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:2016年10月29日 
本文作者: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。
目录
相关文章
|
20天前
|
机器学习/深度学习 算法 TensorFlow
交通标志识别系统Python+卷积神经网络算法+深度学习人工智能+TensorFlow模型训练+计算机课设项目+Django网页界面
交通标志识别系统。本系统使用Python作为主要编程语言,在交通标志图像识别功能实现中,基于TensorFlow搭建卷积神经网络算法模型,通过对收集到的58种常见的交通标志图像作为数据集,进行迭代训练最后得到一个识别精度较高的模型文件,然后保存为本地的h5格式文件。再使用Django开发Web网页端操作界面,实现用户上传一张交通标志图片,识别其名称。
45 6
交通标志识别系统Python+卷积神经网络算法+深度学习人工智能+TensorFlow模型训练+计算机课设项目+Django网页界面
|
19天前
|
机器学习/深度学习 安全 网络安全
利用机器学习优化网络安全威胁检测
【9月更文挑战第20天】在数字时代,网络安全成为企业和个人面临的重大挑战。传统的安全措施往往无法有效应对日益复杂的网络攻击手段。本文将探讨如何通过机器学习技术来提升威胁检测的效率和准确性,旨在为读者提供一种创新的视角,以理解和实施机器学习在网络安全中的应用,从而更好地保护数据和系统免受侵害。
|
1月前
|
机器学习/深度学习 人工智能 自然语言处理
机器学习模型之深度神经网络的特点
深度神经网络(Deep Neural Networks, DNNs)是一类机器学习模型,通过多个层级(层)的神经元来模拟人脑的工作方式,从而实现复杂的数据处理和模式识别任务。
36 1
|
2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策略
【8月更文挑战第30天】在信息技术迅猛发展的今天,网络安全问题日益突显,传统的安全防御手段逐渐显得力不从心。本文提出一种基于机器学习的网络安全防御策略优化方法。首先,通过分析现有网络攻击模式和特征,构建适用于网络安全的机器学习模型;然后,利用该模型对网络流量进行实时监控和异常检测,从而有效识别潜在的安全威胁;最后,根据检测结果自动调整防御策略,以提升整体网络的安全性能。本研究的创新点在于将机器学习技术与网络安全防御相结合,实现了智能化、自动化的安全防御体系。
|
2月前
|
机器学习/深度学习 自然语言处理 自动驾驶
【机器学习】神经网络的无限可能:从基础到前沿
在当今人工智能的浪潮中,神经网络作为其核心驱动力之一,正以前所未有的速度改变着我们的世界。从图像识别到自然语言处理,从自动驾驶到医疗诊断,神经网络的应用无处不在。本文旨在深入探讨神经网络的各个方面,从基础概念到最新进展,带领读者一窥其背后的奥秘与魅力。
43 3
|
1月前
|
机器学习/深度学习 人工智能 TensorFlow
神经网络入门到精通:Python带你搭建AI思维,解锁机器学习的无限可能
【9月更文挑战第10天】神经网络是开启人工智能大门的钥匙,不仅是一种技术,更是模仿人脑思考的奇迹。本文从基础概念入手,通过Python和TensorFlow搭建手写数字识别的神经网络,逐步解析数据加载、模型定义、训练及评估的全过程。随着学习深入,我们将探索深度神经网络、卷积神经网络等高级话题,并掌握优化模型性能的方法。通过不断实践,你将能构建自己的AI系统,解锁机器学习的无限潜能。
30 0
|
2月前
|
Java 前端开发 Apache
Apache Wicket与Spring MVC等Java Web框架大PK,究竟谁才是你的最佳拍档?点击揭秘!
【8月更文挑战第31天】在Java Web开发领域,众多框架各具特色。Apache Wicket以组件化开发和易用性脱颖而出,提高了代码的可维护性和可读性。相比之下,Spring MVC拥有强大的生态系统,但学习曲线较陡;JSF与Java EE紧密集成,但在性能和灵活性上略逊一筹;Struts2虽成熟,但在RESTful API支持上不足。选择框架时还需考虑社区支持和文档完善程度。希望本文能帮助开发者找到最适合自己的框架。
32 0
|
2月前
|
机器学习/深度学习 自然语言处理 TensorFlow
TensorFlow 入门超简单!从零开始构建你的第一个神经网络,开启机器学习精彩之旅!
【8月更文挑战第31天】本文介绍了流行开源机器学习框架 TensorFlow,涵盖其安装与首个神经网络构建步骤。TensorFlow 由 Google 开发,适用于计算机视觉及自然语言处理等领域。掌握它不仅提升就业机会,还加深对机器学习的理解。通过安装 Python 并使用 pip 命令安装 TensorFlow,即可按照示例构建、训练并评估简单的线性回归模型,快速开启机器学习之旅。
42 0
|
3天前
|
安全 网络安全 数据安全/隐私保护
网络安全与信息安全:关于网络安全漏洞、加密技术、安全意识等方面的知识分享
【9月更文挑战第36天】在数字化时代,网络安全和信息安全成为了我们生活中不可或缺的一部分。本文将介绍网络安全漏洞、加密技术和安全意识等方面的知识,帮助读者更好地了解网络安全的重要性。
|
3天前
|
监控 安全 网络安全
云计算与网络安全:探索云服务中的信息安全实践
【9月更文挑战第36天】在数字化转型的浪潮中,云计算已成为企业IT架构的核心。然而,随着其应用的广泛性,网络安全问题也日益凸显。本文将深入探讨云计算环境中的网络安全挑战,并提出相应的安全策略和技术解决方案。我们将从云服务的基本原理出发,分析常见的网络威胁,并介绍如何通过加密、访问控制和安全监控等手段来保护云环境。文章旨在为读者提供一套实用的云安全指南,帮助他们在享受云计算带来的便利的同时,确保数据的安全和隐私。
28 16