基于电子数据勘查的电信诈骗案件分析模型研究

近年来随着网络经济的兴起,各种电信诈骗案件日益增多且诈骗手段形式多样,如何基于电子数据勘察来有效应对电信诈骗的技术研究成为业内热点问题之一。文章重点研究利用电子数据勘查中提取的大量数据分析电信网络诈骗案件,试图通过影响因子分析建立一套电信诈骗案件分析模型,并以实际案例验证模型。结果表明,提出的分析模型具备发现嫌疑人组织结构和关联关系,梳理分析被害人被诈骗资金流向等功能。     

基于大数据的通讯信息诈骗治理模式研究

鉴于当前通信信息诈骗形式严峻,需要提供行之有效的治理模式,通过建立基于大数据挖掘分析的治理平台,研究分析各类诈骗电话特征,建立有效的分析模型,实现对通讯信息诈骗有效治理。     

我国信息通信行业防范治理电信网络诈骗探讨与研究

近年来电信网络诈骗作为一种新型诈骗方式受到社会广泛关注,诈骗形式从电话、短信诈骗朝网络诈骗演进,呈现技术对抗强、骗术变化快、涉及产业链广、扩散范围大等特点。从通讯联络方式方式入手,在加强个人信息保护、落实电话实名登记、规范重点电信业务、提升技术管控能力方面进行综合防范与治理。     

基于电信大数据的数据建模平台研究

基于电信大数据的Hadoopdesigner系统,是针对电信大数据的特点,根据元数据的设计思想开发的数据建模平台,融合了数据仓库的很多建模思想和理论,为电信大数据处理提供了一种新的方法,也为不同种类的数据提供了统一、标准、可视化的模型,大大降低了统一、快速满足不同业务的不同需求的难度,提高了数据处理效率。     

基于大数据的电信运营商业务模式研究

随着数据挖掘、云计算、物联网等相关技术的发展和逐步成熟,大数据日益成为企业CTO们关注的焦点.以电信运营商数据资源使用为切入点,分析了针对不同业务内容(业务优化类、业务创新类、效率提升类)的电信运营商大数据商业模式,以帮助电信运营商在大数据时代积极调整策略,更好地适应移动互联网趋势.     

基于信息价值链的电信运营商大数据策略研究

从大数据的概念与特征入手,探讨大数据与信息价值、信息链的理论联系,基于信息价值链视角对企业大数据策略进行理论推导,探索大数据在电信运营商经营活动中的增值机制。基于此,针对当前电信运营商大数据策略,从数据输入端、数据流程域、信息输出端3个方面提出具体策略建议。     

基于Hadoop技术的电信大数据平台设计

本文以电信大数据平台出发,针对Hadoop技术基础下的平台研究内容以及其特点进行总结和研究。     

基于信息价值链的电信运营商大数据策略研究

在通信技术探索改变人们通信方式的途径过程中,通信行业的产业价值链模式也发生着不断的变化,SP、应用集成商、虚拟运营商等均值产业价值链细分的产物,而产业信息价值链的改变,不仅使行业信息流更加复杂,而且要求电信运营商经营决策、发展策略等均要做出相应的调整,在此背景下,本文针对以信息价值链为基础的电信运营商大数据策略展开研究,为现代电信运营商调整策略提供参考.     

加强模式识别和机器学习技术在电信网络诈骗治理中的运用

近年来体系,诈骗活动愈发精准化、制定化,且诈骗综合技术和人力成本下降,加剧电信网络治理难度。理论研究和实践表明,以模式识别和机器学习为代表的人工智能技术,是打击新形势下电信网络犯罪的有力武器。我国需从政策法规、技术合作攻关、跨部门跨地区合作等方面,加强运用人工智能技术实现对电信网络诈骗的有效治理。     

运营商反电信诈骗技术手段研究

电信诈骗给社会带来巨大利益损失,运营商需要从网络侧研究如何有效地进行反诈工作,而反诈工作的核心任务是发现网络中伪造身份的通信行为.本文提出了一套通用的反诈流程,能够有效发现网络中存在的伪造身份通信行为,针对流程中的每一个环节,介绍了相关技术手段和算法.最后,本文介绍了如何结合多种技术手段发现网络中的诈骗事件.     

大数据分析技术的研究

在基于云的环境中,分布式数据中心承载大型数据存储库,同时提供用于分析的处理资源,有力地激发了有效并行/分布式算法的需求.这给大数据分析的潜在社会经济效益和应用特性的多样性带来了巨大的挑战.     

大数据背景下电力行业数据应用研究

随着SG—ERP的建设推进,业务应用数据正以前所未有的速度增长,大数据时代正式到来。通过对大数据内涵和外延的深入理解,结合公司数据现状和业务需求,研究并提出了“电力大数据”的概念。为了预测公司业务趋势,挖掘电力大数据的数据价值,提取公司三集五大两中心业务大数据分析典型应用场景,利用数据集成管理、数据存储、数据计算、分析挖掘等方面核心关键技术,实现面向典型业务场景的模式创新及应用提升。电力大数据的应用将推动公司业务发展和管理水平提升,有效支撑公司三集五大两中心深入建设。     

面向大数据的数据服务中心设计与应用研究

大数据管理对传统的基于关系数据库管理系统为核心的数据管理服务平台提出了挑战,研究开发支持结构化和非结构化数据统一管理的数据管理与服务中心成为一项非常迫切并且重要的任务,汇总分析出大数据服务中心四项关键技术,采用可配置泛化表模型等技术,设计了基于Hadoop平台的数据服务中心系统原型BIG-DMS和基于BIG-DMS的数据综合服务平台应用方案,支持结构化和非结构化数据的统一存储、管理和访问服务。     

基于大数据的干扰源智能定位系统

随着4G业务持续增长,干扰对4G网络性能和UE感知影响逐步增强,急需早发现、早处理,避免影响用户感知。传统的干扰排查依赖工程师优化人员经验及技能水平,通过频谱仪进行现场扫频摸排,缺失准确的摸排范围和方向,耗费大量的时间和人力资源,排查效率较低。面对网络质量受无线干扰影响的桎梏,制定基于大数据的干扰源智能定位系统,基于MRO数据和干扰数据库信息对干扰用户进行特征画像,依据干扰用户标签特征和干扰定位识别算法,准确定位干扰区域,再结合面、线、点的现场频谱定位排查“三步法”快速精确定位干扰源所在位置,提升现场扫频排扰效率,促进网络质量不断提升。     

基于大数据背景下的计算机信息处理技术研究

大数据时代已经到来,必将给社会带来翻天覆地的变化,大数据顾名思义就是“大的”、“海量的”数据,它涉及五个领域,包括数据挖掘、数据分析、机器学习、人工智能和业务分析,巨量的数据在收集、存储、分析方面必然是巨大的工作量,即便依据最先进的计算机信息处理技术,都无法对所有数据进行精细化的处理,不过随着5G通讯技术的发展和大规模商用,必然有促进作用,可以说发展至今,大数据时代才刚刚开始。     

基于大数据营销应用体系的流量经营研究

借助标签应用平台等大数据工具,构建“点-线-面-立体”大数据营销应用体系,通过分析客户特征和痛点、匹配个性化营销策略、部署客户偏好渠道,实现流量精准营销,持续刺激客户流量增长,提升市场营销的效率和精准性,培养全员的大数据营销能力。     

5G时代大数据特点和数据量预测方法研究

随着5G技术及其应用的迅速普及,各类数据将会更加迅猛地增长,5G时代的大数据将会在数据结构组成和业务分布等方面出现显著的变化.本文研究5G广泛应用背景下大数据的特点以及数据量的预测方法.结合4G业务场景和技术特点,分析5G时代的业务特点;将数据进行产业细分,深入探讨不同业务和数据的特点,从而给出更能贴合具体场景的数据预...     

大数据探索式搜索研究

数据探索(data exploration)是有别于数据服务与数据分析的第3种体现大数据价值的技术手段。数据服务强调从微观层面获取满足用户需求的精准信息;数据分析强调从宏观层面为用户提供数据洞察,进而提供决策支持;而数据探索是一种支持用户在微观层面和宏观层面进行自由切换的、深入浅出的、交互式发掘数据价值的方式。首先,简要介绍大数据价值发掘的传统技术手段和特点,并引入探索式搜索;其次,详细阐述探索式搜索的定义与模型,总结探索式搜索的特点;随后,基于组件化的思想,设计探索式搜索系统框架,并综述每个组件所涉及到的挑战与关键技术;最后简要介绍了笔者在知识库探索式搜索方面的尝试。     

基于车联网的大数据应用研究

大数据技术具有数据处理量大、可处理非结构化数据、实时性高等特点.针对交通安全问题,提出将大数据技术应用于车联网中数据采集、数据分析和数据处理的问题.基于大数据技术,管理所有系统数据资源,并进行各种智能化数据分析处理.立足于为车联网提供智能支撑,让用户体验到交通管理智能化.