机器学习在物联网虚假用户识别中的运用

doi:10.11959/j.issn.1000-0801.2019090

电信科学 ›› 2019, Vol. 35 ›› Issue (7): 136-144.doi: 10.11959/j.issn.1000-0801.2019090

机器学习在物联网虚假用户识别中的运用

张溶芳¹,许丹丹¹,王元光²,潘思宇¹,李正茂³

¹ 中国联合网络通信有限公司研究院，北京 100176
² 中国联合网络通信集团有限公司电子商务中心，北京 100033
³ 中国联合网络通信有限公司重庆市分公司，重庆 401121

修回日期:2019-04-30 出版日期:2019-07-20 发布日期:2019-07-22
作者简介:张溶芳（1991- ），女，中国联合网络通信有限公司研究院大数据研究中心工程师，主要研究方向为数据挖掘、建模、数据可视化等。|许丹丹（1989- ），女，中国联合网络通信有限公司研究院大数据研究中心工程师，主要研究方向为数据挖掘、建模、数据可视化。|王元光（1989- ），男，中国联合网络通信集团有限公司电子商务中心工程师，主要研究方向为数据挖掘、数据建模等。|潘思宇（1994- ），男，中国联合网络通信有限公司研究院大数据研究中心工程师，主要研究方向为数据挖掘、算法研究、数学建模等。|李正茂（1981- ），男，中国联合网络通信有限公司重庆市分公司市场部主管，主要研究方向为通信市场产品策略、大数据分析处理等。

Application of machine learning in the fake user identification of IoT

Rongfang ZHANG¹,Dandan XU¹,Yuanguang WANG²,Siyu PAN¹,Zhengmao LI³

¹ Research Institute of China United Network Communication Co. , Ltd. , Beijing 100176, China
² E-Commerce Center, China United Network Communication Co. , Ltd. , Beijing 100033, China
³ Chongqing Branch of China United Network Communication Co. , Ltd. , Chongqing 401121, China

Revised:2019-04-30 Online:2019-07-20 Published:2019-07-22

摘要/Abstract

摘要：

随着通信技术的发展，物联网卡和5G技术将得到大规模应用，但存在个别企业利用物联网卡资费便宜、没有实名制等特点从中非法牟利、破坏社会稳定的问题，不利于行业健康发展。因此如何识别虚假用户成为物联网行业研究的重要课题。主要研究了在实时海量的物联网终端数据中，如何运用机器学习模型高效地识别疑似虚假用户。具体来看，通过研究相关数据的特征，采用基于正样本和未标记样本的半监督式学习模型建立实时监控异常行为的模型，达到识别物联网行业中潜在虚假用户的目的。本研究成果体现在节约大量人力物力的同时，可以帮助相关部门、人员及时发现用户的异常行为，采取相应的措施避免产生较大损失，具有广泛的行业应用前景。

关键词: 物联网, 半监督式学习模型, 朴素贝叶斯分类器, 随机森林, 支持向量机, SPY分类器

Abstract:

With the development of communication technology, IoT cards and 5G technologies will be applied on a large scale. However, there are some companies have taken advantage of the fact that the price of SIM cards of IoT is cheap and the cards do not have real-name registration system. It is harmful to social stability, which is not conducive to the development of IoT industry. So how to identify these fake users has become an important topic in IoT industry. The purpose was to use machine learning models to identify users who have high suspiciousness effectively. By studying the characteristics of relevant data, a semi-supervised learning model based on positive and unlabeled samples was used to establish a real-time abnormal behavior monitoring model to identify potential fake users in the IoT industry users. At the same time, the model greatly enhanced the working efficiency and has saved the manpower physical resources. Also, it can help relevant departments and governments to discover the abnormal behavior of users in time and take corresponding measures to avoid large losses. So, the proposed method really has broad application prospects in the industry.

Key words: IoT, positive and unlabeled semi-unsupervised model, Na?ve Bayesian classifier, random forest, support vector machine, SPY classifier

中图分类号:

TP18
TN929.5

张溶芳,许丹丹,王元光,潘思宇,李正茂. 机器学习在物联网虚假用户识别中的运用[J]. 电信科学, 2019, 35(7): 136-144.

Rongfang ZHANG,Dandan XU,Yuanguang WANG,Siyu PAN,Zhengmao LI. Application of machine learning in the fake user identification of IoT[J]. Telecommunications Science, 2019, 35(7): 136-144.

图/表 7

图1

图2

图3

图4

表1

图5

表2

参考文献 17

[1]	刘楠, 刘露, 张第 , 等. 运营商在物联网大数据竞争中的应对思考[J]. 电信科学, 2018, 34(3): 132-137.
	LIU N , LIU L , ZHANG D , et al. Reflections on operators’ competition in big data of internet of things[J]. Telecommunications Science, 2018, 34(3): 132-137.
[2]	曹霞, 谢颖华 . 基于Hadoop的协同过滤并行化算法[J]. 计算机系统应用, 2018(5).
	CAO X , XIE Y H . Parallel algorithm of collaborative filtering based on Hadoop[J]. Application of Computer System, 2018(5).
[3]	胡俊, 胡贤德, 程家兴 . 基于Spark的大数据混合计算模型[J]. 计算机系统应用, 2015, 24(4): 214-218.
	HU J , HU X D , CHENG J X . Big data hybrid computing mode based on Spark[J]. Application of Computer System, 2015, 24(4): 214-218.
[4]	刘永增, 张晓景, 李先毅 . 基于Hadoop/Hive的Web日志分析系统的设计[J]. 广西大学学报(自然科学版), 2011, 36(S1): 314-317.
	LIU Y Z , ZHANG X J , LI X Y . Design of Web log analysis system based on Hadoop/Hive[J]. Journal of Guangxi University (Natural Science Edition) , 2011, 36(S1): 314-317.
[5]	范建永, 龙明, 熊伟 . 基于 HBase 的矢量空间数据分布式存储研究[J]. 地理与地理信息科学, 2012, 28(5): 39-42.
	FAN J Y , LONG M , XIONG W . Research of vector spatial data distributed storage based on HBase[J]. Geography and Geo- information Science, 2012, 28(5): 39-42.
[6]	蒋守壮 . 基于Apache Kylin构建大数据分析平台[M]. 北京: 清华大学出版社, 2016.
	JIANG S Z . Construction of large data analysis platform based on Apache Kylin[M]. Beijing: Tsinghua University PressPress, 2016.
[7]	王子毅, 张春海 . 基于 ECharts 的数据可视化分析组件设计实现[J]. 微型机与应用, 2016, 35(14): 46-48,51.
	WANG Z Y , ZHANG C H . Design and implementation of a data visualization analysis component based on ECharts[J]. Microcomputer its Applications, 2016, 35(14): 46-48,51.
[8]	牛晓玲, 吴蕾 . DevOps 发展现状研究[J]. 电信网技术, 2017(10).
	NIU X L , WU L . Study on DevOps development status[J]. Telecommunication Network Technology, 2017(10).
[9]	郝树魁 . Hadoop HDFS和MapReduce架构浅析[J]. 邮电设计技术, 2012(7): 37-42.
	HAO S K . Brief analysis of the architecture of Hadoop HDFS and MapReduce[J]. Designing Techniques of Posts and Telecommunications, 2012(7): 37-42.
[10]	钟清流, 蔡自兴 . 基于支持向量机的渐近式半监督式学习算法[J]. 计算机工程与应用, 2006(25): 19-22.
	ZHONG Q L , CAI Z X . Semi-supervised leaning algorithm based on SVM and by gradual approach[J]. Application of Computer System, 2006(25): 19-22.
[11]	LIU B , DAI Y , LI X , et al. Building text classifiers using positive and unlabeled examples[C]// 2003 IEEE International Conference on Data Mining,Nov 11,2003,Melbourne,USA. Piscataway:IEEE Press, 2003: 179.
[12]	周志华 . 机器学习[M]. 北京: 清华大学出版社, 2016.
	ZHOU Z H . Machine learning[M]. Beijing: Tsinghua University PressPress, 2016.
[13]	BREIMAN L . Random forest[J]. Machine Learning, 2001, 45(2): 5-32.
[14]	ADANKON M M , CHERIET M . Support vector machine[J]. ComputerScience, 2002, 1(4): 1-28.
[15]	王和勇, 樊泓坤, 姚正安 . SMOTE和Biased SVM 相结合的不平衡数据分类[J]. 计算机科学, 2008, 35(5): 174-176.
	WANG H Y , FAN H K , YAO Z A . Imbalance data set classification using SMOTE and Biased-SVM[J]. Computer Science, 2008, 35(5): 174-176.
[16]	CHEN Y Q , ZHOU X S , HUANG T S . One-class SVM for learning in image retrieval[C]// International Conference on Image Processing,Oct 7-10,2001,Thessaloniki,Greece. Piscataway:IEEE Press, 2001: 34-37.
[17]	王健峰, 张磊, 陈国兴 , 等. 基于改进的网格搜索法的 SVM参数优化[J]. 应用科技, 2012, 39(3): 28-31.
	WANG J F , ZHANG L , CHEN G X , et al. A parameter optimization method for an SVM based on improved grid search algorithm[J]. Applied Science and Technology, 2012, 39(3): 28-31.

表名	字段
用户详情—流量	ICCID（SIM卡唯一标识）
	账户ID
	SIM卡状态
	数据用量—全部
	数据用量—上行
	数据用量—下行
	数据用量—全部（整数）
用户详情—短信	ICCID（SIM卡唯一标识）
	账户ID
	SIM卡状态
	发送短信时间
用户详情—语音	ICCID（SIM卡唯一标识）
	账户ID
	SIM卡状态
	语音时长—全部
	语音时长—全部（整数）
账户截图	账户ID
	操作ID
用户信息	用户姓名
	WLW_number

模型		正确率
两步法	朴素贝叶斯+随机森林	91.29%
	朴素贝叶斯+支持向量机	72.61%
	朴素贝叶斯+Biased SVM	83.51%
	SPY分类器+随机森林	89.51%
	SPY分类器+支持向量机	69.78%
	SPY分类器+Biased SVM	75.84%
直接法	One-Class SVM	62.98%

机器学习在物联网虚假用户识别中的运用

Application of machine learning in the fake user identification of IoT

在线阅读

PDF下载

可视化

摘要/Abstract

引用本文

使用本文

图/表 7

参考文献 17

相关文章 15

Metrics

推荐阅读 0

[1]	何耀宇, 张超. 面向无人机应用的低轨卫星通信技术适航分析[J]. 电信科学, 2023, 39(6): 96-104.
[2]	马天洋, 陈雄斌, 徐义武. 基于可见光通信的零能耗光标签[J]. 电信科学, 2023, 39(5): 20-27.
[3]	徐嘉, 简志华, 金宏辉, 吴超, 游林, 吴迎笑. 基于中心对称局部二值模式的合成伪装语音检测方法[J]. 电信科学, 2023, 39(1): 72-78.
[4]	杜书, 马玫, 赵波, 曾琦, 刘星. 用于电力物联网随机接入的低碰撞跳频通信系统[J]. 电信科学, 2023, 39(1): 117-125.
[5]	马洪源, 周维, 付艳, 邵永平, 黎丹. 蜂窝物联网核心网目标架构演进探讨[J]. 电信科学, 2023, 39(1): 153-161.
[6]	郑师应, 李源, 杨博涵, 马帅, 肖善鹏. 5G+行业现场网技术与产业发展综述[J]. 电信科学, 2022, 38(Z1): 17-27.
[7]	汪晗, 刁磊, 王梦玲, 荣欣, 李佳珉, 尤肖虎. 工业物联网中URLLC的关键问题分析[J]. 电信科学, 2022, 38(Z1): 77-92.
[8]	王文哲, 安岗, 李忻, 张伟强, 刘振华, 郑念卿, 陈盛伟, 赵文东, 狄子翔, 顾照杰. 面向空天地一体化场景的5G卫星双模终端需求及应用探讨[J]. 电信科学, 2022, 38(Z1): 221-230.
[9]	陈楠, 赵建军, 钟平, 黄勇军, 陈天. 基于云原生的分布式物联网操作系统架构研究[J]. 电信科学, 2022, 38(7): 146-156.
[10]	李昕, 孙君. 基于价值差异学习的多小区mMTC接入算法[J]. 电信科学, 2022, 38(6): 82-90.
[11]	于佳祺, 简志华, 徐嘉, 游林, 汪云路, 吴超. 基于联合特征与随机森林的伪装语音检测[J]. 电信科学, 2022, 38(6): 91-99.
[12]	李世通, 全大英, 唐泽雨, 陈赟, 汪晓峰, 金小萍. 基于时频图像和高次频谱特征的雷达信号识别[J]. 电信科学, 2022, 38(2): 84-91.
[13]	杨震, 赵建军, 黄勇军, 李洁, 陈楠. 基于网络演进的人工智能技术方向研究[J]. 电信科学, 2022, 38(12): 27-34.
[14]	刘小忠, 方军予, 蒋永彬. 2G/3G转网视角下电信运营商物联网发展策略分析[J]. 电信科学, 2022, 38(10): 153-162.
[15]	丁铖, 陈锦荣, 曹小冬, 王翊. 基于服务质量的层次化结构资源分配算法[J]. 电信科学, 2022, 38(1): 102-111.