Logo des Repositoriums
 

Fraud Detection 2.0 – Real Time SIP Analytics mithilfe von Complex Event Processing

Kurzanzeige
dc.contributor.authorSchneider, Markus
dc.contributor.editorMitschang, Bernhard
dc.contributor.editorNicklas, Daniela
dc.contributor.editorLeymann, Frank
dc.contributor.editorSchöning, Harald
dc.contributor.editorHerschel, Melanie
dc.contributor.editorTeubner, Jens
dc.contributor.editorHärder, Theo
dc.contributor.editorKopp, Oliver
dc.contributor.editorWieland, Matthias
dc.date.accessioned2017-06-20T20:24:43Z
dc.date.available2017-06-20T20:24:43Z
dc.date.issued2017
dc.description.abstractDas Ziel des zweijährigen Forschungsprojektes war es, eine Weiterentwicklung der auf dem Markt bereits existierenden Fraudlösungen mithilfe eine CEP-Lösung zu scha en. Die herkömmlichen Lösungen zeigen Schwächen, weil sie die im Nachgang eines Gespräches auf- gezeichneten Abrechnungsdaten (CDR-Call Detail Records) analysieren. Die hier beschriebene Entwicklung analysiert die beim Verbindungsaufbau einer VoIP-Sprachverbindung notwendigen SIP-Signalisierunginformationen (Invites). Somit können Anomalien bereits vor Gesprächsbeginn erkannt werden. Eine nachgelagerte Verarbeitung und Analyse der CDR’s birgt immer die Gefahr, dass ein Schaden erst „ex post“ erkannt und vermieden werden kann. Insofern redet man hier auch allgemein von einer Schadensminimierung. Eine „ex ante“ Missbrauchserkennung mithilfe einer Echtzeitdatenbankanalyse versetzt ein Unternehmen in die Lage, eine Anomalie bereits zu erkennen und demzufolge zu handeln, bevor ein finanzieller Schaden entstehen kann. Die hierbei angewandte Methodik untersucht neben dem Verhalten des Endnutzers hinsichtlich Anomalien während des Verbindungs- aufbaus (z.B. Kuba -– diese Destination hat der Endkunde in der Vergangenheit noch nie angewählt), auch eine missbräuchliche Nutzung während eines Gesprächs (Überschreitung von individuellen Thresholds). Anhand der in diesem Projekt eingesetzten Apama Streaming Analytics Platform der Software AG können sehr große Datenmengen in Echtzeit verarbeitet und analysiert werden. Die sogenannten Pattern für die Erkennung der Anomalien wurden von wissenschaftlichen Mitarbeiten der Hochschule Darmstadt in Verbindung mit den Erfahrungen der toplink bezüglich Fraud entwickelt. Die erzielten Ergebnisse wurden in einer Wirkumgebung der toplink GmbH erfolgreich getestet. Diese e ziente Missbrauchs- erkennung und Vermeidung sorgt nun dafür, dass Telekommunikations-unternehmen dem Thema Fraud zukünftig noch wirksamer entgegnen und somit den finanziellen Schaden für sich und ihre Kunden nochmals deutlich minimieren können.de
dc.identifier.isbn978-3-88579-659-6
dc.identifier.pissn1617-5468
dc.language.isode
dc.publisherGesellschaft für Informatik, Bonn
dc.relation.ispartofDatenbanksysteme für Business, Technologie und Web (BTW 2017)
dc.relation.ispartofseriesLecture Notes in Informatics (LNI) - Proceedings, Volume P-265
dc.titleFraud Detection 2.0 – Real Time SIP Analytics mithilfe von Complex Event Processingde
dc.typeText/Conference Paper
gi.citation.endPage598
gi.citation.startPage597
gi.conference.date6.-10. März 2017
gi.conference.locationStuttgart
gi.conference.sessiontitleIndustrial Program - Technologie und Anwendung

Dateien

Originalbündel
1 - 1 von 1
Vorschaubild
Name:
paper45.pdf
Größe:
135.43 KB
Format:
Adobe Portable Document Format
Herunterladen

Sammlungen

P265 - BTW2017 - Datenbanksysteme für Business, Technologie und Web