在整个亚太地区，电信运营商一直处于行业突破性创新的前沿，推动着人与人之间的连接和互联网科技的进步。亚太地区拥有一些全球最大的电信公司，并且最近在5G网络部署中一直处于领先地位。例如，中国的电信运营商正以其巨大的规模和容量为新用例和商业模式提供支持。根据中国工业和信息化部统计显示，到2022年年初，我国5G基站总量占全球60%以上，5G网络已覆盖所有地级市城区，超过98%的县城城区和80%的乡镇镇区。

虽然5G可以为企业和其他新领域提供新产品和服务，进而开辟新收益来源，但电信运营商的核心业务仍将围绕消费者。虽然电信公司不断寻找通过增加使用时间（MOU）或数据消耗来提高每用户平均收入（ARPU）的方法，但他们也同样重视通过直接节省成本来提高盈利。因此，许多举措都聚焦于节省传输成本和提高单位经济效益的方法上。

另一个日益受到关注的领域是如何减少网络欺诈，因为网络欺诈会使电信公司蒙受损失，阻碍投资变现。电信公司的网络运营中可能会出现多种欺诈行为，如果不加以控制，这些问题叠加在一起就会严重影响盈利。

运用大数据，有效预防欺诈

电信公司已经采取了许多策略来打击欺诈，而且这些策略还在不断发展。近年来，电信公司正在大数据和分析方面进行投资，以遏制或减轻欺诈事件。电信公司一直在收集大量的用户数据，包括通话数据记录、流量消耗、账单信息，以及与网络相关的数据，从遥测到其他参数。然而，当对客户数据进行适当的大规模分析时，可以有效地减少欺诈。

此外，电信公司也在大力推动对网络流量的实时监控，以检测和防止欺诈。为了识别异常情况，电信公司正在扫描和分析呼叫模式、网络和短信使用情况评估潜在的欺诈行为。例如，电信网络诈骗犯罪往往需要使用大量的虚假或者非法的电话号码、IP地址、域名等通信资源，这些通信资源在使用过程中会产生一些特征信息，比如通话频次、通话时长、通话地点、通话对象等。通过对这些特征信息进行大数据分析，可以发现疑似涉诈的通信资源，并对其进行监测和处置。或者如果在非高峰时段出现异常大的呼叫流量，或一个设备突然连接到国外的基站，事件触发器就会触发警报，需要客服团队介入处理。

如果电信公司不利用其庞大的客户数据来检查异常活动，那就不可能做到实时监控。实时监控甚至可以进一步升级为预测未来潜在的欺诈活动。“国家反诈中心app” 就是利用大数据技术反诈的集大成者。其会对用户手机收到的电话、短信或下载的app进行检测，如果发现可疑内容，识别为诈骗行为，便会主动对用户进行预警。基于人工智能（AI）或机器学习（ML）的预测模型是电信公司用来打击欺诈的一种相对较新的策略。由于通过网络处理的数据过多，电信公司可以使用机器学习算法来分析从客户数据所生成的大量数据集。然后，这些模型可以突出显示可能表明欺诈的特定流量模式或异常行为，并升级为补救措施。以前的欺诈检测模型需要提前定义模式，比如告诉系统寻找“突然开始使用多张SIM卡的行为”，而AI模型不需要这样的操作。基于AI的解决方案将简单地学习什么是正常行为，并根据一般阈值和规则来标记与之大相径庭的行为，这样就意味着电信公司将减少对人工监控欺诈行为的专家的依赖。公司需要能够信任他们使用的数据，而这只能通过可靠的端到端数据管理和分析平台来实现，为在安全和受监管的环境中训练模型奠定基础。

电信公司为防止欺诈活动而投资的另一个领域是信息安全领域。其涵盖多个方面，其中最基本的是防止客户数据落入不良分子手中。电信公司已部署了身份识别和认证系统，以便进行准确的筛选并确保客户账户不被入侵。除客户数据外，信息安全对于物联网设备和传感器等互联终端同样至关重要，以确保没有薄弱环节被恶意行为者用来破坏服务。随着5G网络的出现，安全问题变得越来越重要，因为连入网络的设备数量增加，包括大规模的物联网在内的企业连接支持显著扩大了网络边界和多样性。换言之，“客户端点”的数量正在迅速增长。 

现代化数据架构是预防欺诈的必要条件

电信公司一直在投资现代化数据架构，以应对一系列挑战。在预防欺诈方面，最大的挑战之一是需要跟踪的数据源数量和数据总量。电信公司需要追踪来自网络的数据、客户数据以及营销和推广数据，所有这些数据结合在一起可以帮助他们建立360度全方位的客户视图。对于大多数电信公司而言，一个关键的挑战是这些数据集通常存在于孤岛中，而目前电信公司在打通这些孤岛以生成囊括所有数据的统一视图方面已经取得了很大进展。这其实要归功于现代化数据架构，不过还需要做更多工作。

解决上述问题的一种方法是采用Cloudera Data Platform（CDP），该平台已被世界上大多数领先的电信公司部署。CDP融合了现代化数据架构的许多元素，包括对湖仓一体、数据编织和数据网格的支持。CDP能够帮助电信公司实时获取大量数据集，同时还创建了合适的工具，支持对多种防欺诈场景进行分析。