随着电信市场的迅猛发展,电信行业中的客户欺诈行为也在与日俱增。电信客户欺诈检测系统利用数据挖掘、模式识别等先进工具对电信客户的呼叫行为进行具体分析,检测、预防欺诈行为。结合客户的具体行为对客户的分类,建立起电信客户欺诈检测模型,对欺诈行为进行检测,从而有力地解决了电信运营商的客户关系管理难题,造就更具竞争力的企业。电信用户的真实意图往往是无法直接获取的,只能通过呼叫数据间接得到。采用呼叫数据来描述用户的行为,并通过数据挖掘和统计学习方法等对呼叫数据进行学习生成相应的用户模型。研究的主要目的是利用用户模型和分类技术对各个用户群进行分类,训练得到的分类模型,其将未知用户分配到与之对应的群,从而完成对电信客户欺诈行为的检测。论文简要分析了电信客户欺诈行为所带来的危害,以及开发电信客户欺诈检测系统的必要性和紧迫性,介绍了开发电信客户欺诈检测系统所涉及到的相关理论知识:机器学习,统计学习理论等等,提出了用于电信客户欺诈检测模型的基于单类支持向量机的分类方法。样本通过随机选择算法采样后,用单类支持向量机进行初次分类,再利用支持向量机进行二次分类;详细阐述了电信客户欺诈检测的建模以及验证过程。对模型的性能测试表明:支持向量机应用于实际的电信客户欺诈模型中,具有一定的市场价值。模型能有效地挖掘出潜在的风险行为,识别出客户的欺诈行为。进而对规模小、分散性大的电信客户欺诈行为进行检测。