| dc.contributor.advisor | Σιαηλής, Σταύρος | |
| dc.contributor.author | Παναγιώτου, Παναγιώτης | |
| dc.contributor.other | Panagiotou, Panagiotis | |
| dc.coverage.spatial | Κύπρος | el_GR |
| dc.date.accessioned | 2017-09-22 | |
| dc.date.accessioned | 2017-09-25T08:44:10Z | |
| dc.date.available | 2017-09-25T08:44:10Z | |
| dc.date.copyright | 2017-05 | |
| dc.date.issued | 2017-09-25 | |
| dc.identifier.other | ΠΕΣ/2017/00257 | el_GR |
| dc.identifier.uri | http://hdl.handle.net/11128/3181 | |
| dc.description | Περιέχει βιβλιογραφικές παραπομπές. | el_GR |
| dc.description.abstract | Οι κλήσεις απάτης σε VoIP υπηρεσίες αποτελούν ένα μεγάλο πρόβλημα στις εταιρίες τηλεπικοινωνιών, αφού τους επιφέρουν ζημίες εκατομμυρίων ευρώ. Παρά το γεγονός ότι τα συστήματα ασφαλείας των εταιριών έχουν αναπτυχθεί αρκετά, παρουσιάζεται μεγάλη δυσκολία στον εντοπισμό των κακόβουλων χρηστών στα δίκτυα τηλεφωνίας VoIP. Έτσι, στην παρούσα εργασία αποφασίσαμε να δώσουμε έμφαση στον εντοπισμό των κλήσεων απάτης (fraud calls), οι οποίες είναι κλήσεις που γίνονται από τρίτους χωρίς τη γνώση του νομίμου διαχειριστή της υπηρεσίας.
Ο στόχος της παρούσας μεταπτυχιακής εργασίας είναι η έρευνα του κατά πόσο είναι δυνατό με τη χρήση Τεχνητής Νοημοσύνης να εντοπίσουμε και να αντιμετωπίσουμε άμεσα τις κλήσεις απάτης σε ένα δίκτυο τηλεφωνίας VoIP μεγάλης εταιρίας τηλεπικοινωνιών της Κύπρου.
Για τον εντοπισμό των κλήσεων απάτης δημιουργήσαμε μια εφαρμογή χρησιμοποιώντας τον αλγόριθμο μη εποπτείας (unsupervise) ESOINN. Η εφαρμογή προσαρμόστηκε κατάλληλα στα δεδομένα τηλεφωνικών κλήσεων CDRs που μας παρείχε μεγάλη εταιρία τηλεπικοινωνιών της Κύπρου. Υλοποιήθηκαν τρία σενάρια πιθανών κλήσεων απάτης. Ο αλγόριθμος δεν ανταποκρίθηκε στις προσδοκίες μας, αφού δεν έχει το επιθυμητό ποσοστό επιτυχίας. Και στα τρία σενάρια που υλοποιήσαμε το ποσοστό επιτυχίας στον εντοπισμό των κλήσεων απάτης παρέμεινε στο 66,66%. Παρόλ’ αυτά, είναι ένας γρήγορος αλγόριθμος ο οποίος με μια περαιτέρω έρευνα και επεξεργασία των δεδομένων θα μπορούσε να δώσει καλύτερα αποτελέσματα για τον εντοπισμό κλήσεων απάτης. | el_GR |
| dc.format.extent | ix, 85 σ. 30 εκ. | el_GR |
| dc.language | gr | el_GR |
| dc.language.iso | gr | el_GR |
| dc.rights | info:eu-repo/semantics/closedAccess | el_GR |
| dc.subject | VoIP technology | el_GR |
| dc.subject | Τεχνολογία Τεχνητής Νοημοσύνης | el_GR |
| dc.subject | Artificial intelligence | el_GR |
| dc.title | Ανίχνευση μη εξουσιοδοτημένων εξερχόμενων κλήσεων VoIP σε πραγματικό χρόνο | el_GR |
| dc.type | Μεταπτυχιακή Διατριβή | el_GR |
| dc.description.translatedabstract | Fraud voice calls to VoIP services are a major problem for telecommunication companies since they cause the loss of millions euros. Although company security systems have been developed quite a bit, there is a great deal of difficulty in detecting malicious users on a VoIP telephony network. That way, in this work we have decided to focus on identifying fraud calls, which are calls made by a third party without the knowledge of the legal manager of the service.
This master dissertation aim is to investigate whether it is possible with the use of Artificial Intelligence to detect and deal directly with fraud calls in a VoIP telephony network of a large telecommunications company in Cyprus.
To detect fraud calls, we have created an application using the ESOINN unsupervised algorithm. The application was appropriately adapted to the CDRs telephone data that were provided by a large telecommunication operator in Cyprus. Three scenarios of possible fraud calls have been implemented. The algorithm did not meet our expectations, since it did not have the desired success rate, in all three scenarios we implemented the success rate in detecting fraud calls remained at 66.66%. However, it is a fast algorithm which under further research and processing of data could provide better results in detecting fraud calls. | el_GR |
| dc.format.type | pdf | el_GR |
