دانلود مقاله ISI انگلیسی شماره 17665
ترجمه فارسی عنوان مقاله

روش شبکه های عصبی بدون ناظر برای پروفایل رفتار کاربران تلفن همراه برای استفاده در تشخیص تقلب

عنوان انگلیسی
An Unsupervised Neural Network Approach to Profiling the Behavior of Mobile Phone Users for Use in Fraud Detection
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی ترجمه فارسی
17665 2001 11 صفحه PDF سفارش دهید
دانلود فوری مقاله + سفارش ترجمه

نسخه انگلیسی مقاله همین الان قابل دانلود است.

هزینه ترجمه مقاله بر اساس تعداد کلمات مقاله انگلیسی محاسبه می شود.

این مقاله تقریباً شامل 3764 کلمه می باشد.

هزینه ترجمه مقاله توسط مترجمان با تجربه، طبق جدول زیر محاسبه می شود:

شرح تعرفه ترجمه زمان تحویل جمع هزینه
ترجمه تخصصی - سرعت عادی هر کلمه 12 تومان 7 روز بعد از پرداخت 45,168 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 24 تومان 4 روز بعد از پرداخت 90,336 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Journal of Parallel and Distributed Computing, Volume 61, Issue 7, July 2001, Pages 915–925

ترجمه کلمات کلیدی
شبکه های عصبی بدون ناظر - کاربران تلفن همراه - تشخیص تقلب
کلمات کلیدی انگلیسی
Unsupervised Neural Network , Mobile Phone Users , Fraud Detection,
پیش نمایش مقاله
پیش نمایش مقاله روش شبکه های عصبی بدون ناظر برای پروفایل رفتار کاربران تلفن همراه برای استفاده در تشخیص تقلب

چکیده انگلیسی

This paper discusses the current status of research on fraud detection undertaken as part of the European Commission-funded ACTS ASPeCT (Advanced Security for Personal Communications Technologies) project, by Royal Holloway University of London. Using a recurrent neural network technique, we uniformly distribute prototypes over toll tickets, sampled from the U.K. network operator, Vodafone. The prototypes, which continue to adapt to cater for seasonal or long term trends, are used to classify incoming toll tickets to form statistical behavior profiles covering both the short- and the long-term past. We introduce a new decaying technique, which maintains these profiles such that short-term information is updated on a per toll ticket basis whilst the update of the long-term behavior can be delayed and controlled by the user. The new technique ensures that the short-term history updates the long-term history applying an even weighting to each toll ticket. The behavior profiles, maintained as probability distributions, form the input to a differential analysis utilizing a measure known as the Hellinger distance between them as an alarm criterion. Fine tuning the system to minimize the number of false alarms poses a significant task due to the low fraudulent/nonfraudulent activity ratio. We benefit from using unsupervised learning in that no fraudulent examples are required for training. This is very relevant considering the currently secure nature of GSM where fraud scenarios, other than subscription fraud, have yet to manifest themselves. It is the aim of ASPeCT to be prepared for the would-be fraudster for both GSM and UMTS.

دانلود فوری مقاله + سفارش ترجمه

نسخه انگلیسی مقاله همین الان قابل دانلود است.

هزینه ترجمه مقاله بر اساس تعداد کلمات مقاله انگلیسی محاسبه می شود.

این مقاله شامل 3764 کلمه می باشد.

هزینه ترجمه مقاله توسط مترجمان با تجربه، طبق جدول زیر محاسبه می شود:

شرح تعرفه ترجمه زمان تحویل جمع هزینه
ترجمه تخصصی - سرعت عادی هر کلمه 12 تومان 7 روز بعد از پرداخت 45,168 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 24 تومان 4 روز بعد از پرداخت 90,336 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.