Implementare un sistema antifrode per rilevare le anomalie che caratterizzato il traffico telefonico internazionale: è il focus del progetto di ricerca e di sviluppo nato dalla collaborazione tra VueTel, azienda specializzata in telecomunicazioni internazionali nei servizi wholesale voce e dati, e il Dipartimento di Ingegneria dell’Università degli Studi di Perugia.
Quello che VueTel e l’ateneo perugino stanno portando avanti attraverso la loro collaborazione è la possibilità di produrre strumenti per la business intelligence basati su Data Analysis e Machine Learning (apprendimento automatico), tecnologie alla base dell’analisi dei Big Data per la creazione di sistemi informatici e algoritmi avanzati. In particolare, con i Data Analysis è possibile estrarre dati e creare pattern che l’analisi umana non è in grado di individuare; il Machine Learning è basato su algoritmi in grado di classificare e trovare anomalie nei dati che sono in grado di apprendere dai comportamenti umani. E’ una tecnologia ampiamente applicata in tutto l’ambito informatico e spesso si sovrappone alla statistica computazionale, disciplina che ha come scopo quello di occuparsi dell’elaborazione di predizioni tramite l’uso di un computer.
Tali strumenti sono già utilizzati per intercettare frodi telefoniche, tra cui alcune che colpiscono direttamente gli utenti finali, in grado di svuotare il conto telefonico. La tecnologia che VueTel ha sviluppato è capace di individuare e bloccare i tentativi fraudolenti, garantendo quindi una qualità del servizio superiore.
“Il machine learning oggi è sempre più applicato alle più disparate discipline dell’industria e dei servizi e rappresenta fondamentalmente un insieme di metodi che permettono ad una macchina di arrivare ad un determinato comportamento senza essere stata programmata in maniera specifica – spiega Emanuela Bevilacqua CTO Voce di VueTel – Si tratta di un apprendimento automatico strettamente legato al riconoscimento di pattern, che fa sì che una macchina possa prendere una ‘decisione’ in maniera autonoma rispetto ad una data analisi fatta su quel pattern”.
