Інформаційна технологія виявлення шахрайства при інсталюванні мобільних додатків з використанням інтелектуального аналізу даних

Abstract

Робота присвячена розробленню інформаційної технології виявлення шахрайства при інсталюванні мобільних додатків з використанням інтелектуального аналізу даних. Вперше запропоновано метод подолання різнорідності вхідних даних, що являє собою сукупність процедур вибору ознак, зниження розмірності та нормалізації даних, відмінність якого полягає у новій моделі процесу подолання різнорідності даних шляхом шкалювання за інформативністю, що дозволяє всю множину різнорідних даних про користувачів звести до вектору уніфікованих ознак без зменшення діагностичної цінності інформації. Удосконалено модель класифікації користувачів на основі глибинних нейронних мереж у частині зниження розмірності та нормалізації даних згідно запропонованого методу подолання різнорідності даних, яка є основою для створення узагальненого портрету шахрая з метою спрощення процесів їх виявлення. Вперше розроблено узагальнений метод виявлення шахрайства при інсталюванні мобільних додатків, відмінність якого полягає у використанні запропонованої моделі класифікації користувачів та методу подолання різнорідності вхідних даних, що дозволяє визначити класи користувачів та підвищити точність виявлення шахрайства при інсталюванні мобільних додатків.

Работа посвящена разработке информационной технологии обнаружения мошенничества при инсталлировании мобильных приложений с использованием интеллектуального анализа данных. Впервые предложен метод преодоления разнородности входящих данных, который представляет собой совокупность процедур выбора признаков, снижения размерности и нормализации данных, отличие которого заключается в новой модели процесса преодоления разнородности данных путем шкалирования по информативности, что позволяет все множество разнородных данных о пользователях свести к вектору унифицированных признаков без уменьшения диагностической ценности информации. Усовершенствована модель классификации пользователей на основе глубинных нейронных сетей в части снижения размерности и нормализации данных согласно предложенного метода преодоления разнородности данных, которая является основой для создания обобщенного портрета мошенника с целью упрощения процессов их обнаружения. Впервые разработан обобщенный метод выявления мошенничества при инсталлирования мобильных приложений, отличие которого заключается в использовании предложенной модели классификации пользователей и метода преодоления разнородности входящих данных, что позволяет определить классы пользователей и повысить точность обнаружения мошенничества при инсталлирования мобильных приложений.

The dissertation research is dedicated to developing the informational technology to detect fraud during mobile application installation using data mining. The purpose of the dissertation research is to increase the accuracy and speed of fraud detection processes during mobile application installation. The scientific novelty of the qualification research paper is: 1. For the first time, a method of overcoming the heterogeneity of input data is proposed, which is a set of procedures for feature selecting, dimensionality reduction and data normalization, the difference of which lies in the new model of overcoming the heterogeneity of data by scaling information, which allows the whole set of heterogeneous user data to be reduced to a vector, reducing the diagnostic value of information. 2. The model of users' classification based on deep neural networks in terms of dimensionality reduction and data normalization has been improved according to the proposed method of overcoming heterogeneity of data, which is the basis for creating general fraudsters fingerprint in order to simplify their detection processes. 3. For the first time, a generalized method for fraud detection in during installation of mobile applications has been developed, the difference being the use of the proposed users' classification model and the method of overcoming the heterogeneity of the input data, which allows defining users’ classes and increasing the reliability of fraud detection during mobile app installs. The practical value of the results obtained in the qualification research paper is as follows: – classification of heterogeneous data was carried out, which made it possible to simplify the process of analysis of data which is heterogeneous by metrics, dimensions and data templates and to automate it; – an algorithm for detecting anomalies in data, algorithms for the process of overcoming the heterogeneity of input data, algorithm for fraud detection during mobile applications installations, an algorithm for generalized fraudster fingerprint formation, and algorithm for minimizing the time of fraud detection based on the parallelization of computing processes, which are the basis of information technology, which has increased the accuracy and speed of detection of fraudsters, were developed;– information technology for fraud detection during mobile applications installation has been proposed for the first time, that uses the following: a generalized method for fraud detection during mobile applications installation, a method for overcoming the heterogeneity and classification model of user input data, which, unlike existing Antifraud technologies, allowed to improve accuracy of users’ classification to 99,14 %, in particular, detecting fraudulent users to 82,95 %; – “Mobile App Install Fraud Detection System” software for fraud detection during mobile application installation has been developed. The results of the qualification research paper were implemented at Garuda AI B.V. (Netherlands) – information technology; LLC «WinInteractive» – algorithms for overcoming data heterogeneity, model for the process of overcoming data heterogeneity; LLC «4HighTech» – a model of the process of overcoming the heterogeneity of the input data, the method of fraud detection when installing mobile applications; PE «Litsoft» – algorithm for overcoming heterogeneity of data, a generalized method of detecting fraud when installing mobile applications, a method for creating a generalized fraudster’s fingerprint; to the educational process of the Computer Science Department of Vinnytsia National Technical University – a generalized method for fraud detection during mobile applications installation; and to the educational process of the Department of Informatics, Software Engineering and Economic Cybernetics of Kherson State University – information technology for fraud detection during mobile applications installation using data mining.