| Title: | Обнаружение аномалий на основе Big Data для выявления мошенничества в цифровых системах |
| Other Titles: | Anomaly detection based on Big Data for identifying fraud in digital systems |
| Authors: | Ходжамаммедов, М. М. |
| Keywords: | материалы конференций;Big Data;информационные системы;обнаружение аномалий;мошенничество;машинное обучение;нейронные сети;анализ данных;кибербезопасность |
| Issue Date: | 2026 |
| Publisher: | БГУИР |
| Citation: | Ходжамаммедов, М. М. Обнаружение аномалий на основе Big Data для выявления мошенничества в цифровых системах = Anomaly detection based on Big Data for identifying fraud in digital systems / М. М. Ходжамаммедов // Big Data и анализ высокого уровня = Big Data and Advanced Analytics : сборник научных статей XII Международной научно-практической конференции, Республика Беларусь, Минск, 23 апреля 2026 года : в 2 ч. Ч. 1 / Белорусский государственный университет информатики и радиоэлектроники [и др.] ; редкол.: В. А. Богуш [и др.]. – Минск, 2026. – С. 234–237. |
| Abstract: | В данной работе рассматриваются теоретические и прикладные аспекты обнаружения аномалий в условиях обработки больших данных с целью выявления мошеннической активности в цифровых системах. Актуальность темы обусловлена экспоненциальным ростом объемов данных и усложнением методов совершения мошенничества. В статье анализируются современные подходы, основанные на статистических методах, алгоритмах машинного обучения и глубоких нейронных сетях. Особое внимание уделяется роли распределенных вычислительных систем и потоковой обработки данных. Представлен сравнительный анализ методов и их эффективности в задачах обнаружения мошенничества. |
| Alternative abstract: | This work examines the theoretical and applied aspects of anomaly detection in the context of big data processing for identifying fraudulent activity in digital systems. The relevance of the topic is driven by the exponential growth of data volumes and the increasing complexity of fraud techniques. The article analyzes modern approaches based on statistical methods, machine learning algorithms, and deep neural networks. Special attention is paid to the role of distributed computing systems and stream data processing. A comparative analysis of methods and their effectiveness in fraud detection tasks is presented. |
| URI: | https://libeldoc.bsuir.by/handle/123456789/63506 |
| Appears in Collections: | BIG DATA and Advanced Analytics = BIG DATA и анализ высокого уровня : сборник научных статей : в 2 ч. (2026)
|
