Dissertação de Mestrado em Informática apresentada à Universidade do Minho, tendo como orientadores Paulo Novais e Lino Costa. Ficheiro de 3,73 MB em formato PDF (115 p.). Resumo inserto na publicação.

A detecção de fraude nas telecomunicações passa por conhecer os métodos de fraude existentes e estudar as actividades irregulares dos subscritores. Apenas conseguimos perceber uma intenção fraudulenta após esta ter ocorrido mas surge também a necessidade de perceber se o subscritor irá ter actividades fraudulentas antes de as cometer. Perceber a intenção de um subscritor passa por entender o seu comportamento através das suas actividades na rede. Contudo, nunca é possível determinar com exactidão a ocorrência de fraude. Os dados detectados necessitam de ser analisados por um analista e as actividades do subscritor verificadas para perceber a sua intenção. Fingerprinting é o método de prevenção de fraude que passa pela detecção de uma similaridade entre o comportamento de um novo subscritor na rede para com os dados recolhidos de actividades de subscritores previamente sob investigação ou submetidos para tal. O Data Mining (DM) através do uso de algoritmos específicos de pesquisa tenta descobrir padrões discerníveis e inferir regras para os mesmos [1]. Nesta dissertação é investigado o potencial de algoritmos supervisionados de modelos, de DM, de quatro paradigmas distintos, para implementar o método fingerprinting: Raciocínio Baseado em Casos (RBC), Redes Neuronais (RNs), Árvores de Decisão e Redes de Bayes. Os dados dos subscritores são gerados por uma ferramenta desenvolvida com o objectivo de simular eventos de subscritores, normais e fraudulentos, numa rede de telecomunicações para as fases de treino e teste dos modelos de DM. Recorrendo a uma ferramenta que implemente algoritmos de DM é possível fazer uma análise comparativa dos resultados obtidos, de experiências de classificação e regressão, avaliando matrizes de confusão, curvas Receiver-Operating Characteristic (ROC), precisão e tempos de treino. Importa referir que a análise dos resultados obtidos é condicionada ao facto dos dados serem simulados e os modelos não tirarem partido de um volume real de dados de casos de fraude.