haku: @keyword käyttäytymismalli / yhteensä: 1
hakutulos-lista
viite: 1 / 1
« edellinen | seuraava »
Tekijä:Mansikkamäki, Ilkka
Työn nimi:Histogram based signatures for detecting warranty fraud
Histogrammeihin perustuvat allekirjoitukset takuupetosten havaitsemisessa
Julkaisutyyppi:Diplomityö
Julkaisuvuosi:2012
Sivut:iv + 65      Kieli:   eng
Koulu/Laitos/Osasto:Matematiikan ja systeemianalyysin laitos
Oppiaine:Sovellettu matematiikka   (Mat-2)
Valvoja:Salo, Ahti
Ohjaaja:Pere, Terhi
Elektroninen julkaisu: http://urn.fi/URN:NBN:fi:aalto-201211243391
OEVS:
Sähköinen arkistokappale on luettavissa Aalto Thesis Databasen kautta.
Ohje
sulje

Digitaalisten opinnäytteiden lukeminen Aalto-yliopiston Harald Herlin -oppimiskeskuksen suljetussa verkossa

Oppimiskeskuksen suljetussa verkossa voi lukea sellaisia digitaalisia ja digitoituja opinnäytteitä, joille ei ole saatu julkaisulupaa avoimessa verkossa.

Oppimiskeskuksen yhteystiedot ja aukioloajat: https://learningcentre.aalto.fi/fi/harald-herlin-oppimiskeskus/

Opinnäytteitä voi lukea Oppimiskeskuksen asiakaskoneilla, joita löytyy kaikista kerroksista.

Kirjautuminen asiakaskoneille

  • Aalto-yliopistolaiset kirjautuvat asiakaskoneille Aalto-tunnuksella ja salasanalla.
  • Muut asiakkaat kirjautuvat asiakaskoneille yhteistunnuksilla.

Opinnäytteen avaaminen

  • Asiakaskoneiden työpöydältä löytyy kuvake:

    Aalto Thesis Database

  • Kuvaketta klikkaamalla pääset hakemaan ja avaamaan etsimäsi opinnäytteen Aaltodoc-tietokannasta. Opinnäytetiedosto löytyy klikkaamalla viitetietojen OEV- tai OEVS-kentän linkkiä.

Opinnäytteen lukeminen

  • Opinnäytettä voi lukea asiakaskoneen ruudulta tai sen voi tulostaa paperille.
  • Opinnäytetiedostoa ei voi tallentaa muistitikulle tai lähettää sähköpostilla.
  • Opinnäytetiedoston sisältöä ei voi kopioida.
  • Opinnäytetiedostoa ei voi muokata.

Opinnäytteen tulostus

  • Opinnäytteen voi tulostaa itselleen henkilökohtaiseen opiskelu- ja tutkimuskäyttöön.
  • Aalto-yliopiston opiskelijat ja henkilökunta voivat tulostaa mustavalkotulosteita Oppimiskeskuksen SecurePrint-laitteille, kun tietokoneelle kirjaudutaan omilla Aalto-tunnuksilla. Väritulostus on mahdollista asiakaspalvelupisteen tulostimelle u90203-psc3. Väritulostaminen on maksullista Aalto-yliopiston opiskelijoille ja henkilökunnalle.
  • Ulkopuoliset asiakkaat voivat tulostaa mustavalko- ja väritulosteita Oppimiskeskuksen asiakaspalvelupisteen tulostimelle u90203-psc3. Tulostaminen on maksullista.
Sijainti:P1 Ark Aalto  213   | Arkisto
Avainsanat:warranty
fraud
histogram
profiling
signatures
clustering
behavior model
change detection
petoksen havaitseminen
histogrammi
profilointi
klusterointi
käyttäytymismalli
muutoksen havaitseminen
Tiivistelmä (fin): Yritykset menettävät petoksen takia miljardeja dollareja vuosittain.
Petosta ilmenee monin tavoin, kuten esimerkiksi huoltopartnerien tekaistulla takuunalaisella korjausdatalla.
Huoltotoimintansa ulkoistaneella yrityksellä pitääkin olla kattava tietojärjestelmä petoksen havaitsemiseksi.
Yksittäisiä huoltotapahtumia harvoin voidaan varmuudella arvioida petokseksi, joten yrityksen on kannattavaa tarkastella partnerin toiminnan luotettavuutta kokonaisuudessaan.
Tässä työssä määritellään partnerien epäilyttävyyttä vertaamalla kunkin huoltopartnerin toimintaa toisiin partnereihin.

Työssä esitellään histogrammeihin perustuva profilointimenetelmä, jolla huoltopartnerien toimintaa voidaan verrata sekä pitkän aikavälin että päivitettävänä, toiminnan muuttumista tarkkailevana profiilina.
Histogrammimenetelmää sovelletaan klusterointi- ja paikallisten poikkeamien havaitsemismenetelmiin sekä tutkitaan profiilin muutoksia lähimpiin naapureihin verrattuna.
Histogrammien vertailuun käytetään Jensen-Shannonin divergenssimittaa.

Esiteltyä histogrammimenetelmää testataan elektroniikkayrityksen huoltodatalla, johon generoidaan erilaisia poikkeuksellista huoltotoimintaa mallintavia datapisteitä.
Tuloksista käy ilmi, että menetelmä havaitsee heikosti yksittäisiä poikkeamia mutta hyvin suuria muutoksia huoltopartnereiden toiminnassa.
Tiivistelmä (eng): Companies in all industries lose billions of dollars due to fraud every year.
Fraud occurs in various ways, one being warranty fraud by repairing partners who invent their repair data.
The company that has outsourced its repair activities must have proper tools for detecting fraud.
However, it is often impossible to determine single repair data points as fraud, making it profitable for the company to determine the reliability of the repair vendor by investigating the overall performance.
This thesis focuses on estimating the reliability of the vendor by comparing the performance of each vendor against others.

This thesis introduces a histogram based profiling method that can be used for vendor comparison as a profile over a period of time or by updating the profile constantly and recording the changes in performance.
Profiles, called histogram signatures, are applied to clustering and local outlier methods.
Histogram signatures are also compared to identify the changes in the profiles of each vendort's peers.
Histograms are compared with Jensen-Shannon divergence difference.

The presented histogram method is tested with real repair data from an electronics company.
Fraudulent repair data is simulated to represent different fraud types.
The results show that single and momentary changes in the profile are not detected but the method is able to detect well big changes in repairing activity.
ED:2012-10-17
INSSI tietueen numero: 45361
+ lisää koriin
« edellinen | seuraava »
INSSI