文献

J-GLOBAL ID：201702263749522229   整理番号：17A1354298

逐次詐欺検出のための組合せクラスタ化法【Powered by NICT】

A combinatorial clustering method for sequential fraud detection

著者 (6件)： Yuqi Yu (School of Economics and Management, Beihang University, Beijing, China) ,  Xin Wan (National Computer Network Emergency Response Technical Team/Coordination Center of China, China) ,  Guannan Liu (School of Economics and Management, Beihang University, Beijing, China) ,  Hong Li (School of Economics and Management, Beihang University, Beijing, China) ,  Peng Li (National Computer Network Emergency Response Technical Team/Coordination Center of China, China) ,  Hao Lin (School of Economics and Management, Beihang University, Beijing, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICSSSM  ページ： 1-6  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 犯罪新しいタイプの通信詐欺は近年増加傾向を示している。しかし,このような不正行為を検出するためのデータマイニングの観点から研究は少なく,特に考慮行動配列であった。通信における呼詳細記録(CDR)は一般的にスナップショットが,発信/着信側の歴史を配列として扱うことができる。,歴史的呼び出し配列は良好な詐欺的挙動を示すことができた。,時系列のクラスタリング不正基を同定するための新しい方法を提供し,従って多次元配列のクラスタリングの問題に取り組まなければならない。この目的のために,本論文では,逐次データに対するコンビナトリアルクラスタリング法は,不正基を同定され,原因となる行動パターンを明らかにするために提示した。特に,歴史的CDRデータは1時間の時間間隔で多重配列に分割した。,いくつかの重要な特徴を選択し,動的時間ワーピング(DTW)と組み合わせたK-平均は各個別特徴と時系列データに対して実行した。最後に,個別特徴クラスタリング結果が最終結果にまとめた。実世界データセット上での実験を行い,手法の有効性を実証した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 犯罪 ,  高次元 ,  通信 ,  データマイニング ,  *クラスタ化 ,  多重化
準シソーラス用語： 時系列データ ,  時間間隔 ,  行動パターン ,  スナップショット ,  *詐欺 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  データ保護  (JD01020V)

タイトルに関連する用語 (3件)： 詐欺 ,  組合せ ,  クラスタ化