ES2319178T3 - Sistema y metodo para la deteccion y detencion de servicios fraudulentos. - Google Patents
Sistema y metodo para la deteccion y detencion de servicios fraudulentos. Download PDFInfo
- Publication number
- ES2319178T3 ES2319178T3 ES03739882T ES03739882T ES2319178T3 ES 2319178 T3 ES2319178 T3 ES 2319178T3 ES 03739882 T ES03739882 T ES 03739882T ES 03739882 T ES03739882 T ES 03739882T ES 2319178 T3 ES2319178 T3 ES 2319178T3
- Authority
- ES
- Spain
- Prior art keywords
- voice
- identifier
- user
- transaction
- fraud
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Lifetime
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 116
- 238000000034 method Methods 0.000 title claims description 39
- 238000005070 sampling Methods 0.000 claims abstract description 50
- 230000000694 effects Effects 0.000 claims abstract description 21
- 230000000052 comparative effect Effects 0.000 claims description 25
- 230000004044 response Effects 0.000 claims description 6
- 239000000523 sample Substances 0.000 description 71
- 238000012795 verification Methods 0.000 description 28
- 230000008901 benefit Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000011835 investigation Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000011160 research Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 230000001186 cumulative effect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 description 3
- 230000000977 initiatory effect Effects 0.000 description 3
- 230000011664 signaling Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 239000000725 suspension Substances 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001010 compromised effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 239000003999 initiator Substances 0.000 description 1
- 238000011093 media selection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000011017 operating method Methods 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L17/00—Speaker identification or verification techniques
- G10L17/22—Interactive procedures; Man-machine interfaces
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M1/00—Substation equipment, e.g. for use by subscribers
- H04M1/66—Substation equipment, e.g. for use by subscribers with means for preventing unauthorised or fraudulent calling
- H04M1/667—Preventing unauthorised calls from a telephone set
- H04M1/67—Preventing unauthorised calls from a telephone set by electronic means
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M3/00—Automatic or semi-automatic exchanges
- H04M3/22—Arrangements for supervision, monitoring or testing
- H04M3/2218—Call detail recording
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M3/00—Automatic or semi-automatic exchanges
- H04M3/22—Arrangements for supervision, monitoring or testing
- H04M3/2281—Call monitoring, e.g. for law enforcement purposes; Call tracing; Detection or prevention of malicious calls
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L17/00—Speaker identification or verification techniques
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M2201/00—Electronic components, circuits, software, systems or apparatus used in telephone systems
- H04M2201/18—Comparators
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M2201/00—Electronic components, circuits, software, systems or apparatus used in telephone systems
- H04M2201/40—Electronic components, circuits, software, systems or apparatus used in telephone systems using speech recognition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M2201/00—Electronic components, circuits, software, systems or apparatus used in telephone systems
- H04M2201/41—Electronic components, circuits, software, systems or apparatus used in telephone systems using speaker recognition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M2203/00—Aspects of automatic or semi-automatic exchanges
- H04M2203/60—Aspects of automatic or semi-automatic exchanges related to security aspects in telephonic communication systems
- H04M2203/6027—Fraud preventions
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M2207/00—Type of exchange or network, i.e. telephonic medium, in which the telephonic communication takes place
- H04M2207/20—Type of exchange or network, i.e. telephonic medium, in which the telephonic communication takes place hybrid systems
- H04M2207/206—Type of exchange or network, i.e. telephonic medium, in which the telephonic communication takes place hybrid systems composed of PSTN and wireless network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M3/00—Automatic or semi-automatic exchanges
- H04M3/22—Arrangements for supervision, monitoring or testing
- H04M3/36—Statistical metering, e.g. recording occasions when traffic exceeds capacity of trunks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M3/00—Automatic or semi-automatic exchanges
- H04M3/42—Systems providing special services or facilities to subscribers
- H04M3/42025—Calling or Called party identification service
- H04M3/42034—Calling party identification service
- H04M3/42059—Making use of the calling party identifier
Landscapes
- Engineering & Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Signal Processing (AREA)
- Multimedia (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Health & Medical Sciences (AREA)
- Technology Law (AREA)
- Telephonic Communication Services (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
- Burglar Alarm Systems (AREA)
- Control Of Vending Devices And Auxiliary Devices For Vending Devices (AREA)
- Devices For Checking Fares Or Tickets At Control Points (AREA)
- Multi Processors (AREA)
- Exchange Systems With Centralized Control (AREA)
- Alarm Systems (AREA)
Abstract
Un sistema (19) para la detección automática de actividad fraudulenta en una red de transacción, para la que cada transacción a través de la red tiene un identificador asociado con ella, de tal modo que el sistema comprende: medios (32) de comparación de voz, destinados a comparar una primera voz (44) de un usuario, de la que se han tomado muestras, de una primera transacción, con una voz (44) de la que se han tomado muestras de manera subsiguiente y perteneciente a un usuario de una transacción subsiguiente que tiene un identificador idéntico al de la primera transacción, y medios de control (26) para determinar, a partir de dicha comparación, un perfil de uso de usuario que es representativo de un cierto número de usuarios diferentes del identificador, al objeto de comparar el perfil de uso de usuario con un umbral para uso fraudulento, y para generar una señal (40) de estado de fraude en el caso de que el perfil de uso de usuario supere dicho umbral.
Description
Sistema y método para la detección y detención
de servicios fraudulentos.
La presente invención se refiere a un sistema y
a un método para la detección y la detención de la actividad
fraudulenta en una red de transacción a través del uso de medios de
muestreo de voz. En particular, pero no exclusivamente, la
invención se refiere a un método y a un sistema para la detección de
la actividad fraudulenta, implementados en una red de
telecomunicaciones móvil o de líneas terrestres o fijas.
Las redes de telecomunicaciones permiten el
intercambio fiable, rápido y seguro de información por parte de
particulares y de empresas a escalas locales, regionales y globales.
Tales redes son fundamentales para el funcionamiento de todos los
sistemas de comercio electrónico ("e-commerce")
y de comercio móvil ("m-commerce"), que están
revolucionando los métodos de negocio de las empresas en todo el
mundo. Debido a lo deseable de los servicios proporcionados por las
redes, éstas son objetivos populares para los delincuentes que
tratan de defraudar a los operadores de red sustrayendo los
servicios que éstas proporcionan y vendiéndolos a terceros con un
descuento sustancial. Por ejemplo, se conoce que los delincuentes
sustraen tiempo de red que está asignado a una tarifa de llamada, y
venden entonces este tiempo robado a terceros. El mismo problema se
encuentra con el tiempo de llamada previamente pagado, o de
prepago. Los delincuentes se ven ayudados en este propósito por el
anonimato de las redes de telecomunicaciones y por la inseguridad de
su infraestructura física. Es también relativamente fácil conseguir
el acceso a los dispositivos físicos o hardware desde el cual pueden
ser lanzados los ataques fraudulentos.
El fraude no es sólo un serio problema para los
operadores de las redes de telecomunicaciones, sino también para
los proveedores de servicios que hacen uso de ellas. Además de los
actos delictivos de vender a terceros servicios robados, es un
hecho persistente el uso fraudulento de tarjetas de crédito y otras
tarjetas para la adquisición de bienes y servicios a través de
redes de telecomunicaciones. Uno de los problemas fundamentales de
tales actos fraudulentos lo constituyen las implicaciones en el
coste de proporcionar servicios que, en último término, no se
pagan. Con el fin de combatir el fraude, se utilizan sofisticados
sistemas de detección del fraude para supervisar la actividad en
una red en busca de un comportamiento sospechoso que pueda indicar
que se está cometiendo un fraude. Algunos sistemas, tales como los
que se describen en los documentos US 6.078.807 y US 5.623.539,
funcionan comparando una muestra de voz de un usuario de un número
de teléfono con una impresión o registro previamente almacenado de
voz de un usuario legítimo. Si la muestra de voz no coincide con la
impresión de voz, esto se toma como un indicio de una transacción
fraudulenta. Sin embargo, los sistemas como éste son relativamente
complejos y, como resultado de ello, su fiabilidad tiende a ser
bastante baja. En consecuencia, existe la necesidad de que un
operador del sistema emplee grandes equipos de investigación de
fraude para analizar cada posible fraude con más detalle, al objeto
de determinar si se ha identificado realmente un fraude, y, si es
así, autorizar la suspensión del servicio del que se está sacando
provecho.
Es un propósito de la presente invención
proporcionar un sistema y un método de complejidad reducida para
detectar transacciones fraudulentas y que reduce el requisito de la
contribución humana al procedimiento de detección del fraude.
Constituye un propósito adicional de la invención proporcionar un
método y un sistema mejorados para la detección de transacciones
fraudulentas con una fiabilidad mejorada.
De acuerdo con un primer aspecto de la presente
invención, se proporciona un sistema para la detección automática
de la actividad fraudulenta en una red de transacción para la que
cada transacción a través de la red tiene un identificador asociado
con ella, de tal modo que el sistema comprende medios de comparación
de voz, destinados a comparar una primera voz de un usuario, de la
que se han tomado muestras, de una primera transacción, con una voz
de la que se han tomado muestras de manera subsiguiente y
perteneciente a un usuario de una transacción subsiguiente que
tiene un identificador idéntico al de la primera transacción, y
medios de control para determinar, a partir de dicha comparación,
un perfil de uso de usuario que es representativo de un cierto
número de usuarios diferentes del identificador, al objeto de
comparar el perfil de uso de usuario con un umbral para uso
fraudulento, y generar una señal de estado de fraude en el caso de
que el perfil de uso de usuario supere dicho umbral.
Pueden tomarse muestras de la voz del usuario de
la primera transacción por parte del operador del sistema (por
ejemplo, un proveedor de servicios de red). En caso de que, por
ejemplo, el sistema se utilice para supervisar llamadas telefónicas
fraudulentas desde un teléfono móvil que tiene un identificador en
la forma de un número de teléfono móvil, el operador del sistema
puede tomar muestras de la voz del usuario en el momento de la
venta del servicio (por ejemplo, cuando se asigna un número de
teléfono móvil a un usuario). Esta primera muestra de voz puede ser
convertida en una impresión o registro de voz por medio de un
software de verificación de hablante adecuado, al ser almacenada en
medios de almacenamiento para su comparación con muestras de voz
que se tomen durante llamadas telefónicas subsiguientes que tengan
este identificador. La base de datos de impresiones de voz
almacenadas que se obtiene de las muestras de voz para diferentes
identificadores, puede también ser creada y mantenida por un
proveedor de servicios diferente del operador del sistema.
Cuando se produce una transacción subsiguiente
que tiene un identificador idéntico al de la primera transacción,
el operador del sistema toma muestras de la voz del usuario de la
transacción subsiguiente para generar una muestra de voz
subsiguiente que es entonces comparada con la impresión de voz
almacenada que se ha obtenido de la primera muestra de voz, con el
propósito de determinar el perfil de uso de usuario.
En esta realización, el sistema incluye también,
por tanto, preferiblemente, medios de muestreo de voz destinados a
tomar muestras de la voz de un usuario de la primera transacción,
para generar una primera muestra de voz y para generar una primera
impresión de voz a partir de dicha primera muestra de voz, así como
medios de almacenamiento de impresión de voz, destinados a
almacenar, con el identificador asociado, la primera impresión de
voz para su comparación con una muestra de voz subsiguiente que se
haya generado para la transacción subsiguiente.
En una realización alternativa, alguien más,
aparte del operador del sistema, puede tomar muestras de la voz del
usuario para la primera transacción, y puede actualizar y mantener
medios de almacenamiento de impresión de voz adecuados para las
impresiones de voz obtenidas a partir de las muestras de voz y de
los identificadores asociados. No es necesario, por tanto, que el
sistema de la presente invención se fabrique de manera que incluya
medios de almacenamiento de impresión de voz para almacenar las
impresiones de voz.
La presente invención es particularmente
adecuada para su aplicación en transacciones de red de
telecomunicación en las que el fraude está extendido y, por
ejemplo, en las que los defraudadores sustraen los servicios
previamente pagados proporcionados por los operadores de red con el
fin de venderlos a terceros. En este caso, las transacciones
implementadas en la red son, por ejemplo, llamadas telefónicas desde
teléfonos móviles o de líneas fijas, y el identificador para cada
transacción es el número de teléfono único o exclusivo, al que se
hace referencia a menudo como número-A, que
identifica el origen de la llamada.
El perfil de uso de usuario proporciona una
indicación del número de usuarios diferentes asociados con un único
identificador de transacción. Es un beneficio concreto de la
presente invención el hecho de que no hay necesidad de identificar
positivamente la voz del usuario a partir de la(s)
muestra(s) de voz, sino que, en lugar de ello, se realiza
una determinación con respecto a si el número de identificaciones
negativas (es decir, el número de muestras de voz que no
corresponden a una impresión de voz previamente almacenada) sugiere
un uso fraudulento. Esto reduce el grado de sofisticación requerido
de los medios de comparación de voz que forman parte del sistema.
La presente invención tiene sus raíces en la constatación, por parte
del presente inventor, de que el número de usuarios diferentes que
son de un identificador puede ser utilizado para proporcionar una
indicación de si existe un uso fraudulento del identificador. Un
beneficio adicional de la invención es que permite el uso de
sistemas de verificación de alta velocidad que generan pequeñas
impresiones de voz a partir de muestras de voz, incluso aunque los
sistemas puedan tener tasas o proporciones de error relativamente
altas. Como resultado, la capacidad de procesamiento de la invención
se ve maximizada y son requisitos de almacenamiento son
minimizados.
En una realización preferida, el sistema incluye
también medios de selección configurados para iniciar el muestreo
de la voz del usuario por los medios de muestreo de voz, únicamente
para transacciones seleccionadas. Esto procura la ventaja de que
los requisitos de tratamiento o procesamiento, de muestreo de voz y
de almacenamiento de datos se ven reducidos.
Preferiblemente, los medios de muestreo de voz
están configurados para tomar muestras de la voz de un usuario
varias veces para cada transacción. Esto proporciona el beneficio de
que, si los defraudadores están al tanto de dichas pautas o
esquemas de muestreo de voz, es posible evitar toda tentativa de
burlar el procedimiento de detección de fraude.
De preferencia, los medios de selección incluyen
un sistema de detección de fraude para determinar si una
transacción tiene una característica fraudulenta y para generar una
señal de alerta de fraude en el caso de que sea así, y en virtud de
los cuales se inicia el muestreo de voz en respuesta a la generación
de una señal de alerta de fraude.
Esta realización de la invención se sirve de un
aparato de detección de fraude y una tecnología de verificación de
voz combinados para identificar fraudes, y ofrece importantes
beneficios a los operadores de red y a los proveedores de
servicios. La invención logra una fiabilidad mucho mayor que los
sistemas de detección de fraude convencionales, lo que hace posible
suspender automáticamente los servicios de los que se está sacando
provecho sin necesidad de un equipo de investigación del fraude.
Como resultado de ello, se consiguen dos importantes ahorros en los
costes. En primer lugar, el tamaño del equipo de investigación del
fraude puede ser reducido sustancialmente (o suprimido en su
totalidad), debido a que ya no se requiere para investigar cada
suceso sospechoso que se produce en una red. En segundo lugar,
debido a que el operador de red no tiene que esperar a que se
confirme la transacción fraudulenta por una investigación manual
antes de que ésta sea detenida, el tiempo que se requiere para
detener cada transacción fraudulenta se ve reducido, lo que limita
las pérdidas en las que se incurre.
Como alternativa a proporcionar el sistema de
detección de fraude, los medios de selección pueden estar
configurados para iniciar periódicamente un muestreo de voz de las
transacciones (es decir, se extrae una muestra de voz únicamente
para transacciones seleccionadas, por ejemplo, cada diez
transacciones). Son también posibles criterios de selección no
temporales y no de fraude, tales como analizar únicamente las
llamadas a destinos internacionales o de rango preferente o
prioritario.
El sistema de detección de fraude puede ser de
cualquier tipo conocido y puede incluir medios para comparar un
perfil de usuario para el identificador con una o más
características de una transacción asociada con el identificador, a
fin de determinar con ello si la transacción tiene una
característica fraudulenta. Típicamente, esto puede hacerse
comparando el perfil de usuario con características de transacción
relativas, por ejemplo, a la duración de la llamada, el destino y
el coste.
En una realización preferida, los medios de
comparación de voz están dispuestos para generar una señal de
salida comparativa negativa en el caso de que la muestra de voz
subsiguiente no coincida sustancialmente con una impresión de voz
almacenada, y una señal de salida comparativa positiva en el caso de
que la muestra de voz subsiguiente coincida sustancialmente con una
impresión de voz almacenada.
El perfil de uso de usuario puede incluir una
representación de un número total de señales de salida comparativas
positivas y/o negativas, generadas por los medios de comparación de
voz. Alternativamente, o además de ello, el perfil de uso de
usuario puede incluir una representación de un porcentaje del total
de muestras de voz para el que se genera una señal de salida
comparativa negativa y/o positiva. El perfil de uso de usuario puede
incluir también una representación de un total acumulativo de
muestras de voz secuenciales originarias del mismo y/o de
diferentes usuarios.
El umbral para el uso fraudulento se selecciona
de acuerdo con la representación o representaciones particulares
proporcionadas por el perfil de uso de usuario con las que se
compara. Así, por ejemplo, un perfil de uso de usuario que incluye
una representación del número total de señales de salida
comparativas negativas, puede compararse con un umbral que consiste
en un número máximo de usuarios diferentes del identificador que es
representativo de uso fraudulento (es decir, el número de usuarios
diferentes del anterior identificador por encima del cual el uso se
considera fraudulento).
Preferiblemente, los medios de control incluyen
medios de señal de parada destinados a generar una señal de parada
que sirve para detener el muestreo de las transacciones, por
ejemplo, el muestreo de voz o el muestreo para el análisis por el
sistema de detección de fraude, para un identificador para el que el
perfil de uso de usuario proporciona una indicación positiva de un
uso que no es fraudulento.
De preferencia, los medios de control están
dispuestos para comparar el perfil de uso de usuario con un umbral
para uso no fraudulento, y en ellos los medios de señal de parada
están dispuestos para generar la señal de parada en el caso de que
el perfil de uso de usuario supere dicho umbral para uso no
fraudulento. El perfil de uso de usuario puede incluir una
representación de un porcentaje del número total de señales de
salida comparativas que son positivas para dicho identificador, y
en él dicho umbral para uso no fraudulento es un porcentaje mínimo
de transacciones que tienen el mismo usuario, el cual se considera
que proporciona una indicación positiva de un uso no fraudulento.
Así pues, si un número total de señales de salida comparativas
positivas generadas por un identificador particular indica
positivamente que hay tan sólo uno o un número pequeño de dicho
identificador, como será lo esperado para un uso no fraudulento, la
señal de parada se genera para poner fin a un muestreo adicional de
las transacciones que tienen este identificador.
En una realización preferida adicional, el
sistema puede también incluir unos medios de almacenamiento de
registro, típicamente en la forma de un archivo de perfil de
análisis, destinados a almacenar registros de datos que son
representativos del perfil de usos de usuario.
El identificador puede consistir en cualesquiera
datos alfabéticos, numéricos o alfanuméricos, o información que
esté normalmente asociada con tan sólo un individuo o un número
pequeño de individuos, e incluye números de cuentas bancarias,
números de tarjetas de crédito o cualquier identificador asociado
con un objeto físico, tal como un teléfono, que sea también
utilizado normalmente sólo por un único individuo o un número
pequeño de individuos. Una impresión de voz consiste en cualquier
información que sea requerida por unos medios de comparación de voz
o un dispositivo de verificación de voz para distinguir una persona
de un conjunto grande de otras personas con una probabilidad muy
elevada.
El sistema es igualmente aplicable a las
transacciones de pago implementadas en una red de
telecomunicaciones, o a cualquier otro sistema en el que pueda
obtenerse una muestra de la voz de la persona que inicia una
transacción. En este caso, la transacción consiste en un pago por
bienes y/o por servicios. La transacción de pago es implementada
por un usuario que lee un número de tarjeta de pago a un proveedor
de bienes o de servicios, a través de la red de telecomunicaciones.
El número de la tarjeta de pago representa un identificador único o
exclusivo para el que se obtiene una muestra de la voz del usuario,
que es entonces convertida en una impresión de voz, almacenada y
comparada con subsiguientes muestras de voz obtenidas para pagos
subsiguientes con la misma tarjeta de pago.
En una realización preferida, el perfil de uso
de usuario también incluye una representación de una o más
características del identificador asociado, por ejemplo, el tipo de
teléfono con el que está asociado un identificador de
número-A o un identificador de número de tarjeta de
pago.
De preferencia, los medios de control incluyen
medios de ajuste destinados a ajustar al menos uno de los umbrales
para uso fraudulento y el umbral para uso no fraudulento, para un
identificador asociado, en respuesta a una o más de dichas
características de identificador asociado. De esta forma, tipos de
llamadas diferentes tienen umbrales diferentes asociados con ellos.
Por ejemplo, para llamadas que tienen su origen en teléfonos de
líneas terrestres o fijas, puede esperarse que exista un número
mayor de usuarios diferentes del teléfono que para un teléfono
móvil. El umbral más allá del cual existe una indicación de uso
fraudulento puede, por tanto, ajustarse con el fin de mejorar
adicionalmente la proporción de éxito del sistema.
Preferiblemente, el sistema incluye también un
archivo de perfil de análisis destinado a almacenar el perfil de
uso de usuario. Se apreciará que el perfil de uso de usuario puede
incluir una representación del número de usuarios diferentes de un
identificador, así como una representación de la, o de cada,
característica del identificador, y puede almacenarse en una
posición de memoria informática común o en posiciones de memoria
informática diferentes.
En una realización preferida, los medios de
control están dispuestos para suministrar automáticamente la señal
de estado de fraude a la red de transacción, a fin de implementar,
con ello, la finalización automática de la transacción en el caso
de que se haya superado el umbral para uso fraudulento. La señal de
estado de fraude puede también implementar la finalización
automática de otros servicios asociados con el identificador. Esto
elimina la necesidad de implicación humana en el análisis de las
alertas de fraude generadas pon un sistema de detección de fraude,
y reduce, por tanto, los costes para el operador de red asociados
con el hecho de proporcionar un equipo de investigación del
fraude.
Una realización preferida incluye también un
dispositivo de muestreo de voz destinado a tomar muestras de la voz
del usuario para la primera transacción, a generar una primera
muestra de voz y a obtener una primera impresión de voz a partir de
dicha primera muestra de voz, así como un archivo de almacenamiento
de impresión de voz, destinado a almacenar la primera impresión de
voz con el identificador asociado.
De acuerdo con un segundo aspecto de la presente
invención, se proporciona un método para la detección automática de
la actividad fraudulenta en una red de transacción, para la que cada
transacción a través de la red tiene un identificador asociado con
ella, de tal modo que el método comprende: comparar una primera voz
de la que se han tomado muestras y perteneciente a un usuario de
una primera transacción, con una voz de la que se han tomado
muestras subsiguientemente y perteneciente a un usuario de una
transacción subsiguiente que tiene un identificador idéntico al de
la primera transacción, determinar, a partir de dicha comparación,
un perfil de uso de usuario para dicho identificador, que sea
representativo de un cierto número de usuarios diferentes del
identificador, comparar el perfil de uso de usuario con un umbral
para uso fraudulento, y generar una señal de estado de fraude en el
caso de que el perfil de uso de usuario exceda dicho umbral.
El método incluye, preferiblemente, tomar
muestras de una voz del usuario de la primera transacción para
generar una primera muestra de voz, obtener una primera impresión
de voz a partir de la primera muestra de voz, almacenar la primera
impresión de voz, con el identificador asociado, en un archivo de
impresión de voz, tomar muestras de una voz del usuario de la
transacción subsiguiente al objeto de generar una muestra de voz
subsiguiente, y comparar la muestra de voz subsiguiente con la
primera impresión de voz, con el propósito de determinar el perfil
de uso de usuario para dicho identificador.
El método incluye, preferiblemente, la etapa de
suministrar automáticamente la señal de estado de fraude al sistema
de transacción con el fin de implementar la finalización automática
de la transacción en el caso de que se supere el umbral de uso no
fraudulento.
El método puede incluir, adicionalmente,
proporcionar una indicación inicial con respecto a si una
transacción tiene una característica fraudulenta, utilizando medios
de detección de fraude, generar una señal de alerta fraudulenta en
el caso de que la indicación inicial sea que la transacción tiene
una característica fraudulenta, e iniciar selectivamente el
análisis de voz de las transacciones que tienen este identificador,
en respuesta a la generación de la señal de alerta de fraude por
parte del sistema de detección de fraude.
Preferiblemente, el motor o máquina de detección
de fraude del sistema, basado en la voz, comprende:
un comparador de voz, destinado a comparar una
primera voz de un usuario de uno de los identificadores, de la que
se han tomado muestras, con una voz de un usuario del mismo
identificador, de la que se han tomado muestras subsiguientemente y
tomada durante un uso subsiguiente de ese mismo identificador;
un dispositivo perfilador, destinado a construir
un perfil de uso por los usuarios de ese mismo identificador
basándose en las comparaciones de voz, de tal manera que el perfil
es representativo de un cierto número de usuarios diferentes del
identificador; y
un detector de fraude, destinado a comparar el
número de usuarios diferentes que se han representado en el perfil
como que utilizan el identificador, con un umbral indicativo de uso
fraudulento, de tal manera que, en el caso de que el número de
usuarios exceda el umbral, se genera una señal de alerta de
fraude.
De preferencia, la máquina de detección de
fraude por características de uso analiza uno o más de los
siguientes elementos para determinar si existe una indicación de
uso fraudulento del identificador: la frecuencia de uso del
identificador, la manera de uso del identificador, la duración de
cada uso del identificador, o los tipos de transacciones llevadas a
cabo con el identificador.
Preferiblemente, la técnica de análisis de voz
del método comprende las etapas de:
comparar una de las voces de las que se han
tomado muestras con otra de las voces de las que se han tomado
muestras subsiguientemente;
elaborar un perfil del uso por parte de los
usuarios de ese mismo identificador basándose en las comparaciones
de voz, de tal modo que el perfil es representativo de un cierto
número de usuarios diferentes del identificador;
comparar el número de usuarios diferentes que se
han representado en el perfil como que utilizan el identificador,
con un umbral indicativo de uso fraudulento; y
generar una señal de alerta de fraude en el caso
de que el número de usuarios supere dicho umbral.
De preferencia, el análisis de las
características del uso de la red incluye las etapas de: analizar
uno o más de los siguientes elementos para determinar si existe una
indicación de uso fraudulento del identificador: la frecuencia de
uso del identificador, la manera de uso del identificador, la
duración de cada uso del identificador, o los tipos de
transacciones llevadas a cabo con el identificador.
Se apreciará que las características preferidas
y/u opcionales de las primera y segunda realizaciones de la
invención son igualmente aplicables a los tercer y séptimo aspectos
de la invención, así como a la implementación del método de los
cuarto, quinto u octavo aspectos de la invención, por separado o en
la combinación apropiada.
El término "transacción" se utiliza a lo
largo de esta memoria para hacer referencia a todas las
transacciones de negocios, intercambios de información, de bienes,
de servicios o de fondos, así como a las expresiones de intención
de realizar tales intercambios, durante las cuales pueden obtenerse
muestras de las voces de los usuarios del identificador con el que
está asociada la transacción, e incluye llamadas telefónicas y
compras realizadas con tarjetas de crédito, dinero electrónico y a
través de comercio electrónico ("e-commerce") y
de comercio móvil ("m-commerce").
El término "identificador" se utiliza a lo
largo de esta especificación para hacer referencia a una etiqueta
de identificación de un elemento de red o de un componente u otro
elemento que se utilice para conducir una transacción, y que puede
ser objeto de un uso fraudulento. Por ejemplo, el elemento de red
puede ser un teléfono móvil, de tal modo que el identificador es el
número telefónico de ese teléfono. En otro ejemplo, el componente
puede ser una tarjeta de crédito y el identificador puede ser el
número de la tarjeta o (independientemente o en combinación) un
número de identificación personal o palabra de paso. Por
conveniencia, la terminología "uso del identificador" (y
similar) se emplea porque es habitualmente el número de teléfono el
que se factura o es en la tarjeta de crédito donde se produce el
cargo. El uso en este sentido no se pretende que sea limitativo.
Para el propósito de esta memoria, es la
intención que la expresión "muestreo de voz" haga referencia no
sólo al muestreo discreto de la voz de un usuario, sino también a
un muestreo continuo en el que se genera una corriente de datos
continua para representar la voz del usuario de la transacción. La
referencia a la "coincidencia" o a la "falta de
coincidencia" de una muestra de voz y una impresión de voz se
comprenderá por las personas familiarizadas con esta técnica, y en
la siguiente descripción se proporcionan ejemplos del modo como
puede llevarse a cabo una determinación de una coincidencia o falta
de coincidencia.
Para evitar dudas, se vuelve a afirmar que no es
la intención que se lleve a cabo la comparación de una muestra de
voz con una impresión voz con el propósito de determinar cuándo
existe una coincidencia definitiva en cualquier caso individual,
sino supervisar cuándo existen faltas de coincidencia entre muestras
que sugieren un gran número de usuarios diferentes de un
identificador.
\vskip1.000000\baselineskip
La invención se describirá a continuación, a
modo de ejemplo únicamente, con referencia a los siguientes dibujos,
en los cuales:
la Figura 1 es diagrama esquemático que ilustra
una disposición genérica de diversas realizaciones de la presente
invención para implementar la detección automática de transacciones
fraudulentas en una red de transacción;
la Figura 2 es un diagrama esquemático y
detallado que ilustra una red de telecomunicaciones representada en
la Figura 1 y con la que puede utilizarse el sistema de las
presentes realizaciones;
la Figura 3 es un diagrama esquemático de
bloques que ilustra un sistema de acuerdo con una realización
preferida de la presente invención, para la detección y la
finalización automáticas de transacciones fraudulentas cuando se
aplica a una red de telecomunicaciones tal como la que se muestra en
la Figura 2;
la Figura 4 es un diagrama de flujo que ilustra
las etapas de funcionamiento del sistema que se muestra en
la
Figura 3;
Figura 3;
la Figura 5 es un diagrama de flujo que ilustra
en detalle la etapa de análisis del diagrama de flujo de la Figura
4, a la hora de determinar si está teniendo lugar una transacción
fraudulenta;
la Figura 6 es un diagrama de flujo que ilustra
la etapa de análisis del diagrama de flujo de la Figura 4, a la
hora de determinar si se está produciendo una transacción no
fraudulenta;
la Figura 7 es una ilustración de un archivo de
impresión de voz del sistema que se muestra en la Figura 3;
la Figura 8 es una ilustración de un registro
que representa un perfil de uso de usuario del sistema que se
muestra en la Figura 3;
la Figura 9 es un diagrama detallado del motor o
máquina de detección de fraude basada en la voz, del sistema que se
muestra en la Figura 3;
la Figura 10 es un diagrama esquemático de un
sistema de acuerdo con una realización alternativa de la invención,
similar al mostrado en la Figura 3, pero que carece de la máquina de
detección de fraude; y
la Figura 11 es un diagrama de flujo que ilustra
las etapas de funcionamiento para el sistema que se muestra en la
Figura 10.
\vskip1.000000\baselineskip
Haciendo referencia a la Figura 1, una red de
transacción, utilizada en combinación con las realizaciones de la
presente invención y a la que se hace referencia generalmente con la
referencia 10, adopta la forma de una red de telecomunicaciones
para el intercambio de transacciones o llamadas telefónicas,
representadas por líneas discontinuas 16, entre unos primer y
segundo usuarios 12, 14, respectivamente. El primer usuario 12 da
inicio a una llamada telefónica desde un teléfono que tiene un
primer número de teléfono, y la llamada se transmite, a través de
una red de telecomunicaciones, al segundo usuario 14 de un teléfono
que tiene un segundo número de teléfono al que está dirigida la
llamada. La red de telecomunicaciones 10 incluye un centro de
conmutación 18 que encamina la llamada desde el primer usuario 12 al
segundo usuario deseado 14. El centro de conmutación 18 comunica
también información relativa a cada transacción a un sistema de
análisis 19 de realizaciones de la presente invención, que sirve
para analizar características de algunas o todas las llamadas
efectuadas a través de la red de telecomunicaciones 10, a fin de
determinar si son de naturaleza fraudulenta.
La Figura 2 muestra una forma habitual de la red
de transacción de la Figura 1, para uso con una realización
preferida de la presente invención, en la que se transmite una
llamada telefónica, a través de una red de telecomunicaciones 10,
desde un primer terminal de mano de teléfono móvil originario 12a a
un segundo terminal de mano de teléfono móvil receptor 14a. Un
Centro de Conmutación Móvil (MSC -"Mobile Switching Centre")
118 controla el encaminamiento de las llamadas entre los terminales
de mano de origen y de recepción, 12a y 14a. Durante la llamada, la
transmisión y la recepción de las señales hacia y desde los
terminales de mano telefónicos 12a, 14a se controla por medio de
una estación de base 15 y de un conjunto de antena 17 de la red 10
de acuerdo con los requisitos del operador de red, de una manera
conocida.
En la práctica, la red 10 también incluirá una
Red Telefónica Pública Conmutada (PSTN -"Public Switched
Telephone Network") 218 para controlar el encaminamiento de las
llamadas hacia y desde los teléfonos de líneas terrestres o fijas,
tales como el que se muestra con la referencia 212, que se comunica
con la red 10 a través de las líneas de PSTN 213. El MSC 118 y la
PSTN 218 están configurados para proporcionar el encaminamiento de
las llamadas de línea terrestre a línea terrestre, las llamadas
entre teléfonos de línea terrestre y teléfonos móviles (y
viceversa), y las llamadas de móvil a móvil, según se requiera.
La Figura 3 muestra los detalles de la
realización preferida del sistema de análisis 19 de la Figura 1. El
sistema 19 incluye un sistema de detección de fraude basado en la
voz, al que se hace referencia generalmente con la referencia 21 y
que se muestra en líneas discontinuas, el cual pone en práctica
tecnología de verificación de voz para determinar de forma fiable
si se está produciendo una transacción fraudulenta. El sistema está
basado en el principio de que las transacciones (tales como llamadas
telefónicas) que se están llevando a cabo utilizando un
identificador (tal y como un número de teléfono particular) que es
utilizado normalmente tan sólo por un individuo o un pequeño número
de ellos, pueden supervisarse buscando el uso por un número mayor
de individuos, lo cual, si se detecta, proporciona una indicación de
que existe un uso fraudulento del identificador.
El sistema 21 de detección de fraude basado en
la voz tiene tres elementos principales de procesamiento, incluyendo
unos medios de control o controlador en forma de un motor o máquina
26 de detección de fraude basada en la voz, unos medios de
comparación de voz, en forma de un comparador de voz o máquina 32 de
verificación de voz, y unos medios de muestreo de la voz, en forma
de un dispositivo 38 de muestreo de voz. La máquina 26 de detección
de fraude basada en la voz proporciona señales de control 30 para la
máquina 32 de verificación de voz, que, a su vez, está dispuesta
para controlar el dispositivo 38 de muestreo de voz a través de
señales de control 34, con el propósito de extraer una muestra de
la voz del usuario de la transacción (es decir, la voz del usuario
que realiza la llamada inicial desde el teléfono 12a que se muestra
en la Figura 2), a partir de la cual se obtiene o deduce entonces
una impresión de voz. A continuación de una serie de etapas de
análisis de voz, si se determina que está teniendo lugar una
transacción fraudulenta, el sistema 21 de detección de fraude
basado en la voz proporciona señales de control 40 al MSC 118 de la
red 10 para iniciar la finalización de una transacción fraudulenta
de una manera apropiada. Si la llamada se originó en un teléfono de
línea terrestre, la señal de control 40 se proporcionará a la PSTN
218 para la finalización inicial de la llamada.
El sistema 21 de detección de fraude basado en
la voz tiene también unos medios de almacenamiento de impresión de
voz asociados, en forma de un archivo 39 de impresión de voz, para
almacenar impresiones de voz que son generadas a partir de muestras
de voz extraídas por el dispositivo 38 de muestreo de voz. El
sistema 21 de detección de fraude basado en la voz también incluye
unos medios de almacenamiento de registro, que adopta la forma de
un archivo 25 de perfil de análisis, para almacenar registros de
datos 46 en asociación con el número de teléfono. Más
concretamente, se crea un registro 46 en el archivo 25 de perfil de
análisis asociado, para representar el diferente número de usuarios
de un identificador particular, como se describe adicionalmente más
adelante.
El sistema 21 incluye adicionalmente unos medios
de selección que son susceptibles de hacerse funcionar para
garantizar únicamente que ciertas de las llamadas transmitidas a
través de la red son seleccionadas para su análisis por la máquina
26 de detección de fraude basada en la voz. En esta realización de
la invención, los medios de selección adoptan la forma de un
sistema 20 de detección de fraude para identificar llamadas que
tienen una característica fraudulenta, y, por tanto, de las que se
sospecha el uso fraudulento del teléfono de origen 12a. La
provisión de tales medios de selección es beneficiosa por cuanto que
reduce la carga de procesamiento o tratamiento del sistema global,
reduciendo sus requisitos de hardware y mejorando su velocidad de
respuesta.
Durante el uso, las señales 13 de datos de
transacción procedentes de la red 10 se suministran al sistema 20
de detección de fraude, el cual supervisa llamadas telefónicas de
transacción y analiza un abanico de parámetros que son
característicos de las llamadas, tales como el número del teléfono
móvil o de la línea terrestre desde la que se ha originado la
llamada (al que se hace referencia comúnmente como
"número-A"), el destino de la llamada (por
ejemplo, el país de destino), la duración de la llamada y el coste
de la llamada. El número-A proporciona un código de
identificación, o identificador, que es único para el usuario de
cada teléfono de origen 12a. En el caso de un teléfono móvil, el
número-A puede ser definido por una tarjeta de SIM,
que se emite habitualmente para un usuario por parte del proveedor
de servicios, para uso únicamente en uno o en un pequeño número de
terminales de mano de teléfono móvil. Lo más común es que una
tarjeta de SIM sea utilizada tan sólo en un terminal de mano móvil,
pero se apreciará que puede producirse el uso de más de un terminal
de mano legítimamente, por ejemplo, si una pareja comparte una
tarjeta de SIM para uso en sus dos terminales de mano, o bien si se
transfiere una tarjeta de SIM al equipo de mano de un amigo o de un
colega para hacer alguna llamada. En el caso de un teléfono de
línea terrestre o fija, el número-A es asignado por
un proveedor de servicios para su uso, típicamente, en una única
ubicación de conexión de telefonía, o puede ser iniciado a través
de un sistema de PABX.
La cantidad de dinero que pueden ganar los
defraudadores por el tiempo de red sustraído se ve limitada por los
cargos normalmente hechos por los servicios que pueden proporcionar
con ellos, y por el porcentaje del tiempo durante el que pueden
tener acceso a la red y que son capaces de vender. La primera de
estas restricciones significa que los defraudadores habitualmente
ofrecen servicios de alto coste, tales como llamadas
internacionales, a móviles y de rango preferente, en tanto que lo
segundo significa que los fraudes se caracterizan, por lo común,
por periodos de llamadas densas o frecuentes durante los cuales los
servicios defraudados raramente están libres. Éstas son las
características que los sistemas de detección de fraude
convencionales utilizan para identificar los fraudes, y el sistema
20 de detección de fraude funciona utilizando criterios tales como
éstos para establecer si una llamada es de carácter fraudulento.
Para cada número-A, se almacenan
datos característicos relativos a llamadas originarias del teléfono
12a, en una memoria del sistema 20 de detección de fraude, en
asociación con el identificador relevante, de tal manera que se
establece para cada identificador un perfil de usuario 42. Tales
perfiles de usuario 42 pueden incluir datos relativos a, por
ejemplo, la ubicación originaria de la llamada, el coste de las
llamadas, la duración de las llamadas y sus destinos.
En caso de que una llamada originaria del
teléfono 12a, asociado con un número-A particular,
se desvíe en una cantidad anormal del perfil de usuario asociado,
el sistema 20 de detección de fraude genera una señal 24 de alerta
de fraude destinada a suministrarse a la máquina 26 de detección de
fraude basada en la voz. Esto provoca que el sistema 21 de
detección de fraude basado en la voz analice la voz de los usuarios
de llamadas con origen en el número-A. El análisis
continúa hasta el tiempo en el que el sistema 21 de detección de
fraude basado en la voz determina si está en proceso un fraude, o
no hay ningún fraude en curso.
Además del primer nivel de análisis de
transacciones proporcionado por el sistema 20 de detección de
fraude, el sistema 21 de detección de fraude basado en la voz
proporciona un segundo nivel de análisis de identificadores
seleccionados, mediante la supervisión del número de hablantes
diferentes que inician llamadas desde números-A
particulares. Esto hace posible que se detecte el fraude con una
velocidad y una fiabilidad sin precedentes. Debido a que cada uno
de los clientes de un defraudador puede requerir únicamente una
pequeña cantidad de tiempo de red, un defraudador se ve obligado a
vender servicios robados a un gran número de clientes diferentes
con el fin de conseguir una alta eficiencia. La mayoría de los
defraudadores se caracteriza, por tanto, por números elevados de
llamadas asociadas con un número-A específico y que
se inician por un gran número de hablantes diferentes. Esto está en
contraposición con el modo como se utilizan normalmente los
servicios. Típicamente, un número-A dará servicio a
pequeños grupos de individuos (tales como familias) en el caso de
teléfonos de línea terrestre o fija, y habitualmente a tan sólo una
persona en el caso de teléfonos móviles. La presente invención, tal
y como se implementa en las realizaciones descritas, aprovecha esta
propiedad fundamental y necesaria de las operaciones fraudulentas
para poner en práctica el sistema 21 de detección de fraude basado
en la voz, con el fin de analizar el número de usuarios diferentes
de cualquier número-A dado.
En términos generales, en la eventualidad de que
se genere una señal 24 de alerta de fraude por el sistema 20 de
detección de fraude, la máquina 32 de verificación de voz
proporciona la señal de control 34 al dispositivo 38 de muestreo de
voz, el cual envía, a su vez, una señal de instrucción u orden 35 a
componentes de la red 10, por ejemplo, a sondas y a conmutadores
(no mostrados), al objeto de captar muestras de las voces de los
usuarios de la presente transacción. Las muestras de voz se
transfieren de vuelta a la máquina 32 de verificación de voz, la
cual compara impresiones de voz que están asociadas con el mismo
identificador, con la presente muestra de voz 44 con el propósito
de determinar si hay coincidencia (por ejemplo, la presente muestra
de voz podría haber generado una de las impresiones de voz 44
almacenadas) o falta de coincidencia (por ejemplo, la presente
muestra de voz podría no haber generado una de las impresiones de
voz 44 almacenadas).
Más concretamente, cuando el dispositivo 38 de
muestreo de voz suministra una muestra de voz extraída a la máquina
32 de verificación de voz, la máquina 32 de verificación de voz hace
comprobaciones para averiguar si el archivo 39 de impresión de voz
ya contiene alguna impresión de voz asociada con el presente
número-A 46. Si para el número-A
particular en cuestión no existe ninguna impresión de voz 44
almacenada en el archivo 39 de impresión de voz, con la que pueda
ser comparada la presente muestra de voz, se crea una nueva primera
impresión de voz 44 a partir de la presente muestra de voz, y se
almacena en el archivo 39 de impresión de voz para este
identificador de número-A. El sistema aguarda
entonces a que se tome la siguiente transacción que tiene este
identificador y otra muestra de voz.
Si existe ya una impresión de voz 44 almacenada
en el archivo 39 de impresión de voz asociado con el identificador
particular 46, la máquina 32 de verificación de voz compara la
presente muestra con la o cada impresión de voz 44 almacenada en el
archivo 39 y genera, bien una señal de salida comparativa negativa
si la presente muestra de voz no puede haber generado una impresión
de voz almacenada (es decir, una falta de coincidencia), o bien una
señal de salida comparativa positiva si la presente muestra de voz
puede haber generado una impresión de voz 44 almacenada (es decir,
una coincidencia).
Como se muestra en la Figura 3, las señales de
salida comparativas positivas y/o negativas 30 generadas por la
máquina 32 de verificación de voz, son suministradas a la máquina 26
de detección de fraude basada en la voz, la cual se comunica con el
archivo 25 de perfil de análisis. Se crea un registro 46 en el
archivo 25 para cada número-A para el que el
sistema 20 de detección de fraude genera una señal 24 de alerta de
fraude. El registro 46 para cada número-A contiene
información relativa al número de voces diferentes de usuarios del
número-A de los que se toman muestras, y presenta,
por tanto, un "perfil de uso de usuario" para un
número-A particular. El registro 46 que representa
el perfil de uso de usuario para cada número-A se
actualiza de forma continua a medida que se toman muestras de voz
adicionales para cada número-A, conforme se generan
señales de salida comparativas positivas y/o negativas adicionales
por la máquina 32 de verificación de voz. Si se suministra una
señal de salida comparativa negativa a la máquina 26 de detección de
fraude basada en la voz, el perfil de uso de usuario se actualiza
para indicar que un nuevo usuario ha hecho una transacción con el
número-A. En el caso de que se suministre una señal
de salida comparativa positiva a la máquina 26 de detección de
fraude basada en la voz, el perfil de uso de usuario se actualiza
para indicar que un usuario previamente grabado o registrado del
número-A ha realizado una transacción adicional con
el número-A. El número total de señales de salida
comparativas negativas representa, por lo tanto, cuántos usuarios
diferentes existen de un identificador particular.
La Figura 4 es un diagrama de flujo que ilustra
las etapas del funcionamiento del sistema de análisis 19 que se
muestra en la Figura 3. En la etapa 100, se efectúa una comprobación
con respecto a si la transacción en curso es una nueva transacción.
Se realizan continuamente comprobaciones hasta que se identifique
una nueva transacción. Cuando se identifica una nueva transacción,
el identificador de número-A es registrado por el
sistema 21 de detección de fraude basado en la voz (etapa 102).
En la etapa 104, se efectúa una comprobación por
parte del sistema 21 de detección de fraude basado en la voz, con
respecto a si el identificador de número-A
registrado está ya sometido a análisis de fraude por voz. Si no es
así, el sistema 21 de detección de fraude basado en la voz hace
comprobaciones para verificar si ha de serlo (etapa 106), al
comprobar si el sistema 20 de detección de fraude genera alguna
señal 24 de alerta de fraude para la presente transacción. Si se
genera una señal de alerta 24, el sistema 21 de detección de fraude
basado en la voz analiza todas las llamadas subsiguientes con origen
en el mismo número-A hasta que haya determinado si
hay un fraude en curso o no.
Si el número-A no está siendo
sometido en ese momento a análisis de fraude por la voz y el sistema
20 de detección de fraude genera una señal de alerta 24, entonces,
en la etapa 110, se crea un nuevo perfil de usuario para el
número-A en el archivo 25 de perfil de análisis. En
la etapa 112, se toma una muestra de voz que se convierte en una
impresión de voz, la cual es almacenada en el archivo 39 de
impresión de voz de forma que queda lista para su comparación con
una muestra de voz procedente de una llamada subsiguiente con el
mismo identificador.
\newpage
Si se determina en la etapa 106 que no se
requiere ningún análisis (es decir, debido a que los pormenores de
la transacción no sugieren actividad fraudulenta), y el
identificador no ha sido ya sometido a análisis, la transacción
prosigue sin supervisión (etapa 108).
Si en la etapa 104 se determina que el
número-A en cuestión ya ha sido sometido a análisis
de voz, se toma una muestra de voz (etapa 114). En la etapa 116, la
presente muestra de voz se compara con la o cada impresión de voz
que se encuentra ya almacenada en el archivo 39 de impresión de voz
para este número-A.
Si la presente muestra de voz no coincide con
una de las impresiones de voz almacenadas (etapa 118), se genera
una nueva impresión de voz a partir de la presente muestra de voz y
se añade al archivo de impresión de voz (etapa 120). Se genera una
señal de salida de comparador negativa o positiva como resultado de
la etapa 118 de comparación de muestra de voz, y se actualiza en
correspondencia el registro 46 apropiado del archivo 25 de perfil
de análisis.
En la etapa 124, se efectúa una comprobación con
respecto a si hay evidencia de actividad fraudulenta, al comprobar
si el número de señales de comparador negativas supera el umbral de
uso fraudulento. Si es éste el caso, la transacción se detiene
(etapa 126) y se impiden llamadas adicionales desde este
número-A. El sistema permite, por lo tanto, la
finalización automática de los servicios a números-A
que han sido comprometidos por los defraudadores, sin necesidad de
intervención ni análisis humano.
En caso necesario, es posible iniciar
investigaciones adicionales por parte de un equipo de investigación
de fraude para determinar si se ha producido realmente un fraude.
Alternativamente, si el proveedor de servicios no desea poner fin
de forma automática a la actividad fraudulenta, un equipo de
investigación de fraude puede investigar si se ha producido
realmente un fraude. Esto puede ser deseable si el defraudador ha de
ser cogido en el acto para propósitos de aplicación de la ley.
Si en la etapa 124 no se ha superado el umbral
de uso fraudulento, se realiza una comprobación para determinar si
la estadística indica positivamente que no está teniendo lugar un
fraude. Si no puede realizarse una determinación positiva (etapa
128), las transacciones asociadas con este número-A
continúan siendo supervisadas. Alternativamente, si la estadística
indica positivamente en la etapa 128 que no se está produciendo
ningún fraude, las impresiones de voz almacenadas y el registro 46
de perfil de uso de usuario, asociado con el identificador, pueden
ser borrados, respectivamente, del archivo 39 de impresión de voz y
del archivo 25 de perfil de análisis (etapa 130).
El sistema 21 de detección de fraude basado en
la voz está configurado, preferiblemente, para operar en diversas
condiciones, de tal manera que la generación de una señal 40 de
estado de fraude para la finalización automática de una transacción
fraudulenta, se proporciona no sólo como resultado de que se exceda
un umbral de señales de comparador negativas (por ejemplo, el
número total, el porcentaje o las sucesivas), sino también por medio
de la comparación con una característica del
número-A que es almacenada en el archivo 25 de
análisis. De preferencia, esta característica del
número-A forma parte del registro 46 que representa
el perfil asociado de uso de usuario, y se almacena en la misma
posición de memoria informática que la representación del número
acumulativo o porcentual de señales de salida comparativas
positivas y/o negativas.
A modo de ejemplo, la característica del
número-A puede ser el tipo de teléfono con el que el
número-A está asociado, por ejemplo, un número
telefónico de línea terrestre o fija, o un número de teléfono móvil.
Puede esperarse que los teléfonos de líneas terrestres tengan un
número mayor de usuarios diferentes que los teléfonos móviles, y,
por tanto, pueden ajustarse los identificadores para las llamadas de
línea terrestre de modo que tengan un mayor umbral para uso
fraudulento. Se permitirá, de esta forma, el uso familiar de un
teléfono de línea terrestre y se reconocerá como no fraudulento,
pero su uso del mismo modo que, por ejemplo, una cabina de teléfono
pública sugerirá un uso fraudulento. Para un teléfono móvil, puede
esperarse únicamente un uso por un solo usuario o por dos usuarios,
y se establece así un umbral inferior para uso fraudulento.
La máquina 26 de detección de uso fraudulento
puede ser dotada de condiciones previas sofisticadas, de tal modo
que se genere una señal 40 de estado de fraude que tenga en cuenta
diversos factores de uso del número-A. Otros
factores que considerar pueden ser, por ejemplo, la relación del
usuario con el suministrador del servicio y las condiciones
estacionales.
La Figura 5 ilustra con más detalle, a modo de
diagrama de flujo, las etapas de método implicadas en la etapa de
determinar si está teniendo lugar una transacción fraudulenta (etapa
124). En la etapa 200, se efectúa una comprobación para verificar
si el identificador de número-A indica que la
llamada se ha originado desde un número telefónico de línea
terrestre. Si no es así, se supone que la llamada es originaria de
un número de teléfono móvil (etapa 202) y, por tanto, en la etapa
204, el umbral de uso fraudulento se establece bajo (por ejemplo,
en un único usuario o en un par de usuarios únicamente). Si en la
etapa 200 se determina que el identificador de
número-A indica, efectivamente, una llamada de línea
terrestre, entonces, en la etapa 206, el umbral de uso fraudulento
se establece en un valor de umbral alto. En la etapa 208, el número
de voces de usuario diferentes en el registro 46 de perfil de uso
de usuario se compara con el umbral de uso fraudulento. Si se
supera el umbral (etapa 210), existe una indicación de un fraude
(etapa 212) y se genera una señal 40 de estado de fraude al objeto
de poner fin a la transacción (etapas 214, 216), y, opcionalmente,
todos los servicios suministrados al número-A. Si,
en la etapa 210, el número de voces de usuario diferentes no supera
el umbral de uso fraudulento (etapa 218), entonces se efectúa una
comprobación en la etapa 128 para determinar si existe una
indicación positiva de un uso no fraudulento.
La Figura 6 ilustra con mayor detalle, por medio
de un diagrama de flujo, las etapas de método de la comprobación
que se realiza en la etapa 128, a fin de determinar si existe una
indicación positiva de que no están teniendo lugar transacciones
fraudulentas. En la etapa 300, se realiza una comprobación para
verificar si el identificador de número-A indica
que la llamada originaria procede de un teléfono de línea terrestre.
Si no es así, se hace la suposición, en la etapa 302, de que la
llamada se origina desde un teléfono móvil. En este caso, el umbral
de uso no fraudulento se establece en la etapa 403 de modo que sea
muy alto (por ejemplo, el 35%), de tal manera que un porcentaje muy
alto de las llamadas se ha de identificar como teniendo un usuario
que ya está asociado con el identificador de
número-A antes de que pueda determinarse
positivamente que no existe fraude. Si el identificador de
número-A indica que la llamada originaria procede de
un teléfono de línea terrestre, el umbral para uso no fraudulento
se establece en un valor más bajo en la etapa 306, si bien aún
relativamente alto (por ejemplo, del 80%), de tal manera que un
porcentaje inferior de las llamadas se ha de identificar como
teniendo un usuario que ya está asociado con el identificador de
número-A antes de que pueda determinarse
positivamente que no hay ningún fraude en curso.
En la etapa 308, el porcentaje del número total
de llamadas desde un número-A que tiene una voz ya
asociada con el número-A, se compara con el
porcentaje de umbral para uso no fraudulento. Si, en la etapa 310,
el umbral es superado, existe una indicación positiva de un uso no
fraudulento (etapa 312) y el análisis de las llamadas para este
identificador de número-A es detenido. En la etapa
314, la máquina de detección de fraude basada en la voz puede
proporcionar una instrucción u orden tanto al sistema 20 de
detección de fraude, al objeto de detener el análisis de las
llamadas originarias de este número-A, como al
dispositivo 38 de muestreo de voz, para detener el muestreo de la
voz. Adicionalmente, toda la información asociada con este
número-A, según se ha almacenado en el perfil de
análisis 25 y en el archivo 39 de impresión de voz, es borrada.
Si se determina que el porcentaje del número
total de llamadas que son identificadas como teniendo un usuario
que ya está asociado con el identificador, no supera el umbral para
uso no fraudulento, entonces no hay ninguna indicación clara y
positiva de una ausencia de actividad fraudulenta (etapa 316), y se
prosigue el análisis de las llamadas que tienen este
número-A (etapa 318).
La Figura 7 es un diagrama destinado a mostrar
el contenido del archivo 39 de impresión de voz con mayor detalle
para cada número-A (numerados del 1 al n en este
ejemplo) para el que se ha generado una señal 24 de alerta de
fraude, que se ha almacenado en una primera posición 48 de datos del
archivo 39 de impresión de voz. Para la primera vez que tiene lugar
el muestreo de voz para un identificador de número-A
particular, se genera una primera muestra de voz que es convertida
en una impresión de voz 44a, la cual se almacena en una primera
posición 50 de datos de impresión de voz, asociada con el
número-A (por ejemplo, la impresión de voz 44a está
asociada con el número-A 1). Para la segunda vez que
tiene lugar un muestreo de voz para el mismo identificador de
número-A, se genera una segunda muestra de voz y,
cuando la segunda muestra de voz no produce una coincidencia con la
impresión de voz 44a almacenada, se convierte en una impresión de
voz 144a. La impresión de voz 144a es almacenada en una segunda
posición 52 de datos de impresión de voz, asociada con el
número-A 1, y el procedimiento continúa con
subsiguientes muestras de voz para el mismo identificador. Para una
transacción que tiene un identificador diferente (por ejemplo, el
3), una primera muestra de voz genera una primera impresión de voz
44b que es almacenada en la primera posición 50 de datos de
impresión de voz asociada con el número-A 3, y una
segunda muestra de voz, subsiguiente, genera una segunda impresión
de voz 144b que es almacenada (si no coincide con la primera) en la
segunda posición 52 de datos de impresión de voz, asociada con el
número-A 3, y así sucesivamente.
Cada nueva muestra de voz que es generada por el
dispositivo 38 de muestreo de voz se compara con las impresiones de
voz 44a, 144a, ..., etc., que están almacenadas en el archivo 39 de
impresión de voz para el identificador relevante 48. Si una muestra
de voz correspondiente a ese momento coincide sustancialmente con
una de las impresiones de voz almacenadas 44a, 144a, ..., la
máquina 32 de verificación de voz genera una señal de salida de
comparador positiva. Si la muestra de voz correspondiente a ese
momento no coincide con una de las impresiones de voz 44a, 144a
almacenadas, la máquina 32 de verificación de voz genera una señal
de salida de comparador negativa, y se almacena una impresión de
voz generada a partir de la muestra de voz correspondiente a ese
momento, en la siguiente posición de datos de impresión de voz
disponible para el identificador correspondiente a ese momento,
para su comparación con muestras de voz subsiguientes que se toman
de transacciones con este identificador.
La Figura 8 ilustra unos primer y segundo
registros 46a, 46b que están almacenados en el archivo 25 de perfil
de análisis, los cuales son representativos del perfil de uso de
usuario para los primer y segundo identificadores de
número-A, 1 y 2, respectivamente. En la práctica, el
archivo 25 de perfil de análisis incluirá un total de n registros,
46a a 46n, para cada identificador de número-A, 1 a
n. Cada registro de perfil de uso de usuario incluye una
representación numérica 53 del número-A (es decir,
el número-A 1 para el registro 46a, el
número-A 2 para el registro 46b), una
representación numérica 54 del número total de señales de salida
comparativas negativas para un número dado de muestras de voz para
el número-A, y un umbral predeterminado 56 que
representa el número máximo de usuarios diferentes del
número-A particular en cuestión, que se considera
representativo del uso normal, no fraudulento, y por encima del
cual hay una indicación de uso fraudulento. Cada registro 46a, 46b
incluye también una indicación 58 del tipo de identificador, por
ejemplo, un número de teléfono móvil o un número de teléfono de
línea terrestre o fija.
Para cada transacción de la que se toma una
muestra de voz (y, por tanto, a partir de la cual se genera una
señal de salida comparativa), la máquina 26 de detección de fraude
basada en la voz se comunica con el archivo 25 de perfil de
análisis con el fin de comprobar el registro 46a, 46b de datos de
perfil de uso de usuario relevante, y actualizarlo en
correspondencia. La máquina 26 de detección de fraude basada en la
voz compara entonces el número total 54 de señales de salida de
comparador negativas con el umbral predeterminado 56 de uso
fraudulento para el número-A en cuestión. Si se
determina que se ha superado el umbral de uso fraudulento, se
genera una señal 40 de estado de fraude y se suministra a la red 10
para poner fin de manera automática a la presente transacción del
número-A en cuestión, según se ilustra en el
diagrama de flujo de la Figura 4, y, opcionalmente, a otros
servicios suministrados al número-A.
El registro 46 de datos que es representativo
del perfil de uso de usuario para cada identificador, también
incluye una representación numérica del número total 60 de señales
de salida comparativas positivas para un número dado de muestras de
voz que tienen un identificador común. Cada registro, 46a a 46n,
incluye también un umbral predeterminado 62 de uso no fraudulento
para el número-A asociado. El umbral 62 para uso no
fraudulento es un número mínimo de transacciones para un
identificador dado que se han identificado como teniendo el mismo
usuario, y por encima del cual puede determinarse positivamente que
el uso es normal y no existe actividad fraudulenta. Para cada
transacción para la que se toma una muestra de voz (y, por tanto,
para la que se genera una señal de salida comparativa), la máquina
26 de detección de fraude basada en la voz se comunica con el
archivo 25 de perfil de análisis, comprueba el registro 46a, 46b de
perfil de uso de usuario relevante y actualiza el número total 60
de señales de salida de comparador positivas, en caso de que sea
apropiado. Si el número total 60 de señales de salida de comparador
positivas supera este umbral, puede determinarse positivamente que
no existe actividad fraudulenta.
El registro 46 de datos no tiene, sin embargo,
porqué incluir necesariamente los umbrales para uso fraudulento, y
éstos pueden ser almacenados en una posición de datos
independiente.
Como alternativa a la comparación del número
total de señales de salida de comparador negativas con un umbral
representativo de un número total de usuarios diferentes, puede
compararse un porcentaje del número total de señales de salida
comparativas que son negativas, con un porcentaje de umbral.
Supóngase, por ejemplo, que se han tomado muestras de voz de diez
llamadas de transacción diferentes, asociadas con un
número-A particular, después de que se hubiera
generado una señal 24 de alerta de fraude para el
número-A por parte del sistema 20 de detección de
fraude. La máquina 26 de detección de fraude basada en la voz puede
configurarse para generar la señal 40 de estado de fraude con el
fin de suspender los servicios para el número-A en
caso de que se detecten más de ocho usuarios diferentes del
número-A. Así pues, puede generarse una señal 40 de
estado de fraude si se generan un total de ocho señales de
comparador negativas para cualquier número-A, para
cada diez transacciones de las que se toman muestras de voz.
Una técnica alternativa adicional para analizar
los registros de perfil de uso de usuario implica comparar el
número de señales de salida comparativas positivas secuenciales para
un identificador particular, con un umbral que sea representativo
del número secuencial de usuarios que se considera que confirma
positivamente un uso normal, no fraudulento. En caso de que se
alcance el umbral, se detiene todo análisis adicional de las
llamadas originarias de este número.
Los componentes de los medios de control 26 para
llevar a cabo las etapas de creación de registros y de análisis, se
muestran con detalle adicional en la Figura 9. La máquina 26 de
detección de fraude basada en la voz incluye medios 262 de creación
de registros y de suma, destinados a crear los registros 46 en el
archivo 25 de perfil de análisis y a determinar el total
acumulativo de señales de salida de comparador negativas y/o
positivas, medios 264 de comparación de umbral, destinados a
comparar los totales acumulados con los umbrales de usos
fraudulento y no fraudulento, medios de ajuste 266, destinados a
ajustar los umbrales dependiendo de las características del
número-A, y medios 268 de generación de señal de
parada, destinados a generar una señal de parada al objeto de poner
fin a todo análisis adicional por parte del sistema 20 de detección
de fraude, para las transacciones que tienen un
número-A para el que se ha proporcionado una
indicación positiva de uso no fraudulento. Los medios 268 de
generación de señal de parada están configurados también para
proporcionar una señal de parada a una entrada del propio sistema
21 de detección basado en la voz, de tal modo que se ponga fin a
todo muestreo de voz adicional de las transacciones que tienen este
identificador. Convenientemente, los medios 268 de generación de
señal de parada adoptan la forma de un bucle de orden de
realimentación implementado en software o programación, que forma
parte del software de control para el sistema 21 de detección de
fraude basado en la voz.
El procedimiento de muestreo continúa durante
todas las transacciones sucesivas para un número-A
para el que el sistema 20 de detección de fraude ha generado una
señal 24 de alerta de fraude, hasta el tiempo para el que el número
total de señales de comparador negativas suministradas a la máquina
26 de detección de fraude basada en la voz, supera un umbral que es
indicativo de una transacción fraudulenta, o hasta el tiempo para
el que un umbral de señales de comparador positivas es superado para
indicar positivamente que no existe ninguna actividad fraudulenta,
o hasta que se supera algún otro umbral para comparación con el
perfil de uso de usuario.
En la presente realización, se toma más de una
muestra de voz para cualquier transacción de
número-A para la que se genere una señal 24 de
alerta de fraude, de tal modo que se garantice que cualesquiera
contramedidas que el defraudador pueda adoptar a la luz del
conocimiento del muestreo de voz, no burlarán la detección del
fraude. Es preferible que las muestras de voz se tomen al comienzo
de una transacción para la que se genere la señal 24 de alerta de
fraude, y a intervalos aleatorios a lo largo de toda ella. Se
apreciará que el perfil de uso de usuario almacenado en el archivo
de análisis puede ser actualizado para cada comparación de muestra
que se haga, y esto incluye cuando se generan múltiples señales de
alerta de fraude dentro de una única transacción.
El dispositivo 38 de muestreo de voz puede ser
de tipo convencional y es susceptible de hacerse funcionar para
garantizar que se toman muestras únicamente de la voz, bien del
usuario del teléfono originario, o bien del receptor de la
transacción de interés. El dispositivo de muestreo de voz puede
generar muestras discretas de la voz del usuario, o bien puede
estar configurado para generar una muestra de voz continua,
representada por una corriente de datos continua. La información de
llamada procedente del teléfono iniciador 12a es transmitida a
través de unos canales al teléfono receptor 14a. En una red de
telecomunicaciones móviles 2G, por ejemplo, cada canal es
compartido entre ocho usuarios que hacen uso de aproximadamente 13
kb/s. Un codificador de habla de GSM codifica cada 20 ms de habla
utilizando 160 bits, y la codificación de canal expande esto a 456
bits. En el extremo del receptor, se utiliza un descodificador para
descodificar los bits de habla a partir de la señal codificada. Se
emplea también la codificación de canal en los canales de
señalización para proteger 184 bits del bloque de canal de 456
bits, y, tras la codificación de canal, todos los datos se cifran
para protegerlos del escrutinio ajeno y se hacen pasar a través de
un modulador de clave de desplazamiento mínimo gaussiano para su
transmisión. Cada llamada de voz es transportada por una única
ranura temporal, si bien la red utiliza otras ranuras temporales
para transportar canales de señalización. Todos los canales de
usuario y de señalización son transmitidos en estructuras de trama
predefinidas y cada teléfono móvil utiliza ranuras temporales
asignadas. De esta forma, al ser los datos de usuario transmitidos
en una estructura de trama con ranuras temporales de datos de voz,
un canal de control y una trama libre para la medición de la
potencia, puede garantizarse que únicamente se extrae un perfil, se
descodifica y se toman muestras de la voz del usuario de una
llamada particular, que tiene un identificador concreto.
El sistema de la invención es igualmente
aplicable a otros formatos de transmisión de datos de telefonía,
tales como los sistemas de telecomunicaciones móviles 2.5G y 3G, y
se comprenderá por parte de las personas familiarizadas con este
campo tecnológico el modo como puede llevarse a la práctica el
muestreo de voz de un formato particular para garantizar que
únicamente se toman muestras de la voz del llamante iniciador (y de
la voz del receptor, en caso de que se requiera) por los medios 38
de muestreo de voz.
Típicamente, la máquina 32 de verificación de
voz del sistema 21 de detección de fraude basado en la voz puede
adoptar la forma de un paquete de verificación de hablante
fácilmente disponible (tal como el paquete de verificación de
hablante Orpheus, de Persay), el cual puede estar configurado para
proporcionar una señal de salida de comparador binario para indicar
si hay una coincidencia de voz positiva entre una impresión de voz
almacenada y la presente muestra de voz, o si existe una
coincidencia negativa entre la presente muestra de voz y una
impresión de voz almacenada.
La máquina 32 de verificación de voz puede
operar basándose en el hecho de comparar la presente muestra de voz
con la o cada impresión de voz almacenada, a fin de determinar si es
probable que la presente muestra de voz pueda haber generado la
impresión de voz almacenada. Así, por ejemplo, se considera que hay
una "coincidencia" si la presente muestra de voz puede haber
generado la impresión de voz almacenada, y una "falta de
coincidencia" si la presente muestra de voz no puede haber
generado la impresión de voz almacenada. Se apreciará, sin embargo,
por parte de las personas familiarizadas con las máquinas de
verificación de la voz, que pueden utilizarse otros ensayos de
comparación para determinar si hay coincidencia o falta de
coincidencia.
En la práctica, puede esto puede ser conveniente
si el archivo 25 de perfil de análisis ocupa una posición de
memoria informática que es compartida por el sistema 21 de detección
de fraude basado en la voz y por el sistema 20 de detección de
fraude.
El sistema 21 de detección de fraude basado en
la voz, de la primera realización de la presente invención, mejora
las capacidades de los esquemas de detección de fraude
convencionales, y la provisión del sistema 20 de detección de
fraude cumple el cometido de sección de análisis de tal manera, que
únicamente es preciso recurrir a las etapas de verificación de voz
llevadas a cabo por el sistema 21 de detección de fraude basado en
la voz, para los identificadores para los que el sistema de
detección de fraude ha generado una señal 24 de alerta de fraude.
Ésta es, en la práctica, una disposición altamente deseable, puesto
que tan sólo es preciso tomar muestras de, y analizar, un
subconjunto del número total de transacciones, con lo que se reducen
los requisitos de procesamiento y de almacenamiento del
sistema.
Se apreciará que las funciones llevadas a cabo
por el sistema 20 de detección de fraude y por el sistema 21 de
detección de fraude basado en la voz pueden ser implementadas en
software por medio de un procesador informático programable común.
Alternativamente, la función de detección de fraude de primer nivel
llevada a cabo por el sistema 20 de detección de fraude, y la
función de detección de fraude basada en la voz, de segundo nivel,
llevada a cabo por la máquina 26 de detección de fraude basada en la
voz, pueden implementarse por medio de procesadores informáticos
independientes.
Como alternativa a proporcionar la finalización
automática de una transacción sospechosa en el caso de que se
supere el umbral de uso fraudulento, el sistema 21 de detección de
fraude basado en la voz puede estar dispuesto para generar una
señal de estado de fraude visual, audible u otra diferente, a fin de
alertar a un operario del sistema de que se está produciendo o ha
tenido lugar una transacción fraudulenta. La generación de la señal
de estado de fraude puede instar a un equipo de investigadores
contra el fraude a intervenir, al objeto de determinar si es
apropiada la suspensión o la finalización de los servicios asociados
con el identificador de número-A, o si ha de
considerarse un análisis adicional de las transacciones asociadas
con el identificador.
Los detalles precisos del funcionamiento del
sistema 21 de detección de fraude basado en la voz y de los medios
de selección 20 variarán de un desarrollo a otro, dependiendo de
factores tales como las políticas o pautas de acción contra el
fraude del operador de red, la calidad de la señal de habla de la
que se pueden tomar muestras desde la red utilizando el dispositivo
30 de muestreo de voz, el rendimiento de la máquina 32 de
verificación de voz que se utilice, y el volumen del tráfico de voz
a través de la red 10. Por ejemplo, si se utiliza una máquina 32 de
verificación de voz de alta velocidad, puede ser posible supervisar
todas las llamadas producidas en una red de telecomunicaciones, de
tal forma que los medios de selección 20 pueden configurarse para
seleccionar todos los identificadores activos para su análisis.
Puede ocurrir que la proporción de faltas de
coincidencia falsas de dicho dispositivo 32 de verificación de voz
de alta velocidad, puede ser tan elevada que los servicios
proporcionados a un número-A particular sólo pueden
ser suspendidos si una alta proporción de las llamadas produce
muestras de voz con falta de coincidencia. Por ejemplo, en tales
circunstancias, puede ser necesario que al menos setenta llamadas de
cada ochenta que se originan en un número-A
particular produzcan al menos una falta de coincidencia entre las
muestras de voz y las impresiones de voz almacenadas, antes de
poner fin al servicio.
Se apreciará, por lo tanto, que la provisión de
los medios de selección 20 no es esencial en todas las realizaciones
de la invención, de tal forma que pueden supervisarse todas las
llamadas transmitidas a través de la red 10 en busca de una posible
actividad fraudulenta. La Figura 10 ilustra una realización similar,
pero alternativa, a la mostrada en la Figura 3. En aras de la
brevedad, la siguiente descripción se ha limitado a las diferencias
entre estas realizaciones. La diferencia principal es la consistente
en que el sistema 20 de detección de fraude de la Figura 3 está
ausente del sistema 21 de detección de fraude basado en la voz. Las
señales de datos 13 procedentes de la red 10 se suministran
directamente a la máquina 26 de detección de fraude basada en la
voz.
La Figura 11 ilustra, por medio de un diagrama
de flujo, las etapas de método del funcionamiento para el sistema
de la Figura 10. En la etapa 400, se realiza una comprobación para
determinar si existe una impresión de voz para el identificador de
número-A de la transacción presente en ese momento.
Si no es así, se crea un registro de nuevo perfil de uso de usuario
en el perfil de análisis, en la etapa 402, y se toma una muestra de
voz que se convierte en una impresión de voz, la cual es almacenada
en el archivo 39 de impresión de voz en la etapa 404. En el caso de
que ya exista una impresión de voz para el presente identificador de
número-A, se toma una muestra de voz en la etapa
406, y ésta se compara, en la etapa 408, con la o cada impresión de
voz existente. En la etapa 410, se realiza una determinación con
respecto a si la presente muestra de voz coincide con una impresión
de voz previa, almacenada. Si no hay coincidencia, se genera una
impresión de voz a partir de la presente muestra de voz, y esta
impresión de voz se añade al archivo de impresión de voz en la etapa
412. Subsiguientemente (etapa 414), o si la presente muestra de voz
no coincide con una de las impresiones de voz almacenadas, se
actualiza la estadística contenida en el registro 46 de datos de
perfil de uso de usuario, tal y como se muestra en la Figura 5. En
la etapa 416 se realiza una determinación con respecto a si la
transacción es fraudulenta. Si es así, la transacción se detiene en
la etapa 418. Si no, se realiza una comprobación en la etapa 420
para verificar si existe una indicación positiva de que no está
teniendo lugar ninguna actividad fraudulenta. En el caso de que no
haya ninguna indicación positiva en la etapa 420 de que las
transacciones no han sido fraudulentas, prosigue la supervisión de
otras transacciones. Si existe una indicación positiva de que no se
ha producido ningún fraude en la etapa 420, las impresiones de voz
se borran del archivo 39 de impresión de voz para este
identificador, y el registro de perfil de uso de usuario es borrado
del archivo 25 de análisis (etapa 422).
En una realización alternativa adicional, se han
proporcionado unos medios de selección 20 de una manera similar a
la primera realización. Sin embargo, los medios de selección 20
están configurados para tomar periódicamente muestras de datos de
llamadas transmitidas a través de la red 10, de tal manera que tan
sólo se toman muestras de una fracción de las llamadas, en lugar de
seleccionar llamadas para su análisis dependiendo de las
características de la llamada (como en la primera realización).
Dependiendo del papel que jueguen los medios de
selección 20, la invención puede supervisar la totalidad de las
llamadas, subconjuntos arbitrarios de llamadas, tales como los
formados por sólo las llamadas que un sistema 20 de detección de
fraude convencional considere de naturaleza sospechosa. La
configuración del sistema de detección de fraude por la voz puede
ser alterada para hacer frente a las diferencias de rendimiento de
los diversos paquetes de verificación de voz y a la variabilidad en
la calidad de las muestras de habla tomadas desde las redes.
En una realización adicional, la máquina de
detección de fraude basada en la voz puede ser utilizada para
proporcionar una indicación de que se ha producido una sospecha de
fraude, en lugar de detener todo uso adicional del identificador.
Ésta puede ser investigada adicionalmente por una máquina de
detección de fraude por características de uso (tal como el sistema
20 de detección de fraude), que analiza, por ejemplo, la frecuencia
de uso del identificador, la forma de uso del identificador, la
duración de cada uso del identificador, o los tipos de
transacciones llevadas a cabo con el identificador, por métodos
estadísticos u otros métodos. Además, o en lugar de ello, puede
generarse una alerta para la investigación adicional por parte de un
equipo de investigación de fraude.
Habiendo descrito diversas realizaciones de la
presente invención, ha de apreciarse que las realizaciones en
cuestión son únicamente ejemplares y que pueden realizarse
variaciones y modificaciones tales como las que se les ocurrirán a
las personas que posean el conocimiento y la destreza apropiados,
sin apartarse del espíritu y ámbito de la invención, tal y como se
establece en las reivindicaciones que se acompañan. Por ejemplo, la
presente invención no está limitada a la aplicación en la detección
de las transacciones de llamada fraudulentas en sí mismas, si no
que puede aplicarse a las transacciones por tarjeta de crédito
implementadas a través de una red de telecomunicaciones. El
identificador puede ser, por ejemplo, un número de tarjeta de
crédito o el número de otra tarjeta de pago, que cabe esperar que
sea utilizado únicamente por un usuario, o por sólo dos usuarios
(por ejemplo, marido y mujer), o bien por un pequeño número de
usuarios (por ejemplo, colegas de trabajo que utilizan una tarjeta
de pago de la empresa). En este caso, el sistema 20 de detección de
fraude está configurado para proporcionar una señal 24 de alerta de
fraude en el caso de que se detecte un desvío con respecto al
perfil de comportamiento del uso asociado con el número de tarjeta.
En tal caso, el sistema 20 de detección de fraude suministra una
señal 24 de alerta de fraude al sistema 21 de detección de fraude
basado en la voz, el cual, a su vez, proporciona la señal de control
34 al dispositivo 38 de muestreo de voz para iniciar un
procedimiento de muestreo de voz. Típicamente, pueden tomarse
muestras de la voz del usuario cuando se instaura una palabra de
paso o una palabra de código de la tarjeta (por ejemplo, el apellido
de soltera de la madre del usuario o la fecha de nacimiento del
usuario). Es también preferible tomar muestras de la voz del
usurario de forma periódica a lo largo de la conversación. El
dispositivo 32 de verificación de voz compara ésta con la o cada
impresión de voz previa almacenada, tal y como se ha descrito
anteriormente. Como antes, si no existe ninguna impresión de voz
almacenada, la muestra de voz se convierte en una impresión de voz,
la cual se almacena para su comparación con una muestra de voz
subsiguiente, tomada de una transacción subsiguiente asociada con
el mismo identificador.
Por otra parte, el operador del sistema puede
generar todas las muestras de voz de los usuarios de transacciones,
pero se contempla también que la primera impresión de voz de un
usuario de un identificador pueda ser generada y almacenada en el
instante en que el identificador es asignado al usuario (por
ejemplo, cuando se asigna un número de teléfono móvil concreto a un
usuario). En consecuencia, la base de datos de impresiones de voz
puede ser creada y mantenida por alguien diferente del operador del
sistema, y esta base de datos puede entonces hacerse disponible
como y cuando se requiera, por ejemplo, a través de la Internet. No
es, por tanto, esencial que el sistema de la presente invención
incluya el archivo 39 de impresión de voz, ni tampoco el dispositivo
38 de muestreo de voz, ya que ambos pueden ser proporcionados y
mantenidos por un proveedor de servicios alternativo. Si la
invención se pone en práctica de esta manera, se apreciará también,
por tanto, que para cualquier muestra de voz que se tome, se tendrá
siempre la existencia de al menos una muestra de voz previamente
almacenada con la que pueda compararse, incluso para la primera
iniciación del muestreo de voz por parte del sistema 26 de
detección de fraude basado en la voz.
Claims (43)
1. Un sistema (19) para la detección automática
de actividad fraudulenta en una red de transacción, para la que
cada transacción a través de la red tiene un identificador asociado
con ella, de tal modo que el sistema comprende: medios (32) de
comparación de voz, destinados a comparar una primera voz (44) de un
usuario, de la que se han tomado muestras, de una primera
transacción, con una voz (44) de la que se han tomado muestras de
manera subsiguiente y perteneciente a un usuario de una transacción
subsiguiente que tiene un identificador idéntico al de la primera
transacción, y medios de control (26) para determinar, a partir de
dicha comparación, un perfil de uso de usuario que es
representativo de un cierto número de usuarios diferentes del
identificador, al objeto de comparar el perfil de uso de usuario
con un umbral para uso fraudulento, y para generar una señal (40)
de estado de fraude en el caso de que el perfil de uso de usuario
supere dicho umbral.
2. El sistema (19) de acuerdo con la
reivindicación 1, que comprende adicionalmente medios (38) de
muestreo de voz, destinados a tomar muestras de la voz de un
usuario de la primera transacción con el fin de generar una primera
muestra de voz (44), y a tomar muestras de la voz del usuario de la
transacción subsiguiente con el fin de generar una muestra de voz
subsiguiente.
3. El sistema (19) de acuerdo con la
reivindicación 2, en el cual dichos medios (38) de comparación de
voz están dispuestos para generar una primera impresión de voz a
partir de dicha primera muestra de voz (44).
4. El sistema (19) de acuerdo con la
reivindicación 3, que comprende adicionalmente medios (39) de
almacenamiento de impresión de voz, destinados a almacenar dicha
primera impresión de voz.
5. El sistema (19) de acuerdo con la
reivindicación 3 ó la reivindicación 4, que comprende adicionalmente
medios de selección configurados para iniciar el muestreo de la voz
por parte de los medios de muestreo de voz únicamente para
transacciones seleccionadas.
6. El sistema (19) de acuerdo con la
reivindicación 5, en el cual los medios de selección están
configurados para iniciar periódicamente el muestreo de voz de las
transacciones.
7. El sistema (19) de acuerdo con la
reivindicación 5, en el cual los medios de selección de voz incluyen
un sistema (20) de detección de fraude, destinado a determinar si
una transacción tiene una característica fraudulenta y a generar
una señal de alerta de fraude en su caso, y mediante los cuales se
inicia el muestreo de la voz en respuesta a la generación de la
señal de alerta de fraude.
8. El sistema (19) de acuerdo con la
reivindicación 7, que incluye medios para comparar un perfil de uso
para el identificador con una o más características de una
transacción asociada con el identificador, a fin de determinar con
ello si la transacción tiene una característica fraudulenta.
9. El sistema (19) de acuerdo con una cualquiera
de las reivindicaciones 3 a 8, en el cual los medios de muestreo de
voz están configurados para tomar muestras de la voz de un usuario
varias veces para cada transacción que se ha seleccionado para el
muestreo de voz.
10. El sistema (19) de acuerdo con una
cualquiera de las reivindicaciones 3 a 9, en el cual los medios (32)
de comparación de voz están dispuestos para generar un señal de
salida (30) comparativa positiva para cada muestra de voz
subsiguiente que se haya hecho coincidir sustancialmente con una
impresión de voz almacenada, y una señal de salida (30) comparativa
negativa para cada muestra de voz subsiguiente que no coincida
sustancialmente con una impresión de voz almacenada.
11. El sistema (19) de acuerdo con la
reivindicación 10, en el cual el perfil de uso de usuario para un
identificador incluye una representación de un número total de
señales de salida (30) comparativas negativas para dicho
identificador, y en el que dicho umbral de uso fraudulento es un
número máximo de usuarios diferentes del identificador, por encima
del cual existe una indicación de uso fraudulento.
12. El sistema (19) de acuerdo con la
reivindicación 10 ó la reivindicación 11, en el cual el perfil de
uso de usuario incluye una representación de un porcentaje del
número total de señales de salida comparativas que son señales de
salida comparativas negativas.
13. El sistema (19) de acuerdo con una
cualquiera de las reivindicaciones 10 a 12, en el cual los medios de
control (26) incluyen medios (268) de señal de parada, destinados a
generar una señal de parada que sirve para detener el análisis de
las transacciones que tienen un identificador para el que el perfil
de uso de usuario proporciona una indicación positiva de uso no
fraudulento.
14. El sistema (19) de acuerdo con la
reivindicación 13, en el cual los medios de control (26) están
dispuestos para comparar el perfil de uso de usuario con un umbral
de uso no fraudulento, y en el que los medios (268) de señal de
parada están dispuestos para generar la señal de parada en el caso
de que el perfil de uso de usuario supere dicho umbral de uso no
fraudulento.
15. El sistema (19) de acuerdo con la
reivindicación 14, en el cual el perfil de uso de usuario incluye
una representación de un número total de señales (30) de salida
comparativas positivas para dicho identificador, y en el que dicho
umbral de uso no fraudulento es un número mínimo de transacciones
que tienen el mismo usuario que es indicativo de uso no
fraudulento.
16. El sistema (19) de acuerdo con la
reivindicación 14 ó la reivindicación 15, en el cual el perfil de
uso de usuario incluye una representación de un porcentaje del
número total de señales (30) de salida comparativas que son señales
de salida comparativas positivas.
17. El sistema (19) de acuerdo con una
cualquiera de las reivindicaciones 3 a 16, en el cual el perfil de
uso de usuario incluye una representación de una o más
características del identificador asociado.
18. El sistema (19) de acuerdo con la
reivindicación 17, en el cual los medios de control (26) incluyen
medios de ajuste (266) destinados a ajustar al menos uno de entre
el umbral de uso fraudulento y el umbral de uso no fraudulento para
un identificador asociado, en respuesta a una o más de dichas
características del identificador asociado.
19. El sistema (19) de acuerdo con una
cualquiera de las reivindicaciones 1 a 18, que comprende
adicionalmente unos medios (25) de almacenamiento de registro,
destinados almacenar registros de datos (46) que son representativos
del perfil de usos de usuarios.
20. El sistema (19) de acuerdo con una
cualquiera de las reivindicaciones 1 a 19, en el cual el
identificador incluye datos de carácter alfabético, numérico o
alfanumérico.
21. El sistema (19) de acuerdo con una
cualquiera de las reivindicaciones 1 a 20, en el cual la red de
transacción es una red de telecomunicaciones (10).
22. El sistema (19) de acuerdo con la
reivindicación 21, en el cual la transacción es una llamada
telefónica.
23. El sistema (19) de acuerdo con la
reivindicación 22, en el cual el identificador es un número de
teléfono único o exclusivo de un teléfono móvil (12a) o de una
conexión telefónica (212) de línea terrestre o fija.
24. El sistema (19) de acuerdo con la
reivindicación 21, en el cual la transacción es un pago por bienes
y/o servicios.
25. El sistema (19) de acuerdo con la
reivindicación 24, en el cual el identificador es un número de
tarjeta de pago.
26. El sistema (19) de acuerdo con una
cualquiera de las reivindicaciones 1 a 25, en el cual los medios de
control (26) están dispuestos para suministrar automáticamente la
señal de estado de fraude a la red de transacción, a fin de
implementar con ello la finalización automática de una transacción
fraudulenta.
27. Un sistema (19) de acuerdo con una
cualquiera de las reivindicaciones 1 a 26, en el cual los medios
(32) de comparación de voz están dispuestos para comparar una
primera voz de la que se han tomado muestras y perteneciente a un
usuario de la primera transacción, con respecto a uno de los
identificadores, con una voz de la que se han tomado muestras
subsiguientemente, durante la transacción subsiguiente, y
perteneciente a un usuario del mismo identificador, en relación con
ese mismo identificador.
28. Un sistema (19) de acuerdo con una
cualquiera de las reivindicaciones 1 a 27, en el cual los medios de
control (26) están dispuestos para determinar el perfil de uso de
usuario para cada identificador basándose en las comparaciones de
voz, de tal manera que el perfil es representativo de un cierto
número de usuarios diferentes de cada identificador.
29. Un sistema (19) de acuerdo con una
cualquiera de las reivindicaciones 1 a 28, en el cual los medios de
control (26) están dispuestos para comparar el número de usuarios
diferentes representados en el perfil como usando el identificador
con el umbral, de tal manera que el umbral es indicativo de uso
fraudulento.
30. Un sistema (19) de acuerdo con una
cualquiera de las reivindicaciones 1 a 29, en el cual los medios de
control (26) comprenden un dispositivo perfilador (262) destinado a
construir un perfil de uso por usuarios de ese mismo identificador
basándose en las comparaciones de voz, de tal manera que el perfil
es representativo de un cierto número de usuarios diferentes del
identificador, y un detector (264) de fraude, destinado a comparar
el número de usuarios diferentes representados en el perfil como
utilizando el identificador con un umbral, indicativo de uso
fraudulento, de tal modo que, en el caso de que el número de
usuarios supere el umbral, se genera una señal de alerta de
fraude.
31. Un sistema (19) de acuerdo con una
cualquiera de las reivindicaciones 1 a 30, en el cual los medios
(32) de comparación de voz y los medios de control (26) se dan en
la forma de:
una máquina de detección de fraude basada en la
voz, destinada a tomar muestras de la voz de cada usuario del
identificador durante cada uso del identificador, utilizando una
técnica de análisis de voz, con el fin de identificar el número de
usuarios únicos o exclusivos del identificador e indicar la
presencia de uso fraudulento cuando el número de usuarios
exclusivos del identificador supera un umbral; y
un generador de alerta de fraude, destinado a
señalar la presencia de actividad fraudulenta cuando la máquina de
detección de fraude basada en la voz indica la presencia de
fraude.
32. Un sistema de detección de fraude para
detectar actividad fraudulenta en una red de transacción para la
que cada transacción a través de la red tiene un identificador
asociado con ella, de tal manera que el sistema comprende:
una máquina (20) de detección de fraude por
características de uso, destinada a analizar características del
uso de la red para determinar si se indica fraude en el uso de uno
de los identificadores;
un sistema de acuerdo con una cualquiera de las
reivindicaciones 1 a 31; y
un generador de alerta de fraude, destinado a
señalar la presencia de actividad fraudulenta cuando la máquina
(20) de detección de fraude por características de uso indica la
presencia de fraude y los medios de control (26) generan una señal
de estado de fraude.
33. Un sistema de detección de fraude de acuerdo
con la reivindicación 32, en el cual la máquina de detección de
fraude por características de uso está dispuesta para analizar uno o
más de los siguientes elementos para determinar que existe una
indicación de uso fraudulento del identificador: la frecuencia de
uso del identificador, la manera de uso del identificador, la
duración de cada uso del identificador, o los tipos de transacciones
llevadas a cabo con el identificador.
34. Un sistema de detección de fraude de acuerdo
con la reivindicación 31, en el cual la máquina de detección de
fraude basada en la voz, perteneciente al sistema, comprende:
un comparador de voz, destinado a comparar una
primera voz de un usuario de uno de los identificadores, de la que
se han tomado muestras, con una voz de un usuario del mismo
identificador, de la que se han tomado muestras subsiguientemente y
tomada durante un uso subsiguiente de ese mismo identificador;
un dispositivo perfilador, destinado a construir
un perfil de uso por los usuarios de ese mismo identificador
basándose en las comparaciones de voz, de tal manera que el perfil
es representativo de un cierto número de usuarios diferentes del
identificador; y
un detector de fraude, destinado a comparar el
número de usuarios diferentes que se han representado en el perfil
como que utilizan el identificador, con un umbral indicativo de uso
fraudulento, de tal modo que, en el caso de que el número de
usuarios exceda el umbral, se genera una señal de alerta de
fraude.
35. Un método para la detección automática de
actividad fraudulenta en una red de transacción, para la que cada
transacción a través de la red tiene un identificador asociado con
ella, de tal modo que el método comprende: comparar (116) una
primera voz de la que se han tomado muestras y perteneciente a un
usuario de una primera transacción, con una voz de la que se han
tomado muestras subsiguientemente y perteneciente a un usuario de
una transacción subsiguiente que tiene un identificador idéntico al
de la primera transacción, determinar, a partir de dicha
comparación, un perfil (112) de uso de usuario para dicho
identificador, que sea representativo de un cierto número de
usuarios diferentes del identificador, comparar (124) el perfil de
uso de usuario con un umbral para uso fraudulento, y generar (126)
una señal de estado de fraude en el caso de que el perfil de uso de
usuario exceda dicho umbral.
36. Un método de acuerdo con la reivindicación
25, que incluye tomar muestras (114) de la voz del usuario de la
primera transacción para generar una primera muestra de voz, generar
una primera impresión de voz a partir de dicha primera muestra de
voz y almacenar la primera impresión de voz con el identificador
asociado en un archivo de impresión de voz, tomar muestras (114) de
la voz del usuario de la transacción subsiguiente con el fin de
generar una muestra de voz subsiguiente, y comparar (116) la muestra
de voz subsiguiente con la primera impresión de voz con el
propósito de determinar el perfil de uso de usuario de dicho
identificador.
37. El método de acuerdo con la reivindicación
36, que incluye suministrar automáticamente la señal de estado de
fraude al sistema de transacción para implementar la finalización
automática de una transacción fraudulenta.
38. El método de acuerdo con la reivindicación
36 ó la reivindicación 37, que incluye:
proporcionar una indicación inicial acerca de si
una transacción tiene una característica fraudulenta, utilizando
medios de detección de fraude,
generar una señal de alerta de fraude en el caso
de que la indicación inicial sea que la transacción tiene una
característica fraudulenta, y
iniciar selectivamente el muestreo de voz en
respuesta a la generación de la señal de alerta de fraude por parte
del sistema de detección de fraude.
\newpage
39. Un método de acuerdo con la reivindicación
35, de tal modo que el método comprende adicionalmente:
tomar muestras de la primera voz de un usuario
de uno de los identificadores; y
tomar muestras de la voz subsiguiente de un
usuario del mismo identificador.
\vskip1.000000\baselineskip
40. Un método de acuerdo con la reivindicación
35, que comprende adicionalmente:
tomar muestras de la voz de cada usuario durante
cada uso de dicho identificador.
\vskip1.000000\baselineskip
41. Un método de acuerdo con la reivindicación
35, en el cual determinar el perfil comprende identificar el número
de usuarios exclusivos del identificador.
42. Un método de acuerdo con una cualquiera de
las reivindicaciones 35 a 41, que comprende adicionalmente:
analizar características del uso de la red para
determinar si se indica fraude en el uso de uno de los
identificadores; y
generar una alerta de fraude para señalar la
presencia de actividad fraudulenta cuando el análisis de
características de uso indica la presencia de fraude y se genera
una señal de estado de fraude.
43. Un método de acuerdo con la reivindicación
43, en el cual el análisis de características del uso de la red
incluye las etapas de: analizar uno o más de los siguientes
elementos para determinar si existe una indicación de uso
fraudulento del identificador: la frecuencia de uso del
identificador, la manera de uso del identificador, la duración de
cada uso del identificador, o los tipos de transacciones llevadas a
cabo con el identificador.
Applications Claiming Priority (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| GB0217769 | 2002-07-31 | ||
| GB0217769A GB0217769D0 (en) | 2002-07-31 | 2002-07-31 | A system for ascertaining the validity of fraud alerts generated by automated fraud management systems |
| GB0222643 | 2002-09-30 | ||
| GB0222643A GB0222643D0 (en) | 2002-07-31 | 2002-09-30 | A system for the automatic detection and termination of fraudulent services |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| ES2319178T3 true ES2319178T3 (es) | 2009-05-05 |
Family
ID=26247099
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| ES03739882T Expired - Lifetime ES2319178T3 (es) | 2002-07-31 | 2003-07-31 | Sistema y metodo para la deteccion y detencion de servicios fraudulentos. |
Country Status (9)
| Country | Link |
|---|---|
| US (1) | US7512221B2 (es) |
| EP (1) | EP1527552B1 (es) |
| AT (1) | ATE389271T1 (es) |
| AU (1) | AU2003281737A1 (es) |
| DE (1) | DE60319708T2 (es) |
| DK (1) | DK1527552T3 (es) |
| ES (1) | ES2319178T3 (es) |
| GB (1) | GB2391373A (es) |
| WO (1) | WO2004012387A1 (es) |
Families Citing this family (158)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6401066B1 (en) * | 1999-11-09 | 2002-06-04 | West Teleservices Holding Company | Automated third party verification system |
| US9400589B1 (en) | 2002-05-30 | 2016-07-26 | Consumerinfo.Com, Inc. | Circular rotational interface for display of consumer credit information |
| US9710852B1 (en) | 2002-05-30 | 2017-07-18 | Consumerinfo.Com, Inc. | Credit report timeline user interface |
| US7792715B1 (en) | 2002-09-21 | 2010-09-07 | Mighty Net, Incorporated | Method of on-line credit information monitoring and control |
| US7451113B1 (en) | 2003-03-21 | 2008-11-11 | Mighty Net, Inc. | Card management system and method |
| US20040215579A1 (en) * | 2003-04-24 | 2004-10-28 | George Redenbaugh | Supplemental address verification |
| RU2377303C2 (ru) | 2003-06-30 | 2009-12-27 | Коммонвелт Сайентифик Энд Индастриал Рисерч Организейшн | Пшеница с модифицированной активностью ветвящего фермента, а также полученные из нее крахмал и крахмалсодержащие продукты |
| US8732004B1 (en) | 2004-09-22 | 2014-05-20 | Experian Information Solutions, Inc. | Automated analysis of data to generate prospect notifications based on trigger events |
| JP2006252462A (ja) * | 2005-03-14 | 2006-09-21 | Ntt Docomo Inc | 電子価値交換方法、利用者装置及び第三者装置 |
| US8175889B1 (en) | 2005-04-06 | 2012-05-08 | Experian Information Solutions, Inc. | Systems and methods for tracking changes of address based on service disconnect/connect data |
| US8793131B2 (en) | 2005-04-21 | 2014-07-29 | Verint Americas Inc. | Systems, methods, and media for determining fraud patterns and creating fraud behavioral models |
| US9571652B1 (en) | 2005-04-21 | 2017-02-14 | Verint Americas Inc. | Enhanced diarization systems, media and methods of use |
| US8930261B2 (en) * | 2005-04-21 | 2015-01-06 | Verint Americas Inc. | Method and system for generating a fraud risk score using telephony channel based audio and non-audio data |
| US20120253805A1 (en) | 2005-04-21 | 2012-10-04 | Anthony Rajakumar | Systems, methods, and media for determining fraud risk from audio signals |
| US20120053939A9 (en) * | 2005-04-21 | 2012-03-01 | Victrio | Speaker verification-based fraud system for combined automated risk score with agent review and associated user interface |
| US20070280436A1 (en) * | 2006-04-14 | 2007-12-06 | Anthony Rajakumar | Method and System to Seed a Voice Database |
| US8073691B2 (en) * | 2005-04-21 | 2011-12-06 | Victrio, Inc. | Method and system for screening using voice data and metadata |
| US8924285B2 (en) * | 2005-04-21 | 2014-12-30 | Verint Americas Inc. | Building whitelists comprising voiceprints not associated with fraud and screening calls using a combination of a whitelist and blacklist |
| US8639757B1 (en) | 2011-08-12 | 2014-01-28 | Sprint Communications Company L.P. | User localization using friend location information |
| US9113001B2 (en) | 2005-04-21 | 2015-08-18 | Verint Americas Inc. | Systems, methods, and media for disambiguating call data to determine fraud |
| US8510215B2 (en) * | 2005-04-21 | 2013-08-13 | Victrio, Inc. | Method and system for enrolling a voiceprint in a fraudster database |
| US20060248019A1 (en) * | 2005-04-21 | 2006-11-02 | Anthony Rajakumar | Method and system to detect fraud using voice data |
| US20060269050A1 (en) * | 2005-05-25 | 2006-11-30 | Subex Systems Limited | Adaptive fraud management systems and methods for telecommunications |
| US20060282270A1 (en) * | 2005-06-09 | 2006-12-14 | First Data Corporation | Identity verification noise filter systems and methods |
| US8109435B2 (en) * | 2005-07-14 | 2012-02-07 | Early Warning Services, Llc | Identity verification switch |
| US20070043577A1 (en) * | 2005-08-16 | 2007-02-22 | Sheldon Kasower | Apparatus and method of enabling a victim of identity theft to resolve and prevent fraud |
| US20070266439A1 (en) * | 2005-11-30 | 2007-11-15 | Harold Kraft | Privacy management and transaction system |
| US8244532B1 (en) * | 2005-12-23 | 2012-08-14 | At&T Intellectual Property Ii, L.P. | Systems, methods, and programs for detecting unauthorized use of text based communications services |
| US8832048B2 (en) * | 2005-12-29 | 2014-09-09 | Nextlabs, Inc. | Techniques and system to monitor and log access of information based on system and user context using policies |
| US9081981B2 (en) | 2005-12-29 | 2015-07-14 | Nextlabs, Inc. | Techniques and system to manage access of information using policies |
| US8027439B2 (en) * | 2006-09-18 | 2011-09-27 | Fair Isaac Corporation | Self-calibrating fraud detection |
| US7995994B2 (en) * | 2006-09-22 | 2011-08-09 | Kineto Wireless, Inc. | Method and apparatus for preventing theft of service in a communication system |
| US8036979B1 (en) | 2006-10-05 | 2011-10-11 | Experian Information Solutions, Inc. | System and method for generating a finance attribute from tradeline data |
| US20080115213A1 (en) * | 2006-11-14 | 2008-05-15 | Fmr Corp. | Detecting Fraudulent Activity on a Network Using Stored Information |
| US8180873B2 (en) * | 2006-11-14 | 2012-05-15 | Fmr Llc | Detecting fraudulent activity |
| US8145560B2 (en) * | 2006-11-14 | 2012-03-27 | Fmr Llc | Detecting fraudulent activity on a network |
| US7856494B2 (en) | 2006-11-14 | 2010-12-21 | Fmr Llc | Detecting and interdicting fraudulent activity on a network |
| US7657569B1 (en) | 2006-11-28 | 2010-02-02 | Lower My Bills, Inc. | System and method of removing duplicate leads |
| US7778885B1 (en) | 2006-12-04 | 2010-08-17 | Lower My Bills, Inc. | System and method of enhancing leads |
| US20080140438A1 (en) * | 2006-12-08 | 2008-06-12 | Teletech Holdings, Inc. | Risk management tool |
| US8606626B1 (en) | 2007-01-31 | 2013-12-10 | Experian Information Solutions, Inc. | Systems and methods for providing a direct marketing campaign planning environment |
| US8606666B1 (en) | 2007-01-31 | 2013-12-10 | Experian Information Solutions, Inc. | System and method for providing an aggregation tool |
| US20080201158A1 (en) * | 2007-02-15 | 2008-08-21 | Johnson Mark D | System and method for visitation management in a controlled-access environment |
| JP5229217B2 (ja) * | 2007-02-27 | 2013-07-03 | 日本電気株式会社 | 音声認識システム、方法およびプログラム |
| US20080294540A1 (en) | 2007-05-25 | 2008-11-27 | Celka Christopher J | System and method for automated detection of never-pay data sets |
| US7958050B2 (en) * | 2007-07-02 | 2011-06-07 | Early Warning Services, Llc | Payment account monitoring system and method |
| US8666841B1 (en) | 2007-10-09 | 2014-03-04 | Convergys Information Management Group, Inc. | Fraud detection engine and method of using the same |
| US8127986B1 (en) | 2007-12-14 | 2012-03-06 | Consumerinfo.Com, Inc. | Card registry systems and methods |
| US9990674B1 (en) | 2007-12-14 | 2018-06-05 | Consumerinfo.Com, Inc. | Card registry systems and methods |
| US10373198B1 (en) | 2008-06-13 | 2019-08-06 | Lmb Mortgage Services, Inc. | System and method of generating existing customer leads |
| US8312033B1 (en) | 2008-06-26 | 2012-11-13 | Experian Marketing Solutions, Inc. | Systems and methods for providing an integrated identifier |
| US9256904B1 (en) | 2008-08-14 | 2016-02-09 | Experian Information Solutions, Inc. | Multi-bureau credit file freeze and unfreeze |
| DE102008046339A1 (de) * | 2008-09-09 | 2010-03-11 | Giesecke & Devrient Gmbh | Freigabe von Transaktionsdaten |
| US8060424B2 (en) | 2008-11-05 | 2011-11-15 | Consumerinfo.Com, Inc. | On-line method and system for monitoring and reporting unused available credit |
| US20100328035A1 (en) * | 2009-06-29 | 2010-12-30 | International Business Machines Corporation | Security with speaker verification |
| US20110137760A1 (en) * | 2009-12-03 | 2011-06-09 | Rudie Todd C | Method, system, and computer program product for customer linking and identification capability for institutions |
| US8417525B2 (en) * | 2010-02-09 | 2013-04-09 | International Business Machines Corporation | Adaptive voice print for conversational biometric engine |
| US9652802B1 (en) | 2010-03-24 | 2017-05-16 | Consumerinfo.Com, Inc. | Indirect monitoring and reporting of a user's credit data |
| US8725613B1 (en) | 2010-04-27 | 2014-05-13 | Experian Information Solutions, Inc. | Systems and methods for early account score and notification |
| US10453093B1 (en) | 2010-04-30 | 2019-10-22 | Lmb Mortgage Services, Inc. | System and method of optimizing matching of leads |
| EP2589234A4 (en) | 2010-06-29 | 2018-01-24 | Georgia Tech Research Corporation | Systems and methods for detecting call provenance from call audio |
| US9619826B1 (en) * | 2010-07-30 | 2017-04-11 | West Corporation | Third-party authentication systems and methods |
| US9800721B2 (en) * | 2010-09-07 | 2017-10-24 | Securus Technologies, Inc. | Multi-party conversation analyzer and logger |
| US8782217B1 (en) | 2010-11-10 | 2014-07-15 | Safetyweb, Inc. | Online identity management |
| US8484186B1 (en) | 2010-11-12 | 2013-07-09 | Consumerinfo.Com, Inc. | Personalized people finder |
| US9147042B1 (en) | 2010-11-22 | 2015-09-29 | Experian Information Solutions, Inc. | Systems and methods for data verification |
| EP2676197B1 (en) | 2011-02-18 | 2018-11-28 | CSidentity Corporation | System and methods for identifying compromised personally identifiable information on the internet |
| US9665854B1 (en) | 2011-06-16 | 2017-05-30 | Consumerinfo.Com, Inc. | Authentication alerts |
| US9483606B1 (en) | 2011-07-08 | 2016-11-01 | Consumerinfo.Com, Inc. | Lifescore |
| US8949958B1 (en) * | 2011-08-25 | 2015-02-03 | Amazon Technologies, Inc. | Authentication using media fingerprinting |
| GB201115007D0 (en) * | 2011-08-31 | 2011-10-12 | Bae Systems Plc | Detection of predetermined activities by users of mobile telephony networks |
| US9106691B1 (en) | 2011-09-16 | 2015-08-11 | Consumerinfo.Com, Inc. | Systems and methods of identity protection and management |
| US8738516B1 (en) | 2011-10-13 | 2014-05-27 | Consumerinfo.Com, Inc. | Debt services candidate locator |
| US11030562B1 (en) | 2011-10-31 | 2021-06-08 | Consumerinfo.Com, Inc. | Pre-data breach monitoring |
| US9026678B2 (en) | 2011-11-30 | 2015-05-05 | Elwha Llc | Detection of deceptive indicia masking in a communications interaction |
| US10250939B2 (en) * | 2011-11-30 | 2019-04-02 | Elwha Llc | Masking of deceptive indicia in a communications interaction |
| US20130139254A1 (en) | 2011-11-30 | 2013-05-30 | Elwha LLC, a limited liability corporation of the State of Delaware | Deceptive indicia notification in a communications interaction |
| US20130139259A1 (en) | 2011-11-30 | 2013-05-30 | Elwha Llc | Deceptive indicia profile generation from communications interactions |
| US9832510B2 (en) * | 2011-11-30 | 2017-11-28 | Elwha, Llc | Deceptive indicia profile generation from communications interactions |
| US9042867B2 (en) | 2012-02-24 | 2015-05-26 | Agnitio S.L. | System and method for speaker recognition on mobile devices |
| US9390445B2 (en) | 2012-03-05 | 2016-07-12 | Visa International Service Association | Authentication using biometric technology through a consumer device |
| US9853959B1 (en) | 2012-05-07 | 2017-12-26 | Consumerinfo.Com, Inc. | Storage and maintenance of personal data |
| US9721563B2 (en) | 2012-06-08 | 2017-08-01 | Apple Inc. | Name recognition system |
| US9368116B2 (en) | 2012-09-07 | 2016-06-14 | Verint Systems Ltd. | Speaker separation in diarization |
| US9837078B2 (en) | 2012-11-09 | 2017-12-05 | Mattersight Corporation | Methods and apparatus for identifying fraudulent callers |
| US9654541B1 (en) | 2012-11-12 | 2017-05-16 | Consumerinfo.Com, Inc. | Aggregating user web browsing data |
| US10134400B2 (en) | 2012-11-21 | 2018-11-20 | Verint Systems Ltd. | Diarization using acoustic labeling |
| US8856894B1 (en) | 2012-11-28 | 2014-10-07 | Consumerinfo.Com, Inc. | Always on authentication |
| US9916621B1 (en) | 2012-11-30 | 2018-03-13 | Consumerinfo.Com, Inc. | Presentation of credit score factors |
| US10255598B1 (en) | 2012-12-06 | 2019-04-09 | Consumerinfo.Com, Inc. | Credit card account data extraction |
| US8694315B1 (en) * | 2013-02-05 | 2014-04-08 | Visa International Service Association | System and method for authentication using speaker verification techniques and fraud model |
| US8972400B1 (en) | 2013-03-11 | 2015-03-03 | Consumerinfo.Com, Inc. | Profile data management |
| US10102570B1 (en) | 2013-03-14 | 2018-10-16 | Consumerinfo.Com, Inc. | Account vulnerability alerts |
| US8812387B1 (en) | 2013-03-14 | 2014-08-19 | Csidentity Corporation | System and method for identifying related credit inquiries |
| US9406085B1 (en) | 2013-03-14 | 2016-08-02 | Consumerinfo.Com, Inc. | System and methods for credit dispute processing, resolution, and reporting |
| US9870589B1 (en) | 2013-03-14 | 2018-01-16 | Consumerinfo.Com, Inc. | Credit utilization tracking and reporting |
| US10719591B1 (en) | 2013-03-15 | 2020-07-21 | Google Llc | Authentication of audio-based input signals |
| US10664936B2 (en) | 2013-03-15 | 2020-05-26 | Csidentity Corporation | Authentication systems and methods for on-demand products |
| US9633322B1 (en) | 2013-03-15 | 2017-04-25 | Consumerinfo.Com, Inc. | Adjustment of knowledge-based authentication |
| US10541997B2 (en) | 2016-12-30 | 2020-01-21 | Google Llc | Authentication of packetized audio signals |
| US11064250B2 (en) * | 2013-03-15 | 2021-07-13 | Google Llc | Presence and authentication for media measurement |
| US10685398B1 (en) | 2013-04-23 | 2020-06-16 | Consumerinfo.Com, Inc. | Presenting credit score information |
| US9721147B1 (en) | 2013-05-23 | 2017-08-01 | Consumerinfo.Com, Inc. | Digital identity |
| US9460722B2 (en) | 2013-07-17 | 2016-10-04 | Verint Systems Ltd. | Blind diarization of recorded calls with arbitrary number of speakers |
| US9984706B2 (en) | 2013-08-01 | 2018-05-29 | Verint Systems Ltd. | Voice activity detection using a soft decision mechanism |
| US9443268B1 (en) | 2013-08-16 | 2016-09-13 | Consumerinfo.Com, Inc. | Bill payment and reporting |
| US9053711B1 (en) * | 2013-09-10 | 2015-06-09 | Ampersand, Inc. | Method of matching a digitized stream of audio signals to a known audio recording |
| US10325314B1 (en) | 2013-11-15 | 2019-06-18 | Consumerinfo.Com, Inc. | Payment reporting systems |
| US9477737B1 (en) | 2013-11-20 | 2016-10-25 | Consumerinfo.Com, Inc. | Systems and user interfaces for dynamic access of multiple remote databases and synchronization of data based on user rules |
| US10262362B1 (en) | 2014-02-14 | 2019-04-16 | Experian Information Solutions, Inc. | Automatic generation of code for attributes |
| US9589566B2 (en) * | 2014-03-21 | 2017-03-07 | Wells Fargo Bank, N.A. | Fraud detection database |
| USD759689S1 (en) | 2014-03-25 | 2016-06-21 | Consumerinfo.Com, Inc. | Display screen or portion thereof with graphical user interface |
| USD759690S1 (en) | 2014-03-25 | 2016-06-21 | Consumerinfo.Com, Inc. | Display screen or portion thereof with graphical user interface |
| USD760256S1 (en) | 2014-03-25 | 2016-06-28 | Consumerinfo.Com, Inc. | Display screen or portion thereof with graphical user interface |
| US9892457B1 (en) | 2014-04-16 | 2018-02-13 | Consumerinfo.Com, Inc. | Providing credit data in search results |
| US10373240B1 (en) | 2014-04-25 | 2019-08-06 | Csidentity Corporation | Systems, methods and computer-program products for eligibility verification |
| CN105306657B (zh) * | 2014-06-20 | 2019-07-26 | 中兴通讯股份有限公司 | 身份识别方法、装置及通讯终端 |
| US10127911B2 (en) | 2014-09-30 | 2018-11-13 | Apple Inc. | Speaker identification and unsupervised speaker adaptation techniques |
| US10334099B2 (en) * | 2014-10-29 | 2019-06-25 | United Services Automobile Association (Usaa) | Media forked application system in call centers |
| US10339527B1 (en) | 2014-10-31 | 2019-07-02 | Experian Information Solutions, Inc. | System and architecture for electronic fraud detection |
| US9232052B1 (en) * | 2014-11-21 | 2016-01-05 | Marchex, Inc. | Analyzing voice characteristics to detect fraudulent call activity and take corrective action without using recording, transcription or caller ID |
| FR3028981B1 (fr) * | 2014-11-21 | 2017-01-06 | Cie Ind Et Financiere D'ingenierie Ingenico | Procede de detection d'un risque de substitution d'un terminal, dispositif, programme et support d'enregistrement correspondants |
| US9922048B1 (en) | 2014-12-01 | 2018-03-20 | Securus Technologies, Inc. | Automated background check via facial recognition |
| US10445152B1 (en) | 2014-12-19 | 2019-10-15 | Experian Information Solutions, Inc. | Systems and methods for dynamic report generation based on automatic modeling of complex data structures |
| US9875743B2 (en) | 2015-01-26 | 2018-01-23 | Verint Systems Ltd. | Acoustic signature building for a speaker from multiple sessions |
| US10567477B2 (en) | 2015-03-08 | 2020-02-18 | Apple Inc. | Virtual assistant continuity |
| US9578173B2 (en) | 2015-06-05 | 2017-02-21 | Apple Inc. | Virtual assistant aided communication with 3rd party service in a communication session |
| US11151468B1 (en) | 2015-07-02 | 2021-10-19 | Experian Information Solutions, Inc. | Behavior analysis using distributed representations of event data |
| TR201517657A2 (tr) * | 2015-12-31 | 2017-07-21 | Turkcell Teknoloji Arastirma Ve Gelistirme Anonim Sirketi | Uzun süreli̇ aramalarin tespi̇t edi̇lmesi̇ni̇ sağlayan bi̇r si̇stem |
| US10250925B2 (en) * | 2016-02-11 | 2019-04-02 | Motorola Mobility Llc | Determining a playback rate of media for a requester |
| US10043516B2 (en) | 2016-09-23 | 2018-08-07 | Apple Inc. | Intelligent automated assistant |
| US20180131710A1 (en) * | 2016-11-07 | 2018-05-10 | Microsoft Technology Licensing, Llc | Network telephony anomaly detection images |
| CN106782564B (zh) | 2016-11-18 | 2018-09-11 | 百度在线网络技术（北京）有限公司 | 用于处理语音数据的方法和装置 |
| JP2018170672A (ja) * | 2017-03-30 | 2018-11-01 | 西日本電信電話株式会社 | 声紋認証装置、声紋認証方法、およびプログラム |
| DK201770439A1 (en) | 2017-05-11 | 2018-12-13 | Apple Inc. | Offline personal assistant |
| DK179745B1 (en) | 2017-05-12 | 2019-05-01 | Apple Inc. | SYNCHRONIZATION AND TASK DELEGATION OF A DIGITAL ASSISTANT |
| DK179496B1 (en) | 2017-05-12 | 2019-01-15 | Apple Inc. | USER-SPECIFIC Acoustic Models |
| DK201770431A1 (en) | 2017-05-15 | 2018-12-20 | Apple Inc. | Optimizing dialogue policy decisions for digital assistants using implicit feedback |
| DK201770432A1 (en) | 2017-05-15 | 2018-12-21 | Apple Inc. | Hierarchical belief states for digital assistants |
| DK179560B1 (en) | 2017-05-16 | 2019-02-18 | Apple Inc. | FAR-FIELD EXTENSION FOR DIGITAL ASSISTANT SERVICES |
| US10699028B1 (en) | 2017-09-28 | 2020-06-30 | Csidentity Corporation | Identity security architecture systems and methods |
| WO2019077013A1 (en) | 2017-10-18 | 2019-04-25 | Soapbox Labs Ltd. | METHODS AND SYSTEMS FOR PROCESSING AUDIO SIGNALS CONTAINING VOICE DATA |
| US10896472B1 (en) | 2017-11-14 | 2021-01-19 | Csidentity Corporation | Security and identity verification system and architecture |
| CN108428132B (zh) | 2018-03-15 | 2020-12-29 | 创新先进技术有限公司 | 欺诈交易识别方法、装置、服务器及存储介质 |
| US10388286B1 (en) | 2018-03-20 | 2019-08-20 | Capital One Services, Llc | Systems and methods of sound-based fraud protection |
| US11538128B2 (en) | 2018-05-14 | 2022-12-27 | Verint Americas Inc. | User interface for fraud alert management |
| US10911234B2 (en) | 2018-06-22 | 2021-02-02 | Experian Information Solutions, Inc. | System and method for a token gateway environment |
| US20200074541A1 (en) | 2018-09-05 | 2020-03-05 | Consumerinfo.Com, Inc. | Generation of data structures based on categories of matched data items |
| KR20200034020A (ko) | 2018-09-12 | 2020-03-31 | 삼성전자주식회사 | 전자 장치 및 그의 제어 방법 |
| US10887452B2 (en) | 2018-10-25 | 2021-01-05 | Verint Americas Inc. | System architecture for fraud detection |
| US11315179B1 (en) | 2018-11-16 | 2022-04-26 | Consumerinfo.Com, Inc. | Methods and apparatuses for customized card recommendations |
| US11238656B1 (en) | 2019-02-22 | 2022-02-01 | Consumerinfo.Com, Inc. | System and method for an augmented reality experience via an artificial intelligence bot |
| EP3987743A1 (en) | 2019-06-20 | 2022-04-27 | Verint Americas Inc. | Systems and methods for authentication and fraud detection |
| US10839060B1 (en) * | 2019-08-27 | 2020-11-17 | Capital One Services, Llc | Techniques for multi-voice speech recognition commands |
| US11941065B1 (en) | 2019-09-13 | 2024-03-26 | Experian Information Solutions, Inc. | Single identifier platform for storing entity data |
| US11374976B2 (en) * | 2019-10-15 | 2022-06-28 | Bank Of America Corporation | System for authentication of resource actions based on multi-channel input |
| US11868453B2 (en) | 2019-11-07 | 2024-01-09 | Verint Americas Inc. | Systems and methods for customer authentication based on audio-of-interest |
| US20210374756A1 (en) * | 2020-05-29 | 2021-12-02 | Mastercard International Incorporated | Methods and systems for generating rules for unseen fraud and credit risks using artificial intelligence |
Family Cites Families (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0598469A3 (en) * | 1992-10-27 | 1996-07-10 | Daniel P Dunlevy | Interactive credit card fraud control process. |
| US5502759A (en) * | 1993-05-13 | 1996-03-26 | Nynex Science & Technology, Inc. | Apparatus and accompanying methods for preventing toll fraud through use of centralized caller voice verification |
| US5623539A (en) * | 1994-01-27 | 1997-04-22 | Lucent Technologies Inc. | Using voice signal analysis to identify authorized users of a telephone system |
| US6327345B1 (en) * | 1994-09-16 | 2001-12-04 | Mci Communications Corporation | Method and system therefor of establishing an acceptance threshold for controlling fraudulent telephone calls |
| US6266640B1 (en) * | 1996-08-06 | 2001-07-24 | Dialogic Corporation | Data network with voice verification means |
| US5937043A (en) * | 1996-11-27 | 1999-08-10 | Mciworldcom, Inc. | Mechanism for a system and method for detecting fraudulent use of collect calls |
| US6078807A (en) * | 1997-08-26 | 2000-06-20 | International Business Machines Corporation | Telephony fraud detection using voice recognition techniques |
| US6157707A (en) * | 1998-04-03 | 2000-12-05 | Lucent Technologies Inc. | Automated and selective intervention in transaction-based networks |
| US6633632B1 (en) * | 1999-10-01 | 2003-10-14 | At&T Corp. | Method and apparatus for detecting the number of speakers on a call |
| FR2814025B1 (fr) * | 2000-09-08 | 2004-08-06 | France Telecom | Gestion individualisee de communications pour usage collectif d'un terminal telephonique |
-
2003
- 2003-03-03 GB GB0304816A patent/GB2391373A/en not_active Withdrawn
- 2003-07-31 ES ES03739882T patent/ES2319178T3/es not_active Expired - Lifetime
- 2003-07-31 DK DK03739882T patent/DK1527552T3/da active
- 2003-07-31 AT AT03739882T patent/ATE389271T1/de not_active IP Right Cessation
- 2003-07-31 DE DE60319708T patent/DE60319708T2/de not_active Expired - Fee Related
- 2003-07-31 EP EP03739882A patent/EP1527552B1/en not_active Expired - Lifetime
- 2003-07-31 WO PCT/AU2003/000978 patent/WO2004012387A1/en active IP Right Grant
- 2003-07-31 AU AU2003281737A patent/AU2003281737A1/en not_active Abandoned
-
2005
- 2005-01-28 US US11/046,200 patent/US7512221B2/en not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| AU2003281737A1 (en) | 2004-02-16 |
| GB2391373A8 (en) | 2004-04-21 |
| GB0304816D0 (en) | 2003-04-09 |
| GB2391373A (en) | 2004-02-04 |
| ATE389271T1 (de) | 2008-03-15 |
| US7512221B2 (en) | 2009-03-31 |
| EP1527552B1 (en) | 2008-03-12 |
| WO2004012387A1 (en) | 2004-02-05 |
| EP1527552A4 (en) | 2006-05-31 |
| DK1527552T3 (da) | 2008-07-14 |
| DE60319708D1 (de) | 2008-04-24 |
| EP1527552A1 (en) | 2005-05-04 |
| DE60319708T2 (de) | 2009-03-12 |
| US20050185779A1 (en) | 2005-08-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| ES2319178T3 (es) | Sistema y metodo para la deteccion y detencion de servicios fraudulentos. | |
| JP4251521B2 (ja) | トランザクション・ベースのネットワークにおける自動化された選択的介入 | |
| TWI449394B (zh) | User authentication, verification and code generation system maintenance subsystem | |
| US9008625B2 (en) | Fraud prevention techniques | |
| ES2967436T3 (es) | Detección y prevención de llamadas no deseadas en un sistema de telecomunicaciones | |
| EP2989601B1 (en) | Secure voice transactions | |
| US10582043B1 (en) | Method of identifying instances of international call interconnect bypass telecommunications fraud | |
| US11395147B2 (en) | System and method for real time fraud analysis of communications data | |
| WO2008003337A1 (en) | Charging of gprs traffic for roaming mobiles by performing traffic counting at the user terminal | |
| WO2004049621A1 (en) | Authentication and identification system and transactions using such an authentication and identification system | |
| US20030046246A1 (en) | Blocking server | |
| Yelland | Fraud in mobile networks | |
| US20020097854A1 (en) | Ani-based dialing in telephone networks | |
| US6442265B1 (en) | Method for detecting and reducing fraudulent telephone calls | |
| CN106778334A (zh) | 账号信息的保护方法及移动终端 | |
| US8379813B2 (en) | Method and apparatus for authorizing a calling card telephone call | |
| KR20110116290A (ko) | 발신기관 인증 이미지 제공 방법 및 시스템 | |
| KR100612141B1 (ko) | 스마트카드 핀 번호를 이용한 이동 단말의 안전보장 장치 | |
| KR20230106985A (ko) | 불법 통신장비 탐지 장치 및 방법 | |
| RU2575805C2 (ru) | Способ управления состоянием объекта с помощью мобильного устройства и система для его осуществления | |
| RU2256216C2 (ru) | Система оплаты услуг в телекоммуникационной сети | |
| IT201900003249A1 (it) | Sistema e metodo per l'attuazione di procedure di sicurezza nell'esecuzione di transazioni elettroniche |