Quantitative Fraud Analysis on Mobile Platforms – Bc. Josef Frola
Bc. Josef Frola
Master's thesis
Quantitative Fraud Analysis on Mobile Platforms
Quantitative Fraud Analysis on Mobile Platforms
Anotácia:
Tato práce představuje komplexní analýzu kvantitativní detekce podvodů na mobilních platformách s důrazem na využití technik strojového učení pro detekci a analýzu podvodných aktivit. Výzkum zahrnuje různé zdroje dat, jako jsou údaje z akcelerometru, gyroskopu a interakce uživatele s displejem. Cílem výzkumu je vyvinout modely, které mohou účinně identifikovat a předpovídat podvodné chování. Tato studie …viacAbstract:
This thesis presents a comprehensive analysis of quantitative fraud detection on mobile platforms, focusing on applying machine learning techniques to detect and analyze fraudulent activities. The research incorporates various data sources, including accelerometer, gyroscope, and touch interaction data, to develop models that can effectively identify and predict fraudulent behaviors. This study demonstrates …viac
Jazyk práce: English
Datum vytvoření / odevzdání či podání práce: 21. 5. 2024
Identifikátor:
https://is.muni.cz/th/yhrfp/
Obhajoba závěrečné práce
- Obhajoba proběhla 17. 6. 2024
- Vedúci: prof. Ing. Pavel Zezula, CSc.
- Oponent: RNDr. Vladimír Míč, Ph.D.
Plný text práce
Obsah online archivu závěrečné práce
Zveřejněno v Theses:- světu
Jak jinak získat přístup k textu
Instituce archivující a zpřístupňující práci: Masarykova univerzita, Fakulta informatikyMasaryk University
Faculty of InformaticsMaster programme / odbor:
Software Engineering / Design and development of software systems
Práce na příbuzné téma
-
Machine Learning for Text Anomaly Detection
Alina Tsykynovska -
Supervised and Unsupervised Machine Learning Methods for System Log Anomaly Detection
Júlia Ščensná -
Unsupervised Machine Learning Methods for Behaviour Analysis and Anomaly Detection in University Environment
Pavel Strnad -
Unsupervised Time Series Anomaly Detection on Virtualisation host networks
Andrej Černek -
Ensembles for anomaly detection
Tomáš Krutý -
Graph-based Anomaly Detection in Network Traffic
Denisa Šrámková -
FRAUD DETECTION USING MACHINE LEARNING
Muhammad Saad UDDIN -
Payment card fraud detection using machine learning
Angelina Uvaliyeva