机器学习将成为对抗蜂窝网络欺诈的秘密武器

简介:

欺诈是蜂窝网络市场中的一个大问题,而机器学习可能会是解决这个问题的一个全新方案。通信欺诈控制协会(CFCA)的2015年全球欺诈损失调查(2015 Global Fraud Loss Survey)显示,对蜂窝网络的欺诈性使用让整个行业一年的损失大概是380亿美元。

机器学习将成为对抗蜂窝网络欺诈的秘密武器

CFCA表示,欺诈者使用包括PBX黑客、订阅欺诈、经销商欺诈、服务滥用和账户接管等方法盗窃服务供应商。

卡内基.梅隆大学的电子及计算机工程系副研究教授及智能和高性能系统实验室主任Ole J. Mengshoel表示,目前业内的欺诈监测方法依赖于预先设置量和频率阀值的静态规则。

Mengshoel撰写了一篇关于该主题的研究论文,他在论文中写道,“这意味着他们只能监测符合已知特征的欺诈类型。”他表示,“欺诈专家不断努力工作以发现新的欺诈类型,但是现代网络攻击发展的速度远比分析人员编写监测欺诈规则的速度要快。”

自适应人工智能(AI)和机器学习能够帮助弥补这些弱点,并减少蜂窝服务市场中的欺诈行为。

Mengshoel表示,“Facebook、谷歌和LinkedIn之类的创新者率先使用大数据和机器学习等方法来保护他们的订阅用户,并获得洞察力。” Mengshoel表示,“新的机器学习方法建立在这样一种看法之上:只有使用大规模采用机器学习才能够实时监测出异常状况。”

Mengshoel表示,监管和非监管机器学习的结合让分析大量数据并向欺诈分析人员发出警报的时间缩短到了几秒之内。市场上已有的产品结合了大数据的深度包检测、监管和非监管机器学习以实时完成针对欺诈、异常流量和其他网络行为网络分析。

Mengshoel表示,“它们实时的测试将成就那些能够完成数据平面以及语音网络的网络分析的供应商。流量越来越多,因此也有越来越多的欺诈发生在数据平面上。”

卡内基.梅隆大学和Argyle Data(一家为移动供应商提供大数据/机器学习分析技术的供应商)的研究报告介绍了如何利用实时异常监测实现近乎实时的欺诈识别。

这份报告展示了当前的解决方案在解决数据平面上的问题是如何无能为力,以及为什么获得数据使用特征的可见性在未来将是至关重要的。因为大量的数据流经电信网络,大数据分析的能力以及使用高级机器学习分析这些数据的能力至关重要。

在他们的研究中,Mengshoel和合著者David Staub——Argyle Data的一位数据科学家——验证了一种监管和非监管的基于机器学习的方法,这种方法能够自动学习如何根据使用数据区分正常和异常呼叫模式。

欺诈解决方案不会很快就出现。正如论文中所指出的那样,对蜂窝网络的欺诈或不可接受的使用对网络用户和运营商来说,都是越来越严重的威胁,而且欺诈方式还在不断地发展变化。在这种环境下,该报告指出,需要一种复杂的、自适应的方法来识别犯罪活动。


原文发布时间为:原文发布时间为:

本文作者:李超

本文来自云栖社区合作伙伴至顶网,了解相关信息可以关注至顶网。

本文作者:

本文来自云栖社区合作伙伴至顶网,了解相关信息可以关注至顶网。

相关文章
|
5月前
|
机器学习/深度学习 安全 算法
利用机器学习优化网络安全防御机制
【2月更文挑战第23天】 在数字化时代,网络安全已成为维护信息完整性、保障用户隐私的关键挑战。随着攻击手段的日益复杂化,传统的防御策略逐渐显得力不从心。本文通过引入机器学习技术,探索其在网络安全防御中的应用及优化路径。首先,概述了当前网络安全面临的主要威胁和机器学习的基本概念;其次,分析了机器学习在识别恶意行为、自动化响应等方面的潜力;最后,提出了一个基于机器学习的网络安全防御框架,并通过案例分析展示了其有效性。本研究旨在为网络安全领域提供一种创新的防御思路,以适应不断演变的网络威胁。
95 2
|
4月前
|
机器学习/深度学习 数据采集 运维
智能之网:深度学习在网络安全防御中的应用
随着网络攻击手段的日益复杂化,传统的安全防御措施已难以应对新型威胁。深度学习技术因其在数据处理和模式识别方面的强大能力,被广泛应用于网络安全领域。本文将探讨深度学习如何革新网络安全防御机制,包括其工作原理、应用实例及面临的挑战与未来发展方向。
|
5月前
|
机器学习/深度学习 安全 网络安全
利用机器学习优化数据中心能效的研究数字堡垒的构建者:网络安全与信息安全的深层探索
【5月更文挑战第29天】在云计算和大数据时代,数据中心的能效问题成为关键挑战之一。本文通过集成机器学习技术与现有数据中心管理策略,提出了一种新型的智能优化框架。该框架能够实时分析数据中心的能耗模式,并自动调整资源分配,以达到降低能耗的目的。研究结果表明,应用机器学习算法可以显著提升数据中心的能源使用效率,同时保持服务质量。
|
5月前
|
机器学习/深度学习 自动驾驶 安全
基于深度学习的图像识别技术在自动驾驶系统中的应用网络安全与信息安全:防御前线的关键技术与意识
【4月更文挑战第30天】随着人工智能技术的飞速发展,深度学习已成为推动多个技术领域革新的核心力量。特别是在图像识别领域,深度学习模型已展现出超越传统算法的性能。在自动驾驶系统中,准确的图像识别是确保行车安全和高效导航的基础。本文将探讨深度学习在自动驾驶中图像识别的应用,分析关键技术挑战,并提出未来的发展方向。
|
机器学习/深度学习 人工智能 自然语言处理
机器学习系统面临的安全攻击及其防御技术研究
近年来,随着当今计算机与相关通讯技术领域的技术高速化发展、数据量规模的呈现爆发式高速增长,以及个人计算机数据运算整合能力等的需求逐步的提升,基于机器学习技术发展的新一代人工智能应用得到奠定了人工智能长足地发展进步的理论基础。
289 0
|
机器学习/深度学习 智能设计 安全
bioRxiv|利用机器智能设计抗新型冠状病毒药物
bioRxiv|利用机器智能设计抗新型冠状病毒药物
249 0
bioRxiv|利用机器智能设计抗新型冠状病毒药物
|
机器学习/深度学习 人工智能 监控
AI对抗冠状病毒爆发的11种方式
AI对抗冠状病毒爆发的11种方式
168 0
AI对抗冠状病毒爆发的11种方式
|
机器学习/深度学习 人工智能 自然语言处理
AI和机器学习时代 如何对抗新的网络威胁
需要渗透测试服务出现了一个世纪以来时,在系统的攻击变得频繁。许多公司开始丢失其敏感数据,从而以最坏的方式影响了客户。敏感数据的丢失恰恰是我们何时(以及为什么)看到另一个技术行业兴起的时候。
500 0
AI和机器学习时代 如何对抗新的网络威胁
|
人工智能
【AI版狄仁杰】爱丁堡大学团队教AI识别犯罪剧中的罪犯,正确率达60%仍不及人类
爱丁堡大学的研究人员通过《犯罪现场调查》系列电视剧的相关视频、音频和文本训练AI,测试AI能否准确识别每集中的罪犯。在每集电视剧结束前10分钟,AI达到了60%的识别准确率,而人类的准确率达85%。
4027 0
|
机器学习/深度学习 人工智能 运维
下一篇
无影云桌面