橙色硅谷

利用神经网络制止电信欺诈

检测SIM卡盒欺诈实例

奥兰治硅谷是奥兰治的海湾地区。世界领先的电信运营商之一,服务于29个国家的2.5亿客户。每周,数百起欺诈事件发生在其网络上,年收入损失数亿。为了对抗这一点,Orange使用人工智能识别和预测欺诈案件。

总结

Orange Silicon Valley正在与Skymind合作,防止其移动网络上的用户身份模块盒(SIM盒)欺诈。使用一个叫做自动编码器的人工神经网络,Orange Silicon Valley分析呼叫详细记录(CDR)以找出识别欺诈的模式。神经网络预测一个实例有欺诈的可能性。如果静态规则系统根据预先确定的决策树将案例标记为可能的欺诈或非欺诈,ANN使Orange的分析师能够自适应地优先处理高概率的SIM卡诈骗案件。

SIM箱欺诈

在世界范围内,移动网络运营商由于其网络上的欺诈活动,每年损失数十亿美元的收入。语音流量终止欺诈,也称为SIM盒欺诈或互联旁路欺诈,尤其是在全球范围内,如果跨越国界执行可能很困难。

SIM卡盒通常用作VoIP网关的一部分,允许通过Internet接收和传输呼叫。欺诈性的SIM卡盒劫持国际语音电话,并通过互联网将其传输到移动设备,然后返回到蜂窝网络。

因此,这些呼叫似乎是本地的,因此中间网络和目标网络的蜂窝运营商不会收到长途呼叫路由和终止的付款。

除了造成财务损失外,SIM卡盒会使手机发射塔过载,降低语音通话质量,从而对电话服务产生负面影响,使客户不满意,损害服务商的声誉。

大海捞针

移动设备的数量和移动通信量的不断增加,使得检测SIM卡盒欺诈非常具有挑战性。此外,欺诈性SIM卡盒的模式和特征与合法设备的模式和特征非常相似,例如蜂窝网络探测器。检测欺诈的SIM盒就像在一个巨大的草堆中寻找几根针——一个草堆中的针不断地改变它们的外观,使其更接近干草。

由于数据量巨大,使用大数据框架来存储cdr,深入学习是增强当前欺诈检测系统的自然选择。

与Skymind合作,奥兰治硅谷已经实现了一个人工神经网络自动编码器,学习模式和发现异常活动。根据欺诈概率对客户尽职调查进行排名,Orange的分析师可以优先处理异常值,而不是筛选数百个客户尽职调查中的欺诈案例。也就是说,自动编码器可以减少误报的时间浪费。更好的是,自动编码器可以从正在进行的数据流中学习,自动适应欺诈者采用的新策略。快速的,响应式适应是深度学习技术的主要优势。

未来

橙色硅谷目前已经积累了数亿个未标记的cdr。在大量的数据中,通常将欺诈与合法活动区分开来的细微差别,仅通过功能工程很难发现;静态规则通常会抛出太宽的网,导致假阳性,或者依赖于严重偏离规范的活动。

未来,奥兰治硅谷的分析师们将策划一个有标签的数据集,该数据集将一些客户尽职调查认定为欺诈或合法的。然后,这些标记的数据将被用于构建一个受监督的分类器,该分类器将继续训练神经网络,以对欺诈做出更加精细的预测。

继续阅读

异常检测

在大规模并行硬件上自动学习新数据。

查看案例研究→

推荐系统

根据浏览和购买行为创建个性化建议

查看案例研究→

免费咨询

与我们的企业机器学习专家安排30分钟的演示和问答。

请求演示