导读:本文包含了电信客户欺诈论文开题报告文献综述及选题提纲参考文献，主要关键词:电信诈骗,SVM,GA,数据分析
电信客户欺诈论文文献综述
王世豪,蔡延光[1]（2019）在《基于改进GA-SVM的电信客户欺诈识别方法》一文中研究指出针对当前电信诈骗行为识别技术的需求,提出了一种能增加识别效果的数据构造,以及一种改进的GA-SVM识别算法。该算法采用K-means算法将训练样本分割为多个子集,每个子集按照规则作为GA-SVM模型的训练集和交叉验证集。实验结果表明,该特征结构有效地提升了支持向量机分类的准确率,所提出的算法对诈骗电话识别具有较高准确率,且训练时间得到有效缩减。(本文来源于《东莞理工学院学报》期刊2019年05期）
郭汉利[2]（2016）在《防范电信网络诈骗 保护客户资金安全——建设银行网络金融反欺诈实践》一文中研究指出为应对日益严峻的电信网络资金诈骗,建设银行主动出击,积极运用大数据、风险情报等技术,打造覆盖利用电信网络诈骗客户资金全过程的反欺诈体系,从事前、事中和事后加强网络金融风险管控,有效控制电信网络欺诈风险,为客户的资金安全保驾护航。认识电信网络诈骗当前,由于互联网数据泄露形势日益严峻,电信网络诈骗开始由撒网式盲骗转向精准式诈骗,并呈现(本文来源于《金融电子化》期刊2016年11期）
伏奕帆[3]（2011）在《基于SVM的电信客户欺诈检测技术应用研究》一文中研究指出近年来,随着电信市场的快速发展,电信行业中的客户欺诈行为与日俱增。为了预防和检测欺诈行为的发生,解决电信运营商的客户关系管理问题,电信客户欺诈检测系统利用模式识别、数据挖掘等工具对电信客户的消费过程进行具体解析,在对客户进行分类,结合电信客户行为的基础上,完成电信客户欺诈检测模型的建模,进行欺诈行为的检测,从而减少电信客户欺诈带来的危害,减少电信运营风险。本论文阐述了电信客户欺诈行为所带来的危害以及进行电信客户欺诈系统研发的重要性和紧迫性；介绍了研发电信客户欺诈系统所涉及到的诸如机器学习,统计学习理论等相关理论知识；提出了用单向量支持向量机进行初次分类,再利用支持向量机进行二次分类,基于单向量支持向量机,用于电信客户欺诈检测模型的分类方法；分析了电信客户欺诈检测的建模以及验证过程。论文研究表明：基于SVM的电信客户欺诈检测技术应用研究,具备广阔的市场前景；检测模型能智能规避潜在的风险行为,对客户的欺诈行为进行识别,继而对电信客户欺诈行为中规模小、分散性大的行为进行检测。(本文来源于《湖南大学》期刊2011-10-01）
张瑜[4]（2010）在《支持向量机在电信客户欺诈检测的应用研究》一文中研究指出随着电信市场的迅猛发展,电信行业中的客户欺诈行为也在与日俱增。电信客户欺诈检测系统利用数据挖掘、模式识别等先进工具对电信客户的呼叫行为进行具体分析,检测、预防欺诈行为。结合客户的具体行为对客户的分类,建立起电信客户欺诈检测模型,对欺诈行为进行检测,从而有力地解决了电信运营商的客户关系管理难题,造就更具竞争力的企业。电信用户的真实意图往往是无法直接获取的,只能通过呼叫数据间接得到。采用呼叫数据来描述用户的行为,并通过数据挖掘和统计学习方法等对呼叫数据进行学习生成相应的用户模型。研究的主要目的是利用用户模型和分类技术对各个用户群进行分类,训练得到的分类模型,其将未知用户分配到与之对应的群,从而完成对电信客户欺诈行为的检测。论文简要分析了电信客户欺诈行为所带来的危害,以及开发电信客户欺诈检测系统的必要性和紧迫性,介绍了开发电信客户欺诈检测系统所涉及到的相关理论知识:机器学习,统计学习理论等等,提出了用于电信客户欺诈检测模型的基于单类支持向量机的分类方法。样本通过随机选择算法采样后,用单类支持向量机进行初次分类,再利用支持向量机进行二次分类;详细阐述了电信客户欺诈检测的建模以及验证过程。对模型的性能测试表明:支持向量机应用于实际的电信客户欺诈模型中,具有一定的市场价值。模型能有效地挖掘出潜在的风险行为,识别出客户的欺诈行为。进而对规模小、分散性大的电信客户欺诈行为进行检测。(本文来源于《长沙理工大学》期刊2010-04-01）
贾志强[5]（2009）在《数据挖掘在防电信客户欺诈模型中的应用》一文中研究指出首先分析了当前电信客户欺诈背景,提出把数据挖掘技术应用于电信客户欺诈系统中的构想。防范电信欺诈从操作角度来说就是对欺诈人群的行为进行控制,利用数据挖掘等先进技术对电信客户的行为进行分析。文章着重阐述了采用数据挖掘、朴素贝叶斯分类等技术建模以及验证过程。性能测试表明:将先进的数据挖掘贝叶斯分类技术应用于实际的电信客户欺诈系统中,具有一定的市场价值。该模型能挖掘出潜在的风险行为,识别出客户的欺诈行为,从而解决诸多规模小、分散性大的电信欺诈行为。(本文来源于《计算机时代》期刊2009年04期）
刘道宏[6]（2007）在《基于数据挖掘的电信客户欺诈预测模型研究》一文中研究指出当今，随着国内电信业的重组改革和通信技术的发展以及基础设施建设的完善，各运营商在客户和业务等领域展开了激烈的竞争。电信运营商的经营模式逐渐从技术驱动向市场驱动、客户驱动转化，这就要求运营商要采取以客户为中心的策略，客户资源成为了运营商竞争的焦点。在客户资源的争夺战中，各家运营商的市场竞争导致入网门槛降低，给予客户实惠以吸引客户，使得客户市场迅速扩大。在客户市场扩大的同时恶意欠费用户群体也随之扩大，在所有电信客户中，虽然恶意欠费的客户群体只占总群体的很小一部分，但是这一群体的客户给电信业造成的损失是巨大的，各电信运营商为了避免、挽回或减轻这部分的损失不得不采取各种措施，减少此类欺诈行为的发生。本文的目的就是建立并实现一个准确率高、有效性强的电信行业客户欺诈预测模型。模型依据数据挖掘原理，利用数据挖掘软件SPSS Clementine 8．1，以大连海事大学和东软股份有限公司电信部协作开发的“江西联通经营分析系统二期”项目为依托，以CRISP－DM建模过程为框架，逐步按照商业理解，数据理解，数据准备，建立模型，模型评估与发布的步骤，实现了电信行业客户欺诈预测系统。本文采用了决策树的方法进行建模。首先通过客户通话帐单的历史记录构造满足一定比例的欺诈用户数与非欺诈用户数的训练集，然后运用基于决策树分类的方法构建出欺诈预测模型，最后用测试集数据进行模型验证，结果表明，此模型具有较好的预测准确率。本文的意义在于采用决策树方法构建了一个高效的欺诈预测模型，为改变我国大部分电信运营商主要采用行政手段防欺诈的现状，提供了一条有效、可行的技术途径。(本文来源于《大连海事大学》期刊2007-02-01）
张秀玲[7]（2006）在《数据挖掘技术在电信客户欺诈分析中的应用》一文中研究指出随着电信市场的迅速发展,电信行业中的欺诈现象也与日俱增。防范电信欺诈从操作角度来说就是对欺诈人群的行为进行控制,利用数据挖掘、数据集市等先进技术对电信客户的行为进行分析。通过对客户的具体分析,结合客户行为分析、客户信用度分析和客户风险分析,建立起电信欺诈防范体系。本文首先分析了当前电信客户欺诈背景,说明了开发电信客户欺诈系统的必要性和紧迫性;接着分析了目前国内数据挖掘技术研究方面存在的不足,提出了把数据挖掘技术应用于电信客户欺诈系统中的构想。其次介绍了开发电信客户欺诈系统所涉及到的技术:数据挖掘技术、数据仓库、数据集市以及朴素贝叶斯分类技术。最后,着重阐述了采用数据挖掘、朴素贝叶斯分类等技术建模以及验证过程。对系统的性能测试表明:将先进的数据挖掘贝叶斯分类技术应用于实际的电信客户欺诈系统中,具有一定的市场价值。本系统能挖掘出潜在的风险行为,识别出客户的欺诈行为,从而解决诸多规模小、分散性大的电信欺诈行为。(本文来源于《中国石油大学》期刊2006-09-01）
刘辉[8]（2005）在《基于贝叶斯分类技术的电信客户欺诈分析》一文中研究指出随着国内电信市场的不断扩大。中国电信业中欺诈现象越来越严重。这不仅给电信运营商带来了极大的经济损失,还影响了业务的进一步发展。面对日趋严重的电信欺诈行为,电信运营商必须采取一定的措施加以防范。采用数据挖掘分类技术是目前比较有效的防范欺诈的方法。 本文的研究主题是电信防欺诈技术,在对多种分类方法进行比较的基础之上,提出利用朴素贝叶斯分类方法建立电信欺诈分类模型的思想,并基于这种方法提出了防范电信欺诈问题的解决方案,设计实现了分类模型。主要工作如下: (1) 分析了课题的研究背景、研究意义以及国内外电信防欺诈问题研究现状,讨论了解决电信防欺诈问题的基本方法。 (2) 对数据挖掘中的贝叶斯分类技术进行了讨论,重点分析了朴素贝叶斯分类技术的基本原理和工作过程。 (3) 提出利用朴素贝叶斯分类方法解决电信欺诈问题的一般方法,并用电信欺诈实例说明了其具体处理过程。 (4) 对利用朴素贝叶斯分类方法预防电信欺诈问题的解决方案做出系统分析和总体设计。 (5) 实现了基于朴素贝叶斯分类方法的电信欺诈分类模型,并用测试数据对模型进行了验证。(本文来源于《西南交通大学》期刊2005-06-01）
刘祥明[9]（2005）在《电信客户欺诈预测系统研究及应用》一文中研究指出当今,随着国内电信业的重组改革和通信技术的发展以及基础设施建设的完善,各运营商在客户和业务等领域展开了激烈的竞争。电信运营商的经营模式逐渐从“技术驱动”向“市场驱动”、“客户驱动”转化。这就要求运营商要采取以客户为中心的策略,客户资源成为了运营商竞争的焦点。在客户资源的争夺战中,各家运营商的市场竞争导致入网门槛降低,给予客户实惠以吸引客户,使得客户市场的迅速扩大。在客户市场扩大的同时恶意欠费用户群体随之扩大。在所有电信客户中,虽然恶意欠费的客户群体只占总群体的很小一部分,但是这一群体的客户给电信业造成的损失是巨大的,各电信运营商为了避免、挽回或减轻这部分的损失不得不采取各种措施。论文的重点就在于根据对历史上恶意欠费欺诈客户通话行为分析建立一个客户恶意欠费欺诈行为预测模型。在固定电话通信业务中,目前对欠费用户采用的策略是欠费后第一个月实行限制呼叫,即该用户只能被呼而不能主动呼出;欠费后第二个月实行更为严厉的限制,该用户既不能呼出也不能被呼;到第叁个月就实行强制拆机。显然在这里不能把上述欠费状态中1 个月或2 个月的用户定义为欺诈用户,而只能认为被强制拆机的用户才是真正的欺诈用户。利用RBF 神经网络建模,通过客户通话详单的历史数据训练,建立用户属性、服务属性和用户消费数据的预测模型。根据用户属性、服务属性和用户消费数据建立模型,就可以计算出用户欺诈的危险度,利用聚类技术根据客户的危险度将客户划分成不同等级危险度的用户群体。针对不同危险度的用户群采取不同的策略,比如针对欺诈危险高的用户群可以采用严厉的催缴策略,比如限制服务、最大程度缩短缴款缓冲时间段长度等。论文最后利用VC++6.0 进行了人机界面和系统程序的设计。(本文来源于《重庆大学》期刊2005-04-10）
电信客户欺诈论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为应对日益严峻的电信网络资金诈骗,建设银行主动出击,积极运用大数据、风险情报等技术,打造覆盖利用电信网络诈骗客户资金全过程的反欺诈体系,从事前、事中和事后加强网络金融风险管控,有效控制电信网络欺诈风险,为客户的资金安全保驾护航。认识电信网络诈骗当前,由于互联网数据泄露形势日益严峻,电信网络诈骗开始由撒网式盲骗转向精准式诈骗,并呈现
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
电信客户欺诈论文参考文献
[1].王世豪,蔡延光.基于改进GA-SVM的电信客户欺诈识别方法[J].东莞理工学院学报.2019
[2].郭汉利.防范电信网络诈骗保护客户资金安全——建设银行网络金融反欺诈实践[J].金融电子化.2016
[3].伏奕帆.基于SVM的电信客户欺诈检测技术应用研究[D].湖南大学.2011
[4].张瑜.支持向量机在电信客户欺诈检测的应用研究[D].长沙理工大学.2010
[5].贾志强.数据挖掘在防电信客户欺诈模型中的应用[J].计算机时代.2009
[6].刘道宏.基于数据挖掘的电信客户欺诈预测模型研究[D].大连海事大学.2007
[7].张秀玲.数据挖掘技术在电信客户欺诈分析中的应用[D].中国石油大学.2006
[8].刘辉.基于贝叶斯分类技术的电信客户欺诈分析[D].西南交通大学.2005
[9].刘祥明.电信客户欺诈预测系统研究及应用[D].重庆大学.2005