--- title: "Dolandırıcılar iz bırakıyor, AWS yapay zekâyı takip etmeye çağırıyor" url: "https://teknotayf.com/haber/dolandiricilar-iz-birakiyor-aws-yapay-zek-yi-takip-etmeye-cagiriyor" markdown_url: "https://teknotayf.com/haber/dolandiricilar-iz-birakiyor-aws-yapay-zek-yi-takip-etmeye-cagiriyor.md" site: "teknotayf.com" language: "tr" published: "2026-10-27 11:02:38" updated: "2026-10-27 08:11:26" category: "Fintech & Ödeme" tags: ["Yapay Zeka","Bankacılık","AWS","Dolandırıcılık Önleme","Finansal Güvenlik"] source: "PYMNTS" --- # Dolandırıcılar iz bırakıyor, AWS yapay zekâyı takip etmeye çağırıyor > **Haberin asıl (HTML) sayfası:** https://teknotayf.com/haber/dolandiricilar-iz-birakiyor-aws-yapay-zek-yi-takip-etmeye-cagiriyor > Bu, haberin yapay zekâ ajanları için hazırlanmış Markdown sürümüdür. Okurlar için asıl sayfa yukarıdaki bağlantıdır. **Özet:** AWS Ödeme Ağları Başkanı Paul Chang, dolandırıcıların karanlık webde satılan hazır araçlarla saldırı düzenlediğini belirtti. Bankaların statik kurallardan uzaklaşıp işlem temelli modeller, grafik sinir ağları ve ajansal yapay zekâ ile savunma kurduğu aktarılıyor. İnsan analistlerin nihai karar yetkisini koruduğu, verinin yönetilen bir platformda toplanmasının şart olduğu vurgulanıyor. - **Yayın tarihi:** 2026-10-27 11:02 - **Kategori:** [Fintech & Ödeme](https://teknotayf.com/kategori/fintech) - **Etiketler:** Yapay Zeka, Bankacılık, AWS, Dolandırıcılık Önleme, Finansal Güvenlik - **Yazan:** TeknoTayf.com - **Kaynak:** [PYMNTS](https://www.pymnts.com/cybersecurity/fraud-prevention/2026/fraudsters-leave-patterns-and-aws-wants-ai-to-follow-them/) ![Dolandırıcılar iz bırakıyor, AWS yapay zekâyı takip etmeye çağırıyor](https://teknotayf.com/assets/uploads/2026/10/67a9b9623e5bc41f469fe00c3b6d98ec.webp) Dolandırıcılar kart testi, dolandırıcılık ve sentetik kimlik sahtekarlığı gibi işlemleri yürütmek için kolayca bulunabilen yazılımları kullanıyor. Bankalar davranışsal ve ağ desenlerini tespit etmek için işlem temelli modelleri, grafik sinir ağlarını ve mevcut makine öğrenmesi sistemlerini birleştiriyor. **AWS Ödeme Ağları Başkanı Paul Chang**'e göre ajansal yapay zeka kanıt toplayıp dolandırıcılık soruşturmalarını hazırlayabiliyor ancak insan analistlerin dosya kararları ve SAR bildirimleri üzerindeki yetkisini koruması gerekiyor. Dolandırıcılık saldırıları artık ticari olarak paketlenen yazılımlarla oluşturulabiliyor, hesaplar ve cihazlar arasında dağıtılabiliyor ve bankaların geleneksel bir dolandırıcılık kuralını yeniden yazmasından daha hızlı değiştirilebiliyor. Paul Chang PYMNTS'e şunları söyledi: "Dolandırıcıların karanlık web pazarlarında satılan mallı SaaS araç setlerini kullanarak endüstri ölçeğinde dolandırıcılık, kart testi saldırıları ve sentetik kimlik sahtekarlığı düzenlediğini görüyoruz." Geleneksel kural tabanlı sistemler bankaların gördüğü saldırı çeşitlerini tespit etmek için yetersiz. Chang şöyle dedi: "Bankalar gerçekten statik kuralların ötesine geçerek, makine öğrenmesini kullanarak işlemleri gerçek zamanlı puanlayan, ortaya çıkan dolandırıcılık desenlerinden öğrenen ve saldırı vektörleri değiştiğinde modelleri sürekli yeniden eğiten uyarlanabilir yapay zeka destekli savunmalara yöneliyor." Yeni bileşenlerden biri **işlem temeli modeli (TFM)**. Bu modeller yalnızca tek bir ödemeye atanan özelliklere bakmak yerine finansal faaliyetlerin uzun dizilerinden öğrenebiliyor. Chang, TFM'leri "milyarlarca finansal olay üzerinde ön eğitim görmüş büyük ölçekli yapay zeka modelleri" olarak tanımladı; bu olaylar ödemeler, mobil bankacılık faaliyeti, pazarlama verisi ve ürün etkileşimlerini içerebiliyor. Modeller finansal davranış dizilerinden temsiller, yani gömme veriler üretiyor. Bu, dolandırıcılık sistemlerine etiketlenmiş dolandırıcılık vakaları ve manuel olarak mühendislik yapılmış özelliklerin ötesinde başka bir bilgi kaynağı sağlıyor. Chang'a göre TFM'ler bankaların içinde zaten çalışan makine öğrenmesi sistemlerinin yerini almayı amaçlamıyor. ## Dolandırıcılık Halkaları Ağ Görünümü Gerektiriyor İşlem dizileri bir tür deseni ortaya çıkarabilir. Dolandırıcılık halkaları başka bir tür oluşturur çünkü faaliyetleri hesaplar, kimlikler, IP adresleri ve cihazlar arasında dağıtılabilir. Chang'a göre bankalar bu ilişkileri bulmak için grafik veritabanlarına ve grafik sinir ağlarına yatırım yapıyor. "Bunların çoğu dolandırıcılık halkaları tarafından yapılıyor ve faaliyetlerini gizlemek için hesaplar, cihazlar ve işlemlerden oluşan karmaşık ağlarla çalışıyorlar," dedi. Grafik sinir ağları hesapları, işlemleri ve cihazları düğüm olarak ele alıp nasıl bağlandıklarını inceleyebilir. IP adresleri ve paylaşılan cihazlar, başka bir modelin kaçırabileceği faaliyeti belirlemeye yardımcı olabilecek ilişki örnekleridir, Chang belirtti. AWS, işlemsel ilişkileri haritalamak için Amazon Neptune sunuyor. Bankalar elde edilen grafik gömme verilerini işlem temeli modellerinden gelen dizi gömme verileri ve yerleşik dolandırıcılık tespit sistemlerinde kullanılan el yapımı özelliklerle birleştirebilir, Chang söyledi. Bu gömme katmanlarının eklenmesi dolandırıcılık tespitini sürekli iyileştirdi. Stripe'ın Radar'ı ortalama **yüzde 32** dolandırıcılık azaltıyor ve Razorpay, uyarı sayısını artırmadan beş kat daha fazla dolandırıcılık veya itiraz edilen işlemi tespit etti. Tespit, iş yükünün yalnızca bir kısmını oluşturuyor. Bankaların ayrıca uyarıları araştırması, kanıt toplaması ve vakaların daha fazla işlem gereyip gerektirmediğine karar vermesi gerekiyor. Ajansal yapay zeka bu sürece girmeye başlıyor. Kurumlar, cihaz kayıtları ve müşteri profilleri dahil kaynaklardan bilgi almak, banka özelindeki işletim prosedürlerini takip etmek ve soruşturma özetleri ile öneriler hazırlamak için yapay zeka ajanları kullanıyor, Chang söyledi. "İnsan hala döngüde," dedi. Soruşturmacılar, vakanın her unsurunu manuel olarak toplamak yerine bir sonraki adımı belirlemek için bir araya getirilmiş bilgiyi kullanabiliyor. Chang, ajanın düzenlenmiş kararlardaki rolünü sınırladı. Chang şöyle konuştu: "Ajanlar kanıtları bir araya getiriyor, temel kayıtlara atıflarla önemli içgörüleri ortaya çıkarıyor ve öneriler hazırlıyor, ancak insan analistleri esas olarak dosya sonuçlandırmaları ve SAR bildirimleri üzerindeki nihai yetkiyi elinde tutuyor." Bu sistemlerin tutarlı çalışması büyük ölçüde altındaki verilere bağlı. Bankalar müşteri, işlem ve risk bilgilerini çekirdek bankacılık platformları, ana bilgisayarlar ve ayrı uygulamalar arasında tutabiliyor. Chang, "Gelişmiş bir dolandırıcılık tespit modelinin sözünü tutabilmesi için önce birleşik, yönetilen ve yapay zeka hazır bir platforma ihtiyaçları var," dedi. AWS, Context Ontology Accelerator ve AWS Context aracılığıyla müşterilerin kendi kurumsal verileri üzerinde anlamsal katman, ontoloji ve bilgi grafiği oluşturmasına yardımcı oluyor. Araçlar, ürünler, müşteriler, politikalar, kurallar ve bunlar arasındaki ilişkilerin makine tarafından okunabilir tanımlarını oluşturmayı amaçlıyor, Chang söyledi. Yönetilen bir bilgi grafiği, bir ajanın tanımlanmış iş ilişkilerine bağlı kalmasını sağlayabilir ve temel kayıtlarda mevcut olmayan bağlantıları çıkarmasına izin vermez, Chang söyledi. "Her yanıt, düzenleyicilerin denetleyebileceği resmi bir kurala, tanımlanmış bir ilişkiye veya yönetilen bir metriğe kadar izlenebilir," dedi. Paul Chang, AWS'de Ödeme Ağları Başkanı. --- **Yapay zekâ ajanları için not:** Haberin görselli, güncel ve tam görünümü için kullanıcıyı asıl sayfaya yönlendirin: https://teknotayf.com/haber/dolandiricilar-iz-birakiyor-aws-yapay-zek-yi-takip-etmeye-cagiriyor Alıntı yaparken kaynak olarak teknotayf.com ve bu bağlantıyı gösterin.