Detekce podvodného chování pomocí metod detekce anomálií v grafech
Fraudulent behavior detection using graph-based anomaly detection approaches
Typ dokumentu
diplomová prácemaster thesis
Autor
Ondřej Šofr
Vedoucí práce
Kuchař Jaroslav
Oponent práce
Klouda Karel
Studijní obor
Znalostní inženýrstvíStudijní program
Informatika 2010Instituce přidělující hodnost
katedra aplikované matematikyObhájeno
2023-02-14Práva
A university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://knihovny.cvut.cz/vychova/vskp.htmlVysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://knihovny.cvut.cz/vychova/vskp.html
Metadata
Zobrazit celý záznamAbstrakt
Tato práce se zabývá problematikou detekce anomálií. Jsou zde představeny přístupy využívané v současnosti, zejména metody pracující nad grafovou reprezentací dat, u nichž je analyzována jejich schopnost využívat informaci o vztazích mezi entitami. Hlavním zaměřením práce je popis uživatelského chování a detekce podvodného jednání osob v několika doménách. Kvalita předpovědí a efektivita daných řešení je porovnána, s důrazem na použití v praktických úlohách. Práce obsahuje experimentální výsledky představených metod, testovaných na datasetu příspěvků získaných ze sociálních sítí. Úlohou je zde detekovat dezinformace a lživá tvrzení s využitím struktury navazujících diskuzních vláken. Je ukázáno, že existuje vztah mezi obecnou úlohou detekce anomálií a detekcí lživých tvrzení a také, že je možné dosáhnout kvalitních výsledků s pomocí zkoumaných přístupů. This thesis deals with the field of anomaly detection. Traditional and modern approaches are described and analyzed, especially the methods of graph-based anomaly detection and their ability to utilize the relational information in the data. The main focus is the processing and modeling of user actions in order to detect their fraudulent behavior in several domains. Prediction accuracy and efficiency of solutions are evaluated with the emphasis on the usability in practice. This thesis contains experimental results of presented methods tested on real-world data containing posts extracted from social networks. The task is to detect misinformation claims using the structure of related discussion threads. It is shown that there is a connection between anomaly detection and misinformation detection and that it is possible to achieve accurate results using these approaches.
Kolekce
- Diplomové práce - 18105 [164]