شماره ركورد
15333
شماره راهنما(اين فيلد مربوط به كارشناس ميباشد لطفا آن را خالي بگذاريد)
15333
پديد آورنده
هاشم منصور نژاد
عنوان
طراحي و نمونهسازي يك سيستم كشف تقلب مخابراتي با هدف كاهش هشدارهاي اشتباه
مقطع تحصيلي
كارشناسي ارشد
رشته تحصيلي
شبكههاي كامپيوتري
سال تحصيل
آبان ماه1394
تاريخ دفاع
آبان ماه1394
استاد راهنما
دكتر محمد عبداللهي ازگمي
دانشكده
كامپيوتر
چكيده
چكيده
پيدا كردن تقلب مخابراتي در ميان انبوهي از نمونههاي مكالمه، از پيدا كردن سوزن در انبار كاه هم مشكلتر است. به محض انجام تماسهاي متقلبانه تقلب بايد شناسايي شود علاوه بر اين ماهيت تقلب در طول زمان در حال تغيير بوده و گستره آن پيش از وقوعش نامعلوم است و ممكن است بيش از يك نوع سرويس را شامل شود. بنابراين جاي تعجب نيست اگر خيلي از سيستمهاي كشف تقلب داراي محدوديتهاي جدي باشند. براي شناسايي انواع مختلف تقلبهاي مخابراتي، ممكن است سيستمهاي گوناگوني با روشها، پارامترها، بانكهاي اطلاعاتي و ويژگيهاي مختلف مورد نياز باشد.
همراه با پيشرفت سريع صنعت مخابرات، روشهاي قديمي تقلب، پيوسته در حال تكامل بوده و روشهاي جديد در حال بروز هستند. اين موضوع مشكلي است كه تمام اپراتورهاي سرتاسر دنيا را تحت تأثير قرار داده و يك عامل مهم در از بين رفتن درآمد ساليانه آن¬ها است. بنابراين شناسايي اوليه و جلوگيري از فعاليت متقلبانه، يك هدف مهم براي اپراتورهاي شبكه بوده و طراحي و پيادهسازي يك سيستم شناسايي تقلب ميتواند اين صنعت عظيم و صنايع وابسته به آن را از خطر ورشكستگي برهاند. بنابراين با افزايش درآمد، شركتهاي مخابراتي ميتوانند شبكههاي خود را بيشتر توسعه داده به طوري كه اقشار وسيع¬تري از جامعه را در برگرفته و همپاي تكنولوژي، سرويسهاي به¬روز بيشتري را ارائه دهند كه در نتيجه باعث توسعه صنعتي، تجاري، توليد دانش فني و ايجاد اشتغال ميشود.
در اين پاياننامه يك سيستم كشف تقلب مخابراتي با هدف كاهش هشدارهاي اشتباه طراحي و نمونه سازي شده است. در اين سيستم دو الگوريتم «تحليل نمره بدگماني اشتراكي» و «شناسايي نوسانات» با هم تركيب شدهاند. الگوريتم حاصل به محض ورود يك نمونه مكالمه جديد، آن را با نمونههاي قبلي به منظور تشخيص نوع پيوندها و شناسايي نوسانات مقايسه كرده و در پايان دو نمره بدگماني به آن اختصاص ميدهد. در اين الگوريتم از يك ليست سفيد و سياه پويا نيز به ترتيب براي كاهش نمره بدگماني پيوندهاي عادي و افزايش نمره بدگماني پيوندهاي تقلبي استفاده ميشود. نتايج حاصل از اعمال روش بر روي صدها هزار نمونة مكالمه واقعي نشان ميدهد كه اين روش نرخ هشدارهاي اشتباه را تا حد زيادي كاهش داده و نرخ هشدارهاي درست را در يك سطح قابل قبول، ثابت نگه ميدارد. اين روش همچنين ميتواند انواع جديد تقلب از نوع غير عاديرا تشخيص دهد. براي ارزيابي نتايج، از روش¬هاي معمول براي سيستمهاي شناسايي تقلب استفاده شده است.
واژههاي كليدي: شناسايي تقلب، نمره بدگماني اشتراكي، شناسايي موارد غيرعادي، شناسايي نوسانات