本文主要研究内容
作者刘枭,王晓国（2019）在《基于密集子图的银行电信诈骗检测方法》一文中研究指出：目前银行对电信诈骗的标记数据积累少,人工标记数据的代价大,导致电信诈骗检测的有监督学习方法可使用的标记数据不足。针对这个问题,提出一种基于密集子图的无监督学习方法用于电信诈骗的检测。首先,通过在账户-资源(IP地址和MAC地址统称为资源)网络搜索可疑度较高的子图来识别欺诈账户;然后,设计了一种符合电信诈骗特性的子图可疑度量;最后,提出一种磁盘驻留、线性内存消耗且有理论保障的可疑子图搜索算法。在两组模拟数据集上,所提方法的F1-score分别达到0.921和0.861,高于CrossSpot、fBox和EvilCohort算法,与M-Zoom算法的0.899和0.898相近,但是所提方法的平均运行时间和内存消耗峰值均小于M-Zoom算法;在真实数据集上,所提方法的F1-score达到0.550,高于fBox和EvilCohort算法,与M-Zoom算法的0.529相近。实验结果表明,所提方法能较好地应用于现阶段的银行反电信诈骗业务,且非常适合于实际应用中的大规模数据集。
Abstract
mu qian yin hang dui dian xin zha pian de biao ji shu ju ji lei shao ,ren gong biao ji shu ju de dai jia da ,dao zhi dian xin zha pian jian ce de you jian du xue xi fang fa ke shi yong de biao ji shu ju bu zu 。zhen dui zhe ge wen ti ,di chu yi chong ji yu mi ji zi tu de mo jian du xue xi fang fa yong yu dian xin zha pian de jian ce 。shou xian ,tong guo zai zhang hu -zi yuan (IPde zhi he MACde zhi tong chen wei zi yuan )wang lao sou suo ke yi du jiao gao de zi tu lai shi bie qi zha zhang hu ;ran hou ,she ji le yi chong fu ge dian xin zha pian te xing de zi tu ke yi du liang ;zui hou ,di chu yi chong ci pan zhu liu 、xian xing nei cun xiao hao ju you li lun bao zhang de ke yi zi tu sou suo suan fa 。zai liang zu mo ni shu ju ji shang ,suo di fang fa de F1-scorefen bie da dao 0.921he 0.861,gao yu CrossSpot、fBoxhe EvilCohortsuan fa ,yu M-Zoomsuan fa de 0.899he 0.898xiang jin ,dan shi suo di fang fa de ping jun yun hang shi jian he nei cun xiao hao feng zhi jun xiao yu M-Zoomsuan fa ;zai zhen shi shu ju ji shang ,suo di fang fa de F1-scoreda dao 0.550,gao yu fBoxhe EvilCohortsuan fa ,yu M-Zoomsuan fa de 0.529xiang jin 。shi yan jie guo biao ming ,suo di fang fa neng jiao hao de ying yong yu xian jie duan de yin hang fan dian xin zha pian ye wu ,ju fei chang kuo ge yu shi ji ying yong zhong de da gui mo shu ju ji 。
论文参考文献
论文详细介绍
论文作者分别是来自计算机应用的刘枭,王晓国，发表于刊物计算机应用2019年04期论文，是一篇关于电信诈骗论文,无监督学习论文,欺诈检测论文,密集子图论文,贪心算法论文,计算机应用2019年04期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自计算机应用2019年04期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：电信诈骗论文; 无监督学习论文; 欺诈检测论文; 密集子图论文; 贪心算法论文; 计算机应用2019年04期论文;