于晓强外文翻译修订版 2.docVIP

专家系统与应用 私人设计的专家系统在电信网络欺诈中的应用 Constantinos S. Hilas Dept. of Informatics and Communications, Technological Educational Institute of Serres, Terma Magnisias, Serres, GR-621 24, Greece 文章信息 关键词： 欺诈检测 用户建模 专家系统 电信领域 数据挖掘应用 摘要 电信诈骗不仅给电信服务提供商的accountings带来负担，并且给个人用户也带来负担。后者的影响尤其体现在欺诈者以合法账户进行叠加欺诈的情况下。而这些案件在用户投诉后，通常被确定为额外计费。然而，一些大公司或其他机构的内部网络，叠加欺诈可能一段时间未被发现。本论文涉及到电信诈骗大型企业的处所的检测。重点是鉴于对叠加欺诈检测。而专家系统正是解决这一问题的关键，该系统既包含了网络管理员的建设袭击又包含了数据挖掘技术在现实世界的应用程序派生出的专业知识和数据。 1. 介绍 电信诈骗可以简单地描述为任何没有获得电讯服务活动支付意愿的诈骗活动（戈塞特和海仑，1999）。 这种欺诈行为的某些特性，使得它尤其为欺诈者所吸引。最主要的是，本土化的危险很小。这是因为所有操作都是从远处进行的，这从远处看,因为所有操作都执行相结合混乱的拓扑结构和网络的大小本地化的过程耗时和昂贵的。 此外没有特别复杂的设备是必要的。甚至可以用社会工程学的方法来获取存取码，使得品牌收购诈骗成为可行的实施。最后，远程的商品通信欺诈，有时一个电话，就可直接转换为金钱（霍思，1998）。 几类电信诈骗已被重新移植。 主要有技术欺诈，合同欺诈，黑客欺诈和舞弊程序（戈塞特＆海兰，1999）。 技术，合同和程序上的欺诈通常给电信服务供应商带来负担而黑客的造假也会危害订阅者。后者中的叠加形式可能会发生在欺诈者（黑客）使用服务时，给用户和他的帐户带来负担。所有的诈骗案件实际上可以被看作是欺诈案例，这都是通过接入网络获得的。定制的检测技术使得一个案例中可能无法检测其它类型的欺诈行为。 例如，速度陷阱，它可以识别使用克隆的手机，将无法检测到合同欺诈的案例。所以，欺诈检测着重于用户的活动的分析。相关的方法分为两个主要类别：绝对分析和微分。 第一个搜索法律之间的限制和欺诈行为,而第二个尝试检测极限用户行为的变化。在这两种情况下，分析的实现通过统计和概率论方法，神经网络方法和以规则为基础的系统。 在Moreau and Vandewalle (1997)过量使用指标是会被批评，因为他们可能不仅意味着欺诈，但他们也可能指向最好的客户。 Taniguchi, Haft, Hollmen, and Tresp (1998）给出了概率方法与使用规则的比较。在1999年，Fawcett and Provost (1997) ，提出的规则组合和轮廓提取，以便及时发现欺诈行为。 他们的系统的输出通过训练有素的线性模型相结合以生产吗警报。从使用的报告令人得到了很好的结果，而该出口导出C4.5算法的一个变种规则 (Rosset,Murad, Neumann, Idan, Pinkas, 1999)。阿尔维斯等人提出了两个基于签名的，针对叠加诈骗的概念异常检测方法（阿尔维斯等人，2006。 ）。 该相应的特征提取方法是dealed与 董等。 （2004）完成的 。在以前的工作中（Hilas＆Sahalos，2006），笔者总结到一个用户行为的表征本文件的模型通过概念异常检测方法，给出了很好的效果叠加。 专家系统在欺诈检测中的应用有两种尚未公布或以不同名字出现的情况（辽的统称，2005）最常见的一种是数据挖掘“。 入侵检测计算机系统（ 杰克逊，杜波依斯，和飞虱，灵斯，1991; 赛百灵，Shellhouse，汉纳，与怀特赫斯特，1988），用户分析信用卡欺诈检测（Kokinnaki，1997），自动保险欺诈（ Belhadji＆迪翁，1997 ），或消费者行为分析（ Adomavicius＆Tuzhilin 1999 ）。 最近的一些出版物会提出结合数据挖掘和专家系统方法，促进电信COM流失预测（ 魏和赵， 2002年幸媛洪... [日元，2006）及认购欺诈检测（埃斯特韦斯，持有，与佩雷斯，2006年）。 在本文中基于规则的专家系统介绍其目的是叠加的诈骗案件中的检测电信网络的大型组织。 规则是：使用网络管理员的专业知识由双方诱导边缘运用真实世界的数据的数据挖掘方法。摘要收益如下： 在下一章中在te