Sistema de detección de patrones de fraude con redes neuronales en la Provincia De Los Rios y su insidencia en la telefonia celular, año 2015

Loading...
Thumbnail Image
Date
2015
Journal Title
Journal ISSN
Volume Title
Publisher
Quevedo: UTEQ
Abstract
En este trabajo de investigación está originado por el incremento de las acciones fraudulentas y las pérdidas de los operadores de telefonía a nivel mundial, principalmente en la telefonía móvil. Por esta razón se propone un método para la detección del fraude y anomalías en redes telefónicas celulares mediante la utilización de redes neuronales, usando como principal fuente de información los registros de las llamadas telefónicas. Se crean perfiles de usuario, con los que se hace un análisis diferencial para detectar cambios en los patrones de consumo de los clientes y así generar alarmas ante posibles fraudes; persiguiéndose resultados satisfactorios en cuanto a la eficiencia y eficacia del método aplicado. Se abordará el problema de la detección de cambios de consumo de usuarios de telefonía celular de lo normal, la correspondiente construcción de estructuras de datos que representen el comportamiento reciente e histórico de cada uno de los usuarios, teniendo en cuenta la información que contiene una llamada y lo complejo de la construcción de una función con tantas variables de entrada parametrización no siempre conocida. Si bien existen diferentes formas de detectar fraude, todas ellas trabajan con picos de consumo o reglas fijas, que no siempre indican comportamiento fuera de lo normal. La solución que se presenta utiliza la tecnología de redes neuronales no supervisadas, en particular las redes SOM. Una vez obtenidos los patrones que definen el espacio de todas las llamadas, se realizaron las pruebas de construcción de los perfiles de usuario a través del desarrollo de una distribución de frecuencias de cada uno de los patrones para cada perfil (CUP y UPH) y la correspondiente detección de alarmas. El proceso se basó en presentar al sistema las llamadas realizadas en un período de 3 meses por los usuarios reportados como “alto consumo”. Con cada llamada se actualizaba el perfil CUP del usuario, se comparaba con el perfil UPH obteniendo la distancia Hellinger (H) entre ambos, y si la misma superaba el umbral fijado, se lanzaba una alarma. Dependiendo del parámetro de frecuencia de actualización del perfil UPH (f), se actualizaba el UPH con el aporte del CUP según corresponda. Vale aclarar, que el proceso de construcción y actualización se hizo desde la primer llamada del usuario; en cambio la comparación y correspondiente detección de la alarma se realizó solamente luego que la cantidad de llamadas analizadas para el usuario pasara la cantidad mínima para construir un perfil (QL) con la suficiente información del usuario. En el momento de ingresar la primera llamada de un usuario, se inicializaba a todos los patrones del CUP y UPH con la misma distribución de frecuencia, asumiendo que el usuario tenía la misma tendencia a realizar cualquier tipo de llamada a priori, sin información. A su vez esta experiencia se realizó dos veces: la primera actualizando el UPH con cada llamada y por consiguiente con un bajo umbral Hellinger (H) para la detección de alarmas debido a que la diferencia que se pudiera presentar entre los perfiles CUP y UPH era muy pequeña actualizando el perfil histórico con cada llamada, el mismo tendría a ser igual al perfil actual. La segunda experiencia se realizó actualizando el UPH una vez por día y un umbral Hellinger (H) alto para detectar diferencias importantes que puedan ser consideradas como cambios de comportamiento.
Description
In this research work is due to the increase in fraudulent actions and losses of telephone operators worldwide, mainly in mobile telephony. For this reason, a method is proposed for the detection of fraud and anomalies in cellular telephone networks through the use of neural networks, using telephone records as the main source of information. User profiles are created, with which a differential analysis is made to detect changes in consumer consumption patterns and thus generate alarms against possible fraud; With satisfactory results in terms of the efficiency and effectiveness of the applied method. It will address the problem of detecting changes in consumption of cell phone users than normal, the corresponding construction of data structures that represent the recent and historical behavior of each of the users, taking into account the information that contains a call And the complex construction of a function with so many variables input parameterization not always known. While there are different ways of detecting fraud, they all work with peaks of consumption or fixed rules, which do not always indicate abnormal behavior. The solution being used uses unsupervised neural network technology, in particular SOM networks. Once the patterns that define the space of all the calls were obtained, the construction of the user profiles was performed through the development of a frequency distribution of each of the patterns for each profile (CUP and UPH) and the Corresponding alarm detection. The process was based on presenting to the system the calls made in a period of 3 months by the users reported as "high consumption". With each call the user's CUP profile was updated, compared to the UPH profile, obtaining the Hellinger distance (H) between them, and if it exceeded the set threshold, an alarm was triggered. Depending on the refresh frequency parameter of the UPH profile (f), the UPH was updated with the CUP contribution as appropriate. It is worth clarifying that the process of construction and updating was done from the first call of the user; On the other hand the comparison and corresponding detection of the alarm was performed only after the number of calls analyzed for the user passed the minimum amount to build a profile (QL) with sufficient information from the user. At the time of entering the first call of a user, all patterns of CUP and UPH were initialized with the same frequency distribution, assuming that the user had the same tendency to perform any type of a priori call without information. In turn this experience was performed twice: the first one updating the UPH with each call and therefore with a low threshold Hellinger (H) for the detection of alarms because the difference that could be presented between the CUP and UPH profiles was Very small updating the historical profile with each call, it would have to be equal to the current profile. The second experiment was performed by updating the UPH once a day and a high Hellinger (H) threshold to detect important differences that could be considered as behavioral changes.
Keywords
Patrones, Redes neuronales
Citation
Pacheco Paliz, Luís Roberto. (2015). Sistema de detección de patrones de fraude con redes neuronales en la Provincia de Los Ríos y su incidencia en la telefonía celular, año 2015. Quevedo. UTEQ. 124 p.