特色应用
所提出的无标签校准框架被应用于移动虚拟网络运营商（MVNO）环境中的欺诈检测，以提高警报效率的同时控制运营工作负载。
摘要
欺诈仍然是电信领域一个关键且不断变化的挑战，每年给该行业造成数十亿美元的损失。在移动虚拟网络运营商（MVNO）环境中，传统的监督方法受到限制，因为欺诈标签稀缺或延迟，且通话行为受到异质性收费政策的影响。利用一个真实的MVNO数据集（9603名用户，178万条通话记录），我们通过Kruskal–Wallis检验以及Dunn事后成对比较和Benjamini–Hochberg校正方法，得出了基于支付的用户群体，并确认了统计上显著的基线差异。我们提出了一种基于用户群体的校准策略，使用分段的经验分位数来设置可解释的阈值。评估采用了运营指标（激活率和工作负载）以及两个无标签警报质量代理指标：多规则共现性和激活稳定性（变异系数）。与全局校准相比，基于用户群体的校准减少了主要规则S4的激活率（从5.44%降至4.59%的用户小时数），同时提高了对罕见夜间模式的敏感度（F6规则从0.0017%提升至0.0137%的用户天数）。实验验证了警报质量的提升，这些发现的稳健性也通过不同分位数水平和替代分割方案的敏感性分析得到了证实。总体而言，特定于用户群体的校准提供了一种更加平衡、可解释且符合MVNO运营要求的基于规则的筛查机制。
