FraudLens: Dolandırıcılık Tespitinde Skor Olmadığında Ne Yapılır?

FraudLens, TigerGraph × Hacker House Goa 2026 Final Round'a katılan bir dolandırıcılık araştırma ajanı. Ama bu sadece bir akademik proje değil, bankalar bunu gerçekten çalıştırabilir mi sorusuyla başladı.

Round 1'de model tahmin ediyor, TigerGraph kanıt sağlıyordu. Ama Ocak ayında bir sorun ortaya çıktı: her işlem için risk puanı düşüktü. Validasyon AUC'si 0.972 olan bir model bile, 18 test durumunun 16'sında 0.02'nin altında puan veriyordu. Banka kendi risk_score'u da 0.01 ile 0.31 arasında sallanıyordu. Puanlara güvenemezsen ne yaparsın?

FraudLens'in cevabı: puanı unut, kanıtı bul. Sistem, TigerGraph'ın grafik yapısını kullanarak işlem ağlarını incelemeye başladı. Bir işlem izole bir olay değil, müşteri, hesap, cihaz, konum ve diğer işlemlerle bağlantılı. Bu bağlantılar içinde anormal desenleri aradı: ani konum değişiklikleri, yeni cihazlar, nadir işlem türleri, tekrarlayan başarısız girişimler.

Final Round gerçekçiydi: 18 görülmemiş Ocak durumu, 9'u meşru, uyarıların içine kasıtlı yanıltıcı metinler gömülü, canlı başarısızlık testleri. En önemlisi, masum müşteriyi bloklamak 0 puan demekti. Hata pahalıydı.

Round 1 ajanı değiştirilmeden çalıştırıldığında 2 durumu dolandırıcılık, 3'ünü belirsiz, 12'sini meşru olarak sınıflandırdı. Daha iyi bir model bunu çözmezdi, çünkü sorun modelde değildi. Sorun, puanların Ocak ayı dolandırıcılığının yeni şekline uyum sağlamamasıydı. Kanıt tabanlı bir yaklaşım, gizli ilişkileri ortaya çıkardığında başarı geldi.