基于启发式感知机器学习的流媒体服务滥用与欺诈检测
机器学习
2022-03-07 v1 人工智能
摘要
本工作通过建模用户流媒体行为，提出了一种面向流媒体服务的欺诈与滥用检测框架。其目标是发现异常和可疑事件，并通过创建表征用户行为的模型来扩展调查工作。我们研究了半监督与监督方法在异常检测中的使用。在半监督方法中，仅利用一组已认证的无异常数据样本，我们展示了使用一类分类算法以及自编码器深度神经网络进行异常检测。在监督异常检测任务中，我们提出了一种所谓的启发式感知数据标注策略，用于创建带标签的数据样本。我们执行二分类以及多类多标签分类任务，不仅用于检测异常样本，还用于识别与每个样本相关的潜在异常行为。最后，通过系统的特征重要性研究，我们提供了表征不同流媒体欺诈类别的底层特征集的见解。据我们所知，这是首篇将机器学习方法用于真实规模流媒体服务中欺诈与滥用检测的论文。
引用
@article{arxiv.2203.02124,
title = {Abuse and Fraud Detection in Streaming Services Using Heuristic-Aware Machine Learning},
author = {Soheil Esmaeilzadeh and Negin Salajegheh and Amir Ziai and Jeff Boote},
journal= {arXiv preprint arXiv:2203.02124},
year = {2022}
}