşru açıklamaları da ister ve hükmü analiste bırakır.
Üç mini vaka
Vaka 1 — Gerçek dolandırıcılık yakalanır. Model, bir müşterinin kartından 5 dakikada 3 farklı e-ticaret sitesinde toplam 22.000 TL işlem işaretler. Analist müşteriyi güvenli hattan arar; müşteri "böyle bir işlem yapmadım" der. Kart bloke edilir, işlemler iptal edilir. Uyarı doğru çıkar ve karar insanca, teyitle verilir.
Vaka 2 — Yanlış pozitif önlenir. Model, yurt dışına ilk kez çıkan bir müşterinin otel ödemesini "farklı ülke, yüksek tutar" diye işaretler. Analist, müşterinin bir hafta önce seyahat sigortası aldığını ve havayolu ödemesi yaptığını görür. Bağlam meşrudur; işlem serbest bırakılır. Otomatik bloke olsaydı müşteri yurt dışında mağdur olurdu.
Vaka 3 — Alarm yorgunluğu. Bir ekip, eşiği aşırı hassas ayarlar; günde 4.000 uyarı düşer, %92'si yanlış pozitiftir. Analistler uyarıları hızla "meşru" diye kapatmaya başlar. Bu sırada gerçek bir dolandırıcılık da gürültüde kapatılır ve fark edilmesi 3 gün gecikir. Ders: eşik ve kural kalitesi düzenli gözden geçirilmeli, uyarı sayısı yönetilmelidir.
Dolandırıcılık türleri ve modelin sınırı
Dolandırıcılık tek bir şey değildir; modelin her türe karşı gücü de farklıdır. Birkaç yaygın tür:
- Kart/işlem dolandırıcılığı: Çalınan kart bilgisiyle işlem. Model, harcama örüntüsünden sapmayı iyi yakalar.
- Hesap ele geçirme (account takeover): Dolandırıcının müşterinin hesabına giriş yapması. Cihaz, konum ve davranış değişikliği ipucu verir.
- Sosyal mühendislik / dolandırıcılığa ikna: Müşterinin kandırılıp parayı kendi elleriyle göndermesi. Burası en zorudur: işlem "müşterinin kendisi" tarafından yapıldığı için klasik anomali sinyalleri zayıftır.
Son tür, modelin kör noktasını gösterir: teknik olarak "normal" görünen ama arkasında bir manipülasyon olan işlemler. Bu yüzden bazı uyarılarda asıl mesele işlemin kendisi değil, müşteriyle konuşup "sizi biri bu transferi yapmaya mı yönlendirdi?" diye anlamaktır. Model bunu göremez; insan görüşmesi görebilir.
İpucu: Bir işlem tüm teknik kontrollerden geçse bile, müşterinin acelesi, paniği veya "birinin talimatıyla" hareket ettiği sinyalleri gerçek dolandırıcılığı ele verebilir. Bu insani bağlamı yalnızca bir çalışan yakalar; modelin sınırı tam buradadır.
Sık yapılan hatalar
- Uyarıyı hüküm sanmak. Modelin işaretini otomatik "dolandırıcılık" kabul edip hesabı kalıcı bloke etmek.
- Bağlamı okumadan karar vermek. İşlem geçmişini ve meşru açıklamaları görmezden gelmek.
- Müşteriyi suçlayıcı dille aramak. "Siz dolandırıcılık yaptınız" değil, "bu işlemi siz mi yaptınız" diye doğrulamak gerekir.
- Eşiği hiç gözden geçirmemek. Yanlış pozitif oranını izlememek, alarm yorgunluğunu görmemek.
- Denetim izini bırakmamak. Kararın gerekçesini ve yapılan doğrulamayı belgelememek.
İpucu: İyi bir dolandırıcılık ekibi, yakaladığı gerçek vakalar kadar önlediği yanlış alarmlarla da ölçülür. İki metriği birlikte izlemek, sistemi sağlıklı tutar.
Özetle
Dolandırıcılık tespitinde kurallar bilinen riskleri, yapay zeka modelleri bilinmeyen sapmaları yakalar. Ama model bir uyarı üretir, hüküm vermez. Uyarıyı bir ön-eleme olarak kullanın: önceliklendirin, bağlamı okuyun, gerekirse müşteriyi güvenli kanaldan doğrulayın ve hükmü insan olarak verin. Yanlış pozitif müşteri mağduriyeti ve alarm yorgunluğu yaratır; yanlış negatif doğrudan kayıp getirir — bu denge sürekli izlenir. Tek cümlede: Yapay zeka şüpheliyi öne çıkarır; dolandırıcılık hükmünü yetkin insan verir.
Uygulama görevi
Anonim bir müşteri profili (tipik işlem aralığı, saat, kanal) ve bir işaretlenmiş işlem tanımlayın. 1. şablonla sapma özeti çıkarın, 2. şablonla doğrulama soruları üretin. Sonra iki senaryo kurgulayın: biri gerçek dolandırıcılık, biri meşru anomali (ör. seyahat). Her ikisi için de hangi bağlam bilgisinin kararınızı değiştireceğini yazın ve nihai hükmü siz verin.
Kontrol listesi
- [ ] Uyarıyı hüküm değil, ön-eleme sinyali olarak ele aldım.
- [ ] İşlem geçmişini ve olası meşru açıklamaları inceledim.
- [ ] Gerekli olduğunda müşteriyi güvenli kanaldan, suçlamadan doğruladım.
- [ ] Yanlış pozitif/negatif dengesini gözettim; alarm yorgunluğunu düşündüm.
- [ ] Kararı, gerekçesini ve yapılan doğrulamayı kayıt altına aldım.
- [ ] Nihai hükmü ve sorumluluğu ben üstlendim.