論文の概要: Fraud Analytics Using Machine-learning & Engineering on Big Data (FAME)
for Telecom
- arxiv url: http://arxiv.org/abs/2311.00724v1
- Date: Tue, 31 Oct 2023 05:47:35 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-03 16:21:04.479203
- Title: Fraud Analytics Using Machine-learning & Engineering on Big Data (FAME)
for Telecom
- Title(参考訳): 通信用ビッグデータ(FAME)における機械学習とエンジニアリングを用いたフラッド分析
- Authors: Sudarson Roy Pratihar, Subhadip Paul, Pranab Kumar Dash, Amartya Kumar
Das
- Abstract要約: 通信業界は詐欺により全世界で4630億USDを失った。
データマイニングや機械学習技術は過去にも使われてきたが、不正パターンが急速に変化するにつれて効率は低下している。
本稿では,自己適応型データマイニング技術を用いた産業化ソリューションと,不正検出のためのビッグデータ技術の適用について述べる。
- 参考スコア(独自算出の注目度): 0.30723404270319693
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Telecom industries lose globally 46.3 Billion USD due to fraud. Data mining
and machine learning techniques (apart from rules oriented approach) have been
used in past, but efficiency has been low as fraud pattern changes very
rapidly. This paper presents an industrialized solution approach with self
adaptive data mining technique and application of big data technologies to
detect fraud and discover novel fraud patterns in accurate, efficient and cost
effective manner. Solution has been successfully demonstrated to detect
International Revenue Share Fraud with <5% false positive. More than 1 Terra
Bytes of Call Detail Record from a reputed wholesale carrier and overseas
telecom transit carrier has been used to conduct this study.
- Abstract(参考訳): 通信業界は詐欺により全世界で4630億米ドルを失った。
データマイニングと機械学習技術(ルール指向のアプローチの一部)はこれまでも使用されてきたが、不正パターンが急速に変化するにつれ、効率は低下している。
本稿では, 自己適応型データマイニング技術とビッグデータ技術の応用による, 不正検出と新たな不正パターンの発見を, 正確, 効率的, 費用対効果の両面から行う産業化ソリューションを提案する。
国際収益シェアフルートを5%の偽陽性で検出する手法が実証された。
この研究には、ホールセールキャリアと海外のテレコムトランジットキャリアから1テラバイト以上の通話詳細な記録が使用されている。
関連論文リスト
- The Frontier of Data Erasure: Machine Unlearning for Large Language Models [56.26002631481726]
大規模言語モデル(LLM)はAIの進歩の基礎となっている。
LLMは機密情報、偏見情報、著作権情報を記憶し、広めることによってリスクを生じさせる。
機械学習は、これらの懸念を軽減するための最先端のソリューションとして現れます。
論文 参考訳(メタデータ) (2024-03-23T09:26:15Z) - Deep Semi-Supervised Anomaly Detection for Finding Fraud in the Futures
Market [0.0]
本稿では,高頻度金融データにおける不正検出のための深部半教師付き異常検出技術であるDeep SADの有効性を評価することを目的とする。
我々は、モンローのTMX交換所からの独占的なリミットオーダーの帳簿データと、偽造の小さなラベル付き事例を用いて、Deep SADを評価する。
本研究では,少数のラベル付きデータを教師なし異常検出フレームワークに組み込むことで,その精度を大幅に向上できることを示す。
論文 参考訳(メタデータ) (2023-08-31T19:07:50Z) - Transaction Fraud Detection via an Adaptive Graph Neural Network [64.9428588496749]
本稿では,アダプティブサンプリングとアグリゲーションに基づくグラフニューラルネットワーク(ASA-GNN)を提案する。
ノイズの多いノードをフィルタリングし、不正なノードを補うために、隣のサンプリング戦略を実行する。
3つのファイナンシャルデータセットの実験により,提案手法のASA-GNNは最先端のデータセットよりも優れていることが示された。
論文 参考訳(メタデータ) (2023-07-11T07:48:39Z) - Credit Card Fraud Detection Using Asexual Reproduction Optimization [0.0]
提案手法は,必要なトレーニング時間を著しく削減できると同時に,不正検出問題において重要なリコールを増大させることができる。
その結果、AROは短時間で最高のコストを達成でき、その結果、リアルタイム不正検出システムとみなすことができることがわかった。
論文 参考訳(メタデータ) (2023-05-31T19:32:38Z) - Automatic Procurement Fraud Detection with Machine Learning [1.7767466724342065]
当社の寛大な共同オペレータである SF Express では,買収に関連するデータベースへのアクセスを,同社で2015年から2017年にかけて実施しています。
我々のチームは、機械学習技術が現在の中国市場でもっとも重大な犯罪の1つ、すなわち調達詐欺の監査にどのように役立つかを研究する。
それぞれの調達イベントを9つの特定の特徴として表現することにより、疑わしい調達を識別し、不正の種類を分類するニューラルネットワークモデルを構築する。
論文 参考訳(メタデータ) (2023-04-20T06:22:43Z) - Online Data Selection for Federated Learning with Limited Storage [53.46789303416799]
ネットワークデバイス間での分散機械学習を実現するために、フェデレートラーニング(FL)が提案されている。
デバイス上のストレージがFLの性能に与える影響はまだ調査されていない。
本研究では,デバイス上のストレージを限定したFLのオンラインデータ選択について検討する。
論文 参考訳(メタデータ) (2022-09-01T03:27:33Z) - On some studies of Fraud Detection Pipeline and related issues from the
scope of Ensemble Learning and Graph-based Learning [0.5820960526832067]
英国の反詐欺チャリティーであるFraud Advisory Panelは、詐欺のビジネスコストを1440億ドルと見積もっている。
効率的な不正検出システムの構築は、不均衡なデータや計算コストなど、多くの困難な問題のために困難である。
論文 参考訳(メタデータ) (2022-05-10T02:13:58Z) - Feature-Level Fusion of Super-App and Telecommunication Alternative Data
Sources for Credit Card Fraud Detection [106.33204064461802]
クレジットカード不正を早期に検出するための,スーパーアプリ顧客情報,携帯電話回線データ,従来型の信用リスク変数を融合した機能レベルの有効性について検討する。
クレジットカードのデジタルプラットフォームデータベースから約9万人のユーザを対象に,我々のアプローチを評価した。
論文 参考訳(メタデータ) (2021-11-05T19:10:35Z) - Relational Graph Neural Networks for Fraud Detection in a Super-App
environment [53.561797148529664]
スーパーアプリケーションの金融サービスにおける不正行為防止のための関係グラフ畳み込みネットワーク手法の枠組みを提案する。
我々は,グラフニューラルネットワークの解釈可能性アルゴリズムを用いて,ユーザの分類タスクに対する最も重要な関係を判定する。
以上の結果から,Super-Appの代替データと高接続性で得られるインタラクションを利用するモデルには,付加価値があることが示唆された。
論文 参考訳(メタデータ) (2021-07-29T00:02:06Z) - Approaches to Fraud Detection on Credit Card Transactions Using
Artificial Intelligence Methods [0.0]
本稿では,人工知能と機械学習技術を用いた不正検出の最先端のアプローチを要約する。
要約しながら、不均衡なデータセット、リアルタイム作業シナリオ、機能エンジニアリングの課題など、一般的な問題を分類します。
論文 参考訳(メタデータ) (2020-07-29T06:18:57Z) - SpotTheFake: An Initial Report on a New CNN-Enhanced Platform for
Counterfeit Goods Detection [68.8204255655161]
偽物取引は現在では世界貿易の3.3%以上を占めている。
本稿では,新しい偽物検出プラットフォームの設計と初期開発について述べる。
論文 参考訳(メタデータ) (2020-02-17T01:51:22Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。