面向电信的基于大数据机器学习与工程的欺诈分析（FAME）
机器学习
2023-11-03 v1 人工智能
分布式、并行与集群计算
摘要
电信行业因欺诈全球损失 463 亿美元。过去除基于规则的方法外，已使用数据挖掘与机器学习技术，但因欺诈模式变化极快，效率低下。本文提出一种工业化解决方案，采用自适应数据挖掘技术并应用大数据技术，以准确、高效且经济的方式检测欺诈并发现新颖欺诈模式。该方案已成功演示检测国际收入分享欺诈，误报率 <5%。本研究使用了来自一家知名批发运营商及海外电信中转运营商的超 1 TB 呼叫详细记录。
引用
@article{arxiv.2311.00724,
title = {Fraud Analytics Using Machine-learning & Engineering on Big Data (FAME) for Telecom},
author = {Sudarson Roy Pratihar and Subhadip Paul and Pranab Kumar Dash and Amartya Kumar Das},
journal= {arXiv preprint arXiv:2311.00724},
year = {2023}
}
备注
Presented in International Conference in Indian Institute of Management, Bangalore, India