Finansal Ve Medyatik Sahteciliğe Karşı Yapay Zekâ Çözümleri: Banknot Sahteciliği Tespitinde Makine Öğrenmesi Uygulamaları

Abstract

Amaç: Yapılan çalışmada, banknot sahteciliğinin tespiti amacıyla yapay zekâ temelli makine öğrenmesi modelleri (Lojistik Regresyon, Rastgele Orman ve XGBoost) kullanılmış ve modeller karşılaştırılarak başarıları analiz edilmiştir. UCI veri seti üzerinden gerçekleştirilen analizler, modellerin yüksek doğruluk oranlarına ulaştığını ve sahte banknotların tespitinde etkili olduklarını ortaya koymuştur. Tasarım/Yöntem: Çalışmada üç farklı makine öğrenimi modeli kullanılmıştır. Yapılan analizlerde, çeşitli veri ön işleme teknikleri, model eğitim süreçleri, özellik çıkarımı yöntemleri kullanılmıştır Bulgular: Sonuçlar, makine öğrenmesi tabanlı yaklaşımların banknot sahteciliği tespitinde geleneksel yöntem ve modellere göre daha etkin çözümler sunduğunu ve özellikle finansal sistemin güvenliği açısından uygulamaya yönelik güçlü potansiyel taşıdığını göstermektedir. Çalışma, sadece finansal güvenliği değil; aynı zamanda iletişim ve medya alanlarında dezenformasyonun önlenmesi, basın etiğinin korunması ve görsel sahteciliğin medya ortamlarına yansımasının anlaşılması açısından da katkı sunmaktadır. Bu yönüyle makale, yapay zekânın sadece teknik değil, aynı zamanda toplumsal ve iletişimsel boyutlarını da içeren disiplinlerarası bir çerçeve önermektedir. Sınırlılıklar: Yapay zekâ temelli makine öğrenmesi modelleri (Lojistik Regresyon, Rastgele Orman ve XGBoost) kullanılmıştır. Çalışma, UCI’den alınmış sabit bir veri setiyle sınırlıdır. Özgünlük/Değer: Bu çalışma, farklı makine öğrenmesi tekniklerinin sahtecilik tespitindeki başarısını ortaya koyarak, banknot doğrulama sistemlerine yönelik kapsamlı bir karşılaştırma sunmaktadır