Telekommunikationsanbieter sind regelmäßig mit betrügerischen Nutzungsmustern in ihren Verbindungsdaten konfrontiert. Im Rahmen eines gemeinsamen Projekts mit R-KOM, dem Regensburger Telekommunikationsunternehmen, hat die OTH Regensburg untersucht, ob und wie sich solche Muster in Call Detail Records (CDRs) automatisiert erkennen lassen. Die Ausgangssituation war dabei durch zwei strukturelle Herausforderungen geprägt: Aus Datenschutzgründen lagen sämtliche Rufnummern ausschließlich als Hashwerte vor – Rückschlüsse auf Vorwahlen, Länderkennzahlen oder Nummernkreise waren damit ausgeschlossen. Zudem standen im Datensatz nur einzelne dokumentierte Betrugsfälle zur Verfügung, was ein stark unbalanciertes Trainingsszenario erzeugte und den Einsatz überwachter Lernverfahren von Beginn an erheblich einschränkte.
Die OTH führte eine umfassende explorative Analyse eines Datensatzes mit rund 1,5 Millionen CDR-Einträgen durch. Da klassische Merkmale nicht nutzbar waren, wurden eigene verhaltensbasierte Features entwickelt – etwa Anrufhäufigkeiten pro Zeitfenster oder das Verhältnis von Verbindungsversuchen zu erfolgreichen Gesprächen. Anschließend wurden mehrere unüberwachte Lernverfahren implementiert und verglichen: Isolation Forest, Local Outlier Factor sowie regelbasierte Heuristiken für bekannte Fraud-Muster. Statistisch auffällige Muster ließen sich auf diese Weise identifizieren; eine belastbare quantitative Bewertung der Detektionsleistung blieb aufgrund der geringen Anzahl bekannter Referenzfälle begrenzt.
Das Projekt zeigte, welche Möglichkeiten und Grenzen datengetriebene Anomalieerkennung unter realen Datenschutz- und Datenverfügbarkeitsbedingungen hat. Die entwickelten Methoden und Features bilden eine fundierte Grundlage für weiterführende Ansätze, sobald zusätzliche Referenzdaten verfügbar sind.