Enhancing impersonation fraud detection on smart buildings physical access control systems: an anomaly-based approach using social groups trajectories data (2022)
- Authors:
- Autor USP: SILVA, GABRIEL MARIANO DE CASTRO - EP
- Unidade: EP
- Sigla do Departamento: PCS
- Subjects: EDIFÍCIOS INTELIGENTES; USURPAÇÃO; MINERAÇÃO DE DADOS; TRAJETÓRIA; CONTROLE FÍSICO; GRUPOS SOCIAIS; RECONHECIMENTO DE PADRÕES
- Language: Inglês
- Abstract: Detecção de fraude de identidade baseada em anomalias consiste em construir perfis com base nos comportamentos frequentes dos usuários e compará-los com novos dados. A ideia subjacente é que um comportamento diverso pode indicar uma possível fraude, ou seja, alguém tentando se passar pelo usuário original. A maioria das pesquisas na área visa usar dados espaço-temporais amplamente disponíveis coletados por sensores de localização onipresentes, tais como GPS, telefonia móvel, beacons e sistemas de controle de acesso físico. Por outro lado, muitos estudos alcançaram bom desempenho na descoberta de relações sociais entre os usuários. No presente trabalho, combinamos conceitos de pesquisas anteriores e propusemos um novo modelo de perfis denominado Group-T-Patterns, publicado originalmente em (SILVA; SICHMAN, 2022), que utiliza grupos sociais para construir perfis de mobilidade a fim de melhorar a detecção de anomalias. Em particular, desenvolvemos um algoritmo para minerar padrões de grupos chamado GTPM (Group Trajectory Pattern Mining) e implementamos um detector de fraude de identidade totalmente funcional para sistemas de controle de acesso físico. Conduzimos uma análise empírica usando dois conjuntos de dados do mundo real, e os resultados mostram que adicionar informações de grupos sociais a perfis de mobilidade melhora a detecção de ataques de representação baseados em anomalias.
- Imprenta:
- Data da defesa: 26.08.2022
-
ABNT
SILVA, Gabriel Mariano de Castro. Enhancing impersonation fraud detection on smart buildings physical access control systems: an anomaly-based approach using social groups trajectories data. 2022. Dissertação (Mestrado) – Universidade de São Paulo, São Paulo, 2022. Disponível em: https://www.teses.usp.br/teses/disponiveis/3/3141/tde-24022023-082742/. Acesso em: 31 maio 2024. -
APA
Silva, G. M. de C. (2022). Enhancing impersonation fraud detection on smart buildings physical access control systems: an anomaly-based approach using social groups trajectories data (Dissertação (Mestrado). Universidade de São Paulo, São Paulo. Recuperado de https://www.teses.usp.br/teses/disponiveis/3/3141/tde-24022023-082742/ -
NLM
Silva GM de C. Enhancing impersonation fraud detection on smart buildings physical access control systems: an anomaly-based approach using social groups trajectories data [Internet]. 2022 ;[citado 2024 maio 31 ] Available from: https://www.teses.usp.br/teses/disponiveis/3/3141/tde-24022023-082742/ -
Vancouver
Silva GM de C. Enhancing impersonation fraud detection on smart buildings physical access control systems: an anomaly-based approach using social groups trajectories data [Internet]. 2022 ;[citado 2024 maio 31 ] Available from: https://www.teses.usp.br/teses/disponiveis/3/3141/tde-24022023-082742/
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas