Oct, 2023

基于大数据的机器学习和工程的电信欺诈分析

PDF
TL;DR电信行业因欺诈而在全球范围内损失了 463 亿美元。本文提出了一种工业化的解决方案，采用自适应数据挖掘技术和大数据技术来准确、高效和具有成本效益地检测欺诈，并发现新的欺诈模式。该解决方案已成功地检测出少于 5% 的虚假阳性的国际收入分成欺诈。本研究使用了一家有声望的批发运营商和海外电信中转运营商超过 1TB 的通话详单记录。
发现论文，激发创造
  • 基于数据挖掘的欺诈检测研究综述

    该论文对过去 10 年内关于自动化欺诈检测的技术和综述文章进行了分类、比较和总结。它定义了专业欺诈者，形式化了已知欺诈的主要类型和子类型，并呈现了受影响行业内所收集的数据证据的性质。在挖掘数据以实现更高成本节约的业务环境中，该研究提出了方法和技术，以及它们的问题。与所有相关的欺诈检测综述相比，该综述涵盖了更多的技术文章，并且是我们所知道的唯一一个提出了相关领域的替代数据和解决方案。

    Sep, 2010

  • 基于通话详单的移动蜂窝网络异常检测与流量预测

    利用大数据分析和机器学习技术，研究移动网络中成千上万的呼叫详单数据来检测网络中的异常活动，通过使用神经网络模型来训练无异常的数据，使用 ARIMA 模型来预测未来交通，因此提高了模型的预测精度。

    Jul, 2018

  • 使用 Bfloat 16 在信用卡欺诈检测中训练机器学习算法以增加可扩展性的新方法

    本研究着重研究使用机器学习检测银行信用卡欺诈的可扩展性。我们比较了现有的机器学习算法和方法与新提出的技术，并证明采用较少的比特数来训练机器学习算法将导致一个更具可扩展性，时间和成本更少的系统。

    Jun, 2022

  • 欺诈分析：十年研究 -- 领域中的挑战和解决方案

    本文系统分析了 2011 年至 2020 年间近 300 篇有关欺诈分析的研究文献，总结了应用领域、面临的挑战、方法和绩效度量，并提出了未来研究的关键词策略和数据集要求。此外，本文提供了一个在线数据库，以帮助其他研究者进行进一步的研究。

    Dec, 2022

  • 机器学习自动采购欺诈检测

    本文利用顺丰速运提供的 2015 至 2017 年采购数据库，通过构建 9 个特征的神经网络模型，进行了采购诈骗的分类与检测，并测试了超过 50000 个样本，证明了这些模型在采购欺诈检测方面是有用的。

    Apr, 2023

  • 期货市场欺诈的深度半监督异常检测

    使用深度半监督异常检测技术 Deep SAD，本研究旨在评估其在高频金融数据中检测欺诈行为的有效性，通过利用蒙特利尔的 TMX 交易所的专有限价订单簿数据和少量真实标记的欺诈实例，我们证明将少量标记数据融入无监督异常检测框架可以极大提高其准确性。

    Aug, 2023

  • 增强机器学习模型研究与评估的客户级诈骗活动检测基准

    为了推动机器学习研究并开发有效的反欺诈系统，欺诈检测领域需要全面且符合隐私规范的数据集。传统数据集往往关注交易级别的信息，忽视了对于检测复杂欺诈方案至关重要的更广泛的客户行为模式的背景。在这项研究中，我们引入了一个针对客户级欺诈检测的结构化数据集基准，不仅遵守严格的隐私指南以确保用户机密性，还通过封装以客户为中心的特征提供了丰富的信息源。通过这项工作，我们旨在弥补现有数据可用性方面的差距，为研究人员和实践者提供有价值的资源，推动下一代欺诈检测技术的发展。

    Apr, 2024

  • 可解释人工智能与基于因果推断的 ATM 诈骗检测

    使用机器学习技术和过采样技术来识别银行 ATM 诈骗交易，并引入可解释的人工智能和因果推断来进行进一步研究。

    Nov, 2022

  • 金融欺诈检测的文本数据挖掘：深度学习方法

    使用深度学习的方法对金融欺诈文本进行自然语言处理的二元分类任务，并且通过不同种类的神经网络模型，包括多层感知机、RNN、LSTM 和 GRU 等，进行了准确性比较，为金融欺诈检测领域提供了有价值的见解。

    Aug, 2023

  • 机器学习技术在大型移动用户数据集上的实际应用

    在这篇论文中，作者描述了从关系数据库管理系统（RDBMS）到分布式大数据分析平台的转变，这个平台适用于大规模机器学习和数据挖掘，利用通信服务提供商 (CSPs) 的大规模交易数据资产以及数据分析技术，用于服务个性化、预测建模和产品优化，而这种数据分析技术是实现对数据的利用和挖掘的关键。

    Feb, 2015