Aufdeckung von Betrug in der Telekom-Branche durch Data-Mining-Technologie

Analysten haben verschiedene Lösungen für die Bekämpfung falscher Bewegungen vorgeschlagen. In jedem Fall können diese Techniken bei der Aufdeckung von Erpressungen an Durchführbarkeit verlieren, da die Betrüger ihre Spuren im Allgemeinen ständig verbreiten, indem sie sich zwischen verschiedenen Medienübertragungsadministratoren hin und her bewegen. Außerdem müssen die Analysten aufgrund des Fehlens echter Informationen Reproduktionen in einer virtuellen Situation durchführen, was ihre Modelle und Ergebnisse weniger leistungsfähig macht. In unserer früheren Arbeit haben wir ein neuartiges System mit hoher Präzision und Sicherheit durch die Zusammenarbeit zwischen vielseitigen Medienübertragungs-Verwaltern vorgeschlagen. In dieser ursprünglichen Kopie werden wir es in einer echten Situation unter Verwendung echter Call Detail Records (CDR) Daten überprüfen. Wir wenden das Latent Dirichlet Allocation (LDA) Modell an, um Kundenprofile zu erstellen. Dann verwenden wir eine Strategie, die von der maximalen mittleren Diskrepanz (MMD) abhängt, um die Streuung der Tests mit mäandernden Betrügern zu vergleichen. Die Teilnahme zwischen Medienübertragungsadministratoren kann die Erkennungsgenauigkeit verbessern, während die potenzielle Gefahr eines Schutzverlustes besteht. Ein Verfahren, das auf Differential Privacy (DP) basiert, wird verwendet, um dieses Problem zu lösen.