I
nd
o
ne
s
ia
n J
o
urna
l o
f
E
lect
rica
l En
g
ineering
a
nd
Co
m
p
u
t
er
Science
Vo
l.
3
9
,
No
.
2
,
A
u
g
u
s
t
2025
,
p
p
.
1
221
~
1
2
3
5
I
SS
N:
2
5
0
2
-
4752,
DOI
: 1
0
.
1
1
5
9
1
/i
j
ee
cs.v
3
9
.i
2
.
pp
1
2
2
1
-
1
2
3
5
1221
J
o
ur
na
l ho
m
ep
a
g
e
:
h
ttp
:
//ij
ee
cs.ia
esco
r
e.
co
m
An
o
pti
m
i
zed arc
hitectu
re
for real
-
ti
m
e f
ra
ud de
tecti
o
n in big
da
ta sy
ste
m
s
,
eco
sy
ste
m
s,
and env
i
ro
n
m
en
ts
G
a
ber
E
.
Ab
uta
leb
1
,
Abda
ll
a
h A.
AlH
a
bs
hy
1
,
B
er
iha
n R.
E
le
m
a
ry
2,
3
,
E
be
id A.
E
beid
1
,
K
a
m
a
l A
.
E
lDa
h
s
ha
n
1
1
D
e
p
a
r
t
me
n
t
o
f
M
a
t
h
e
mat
i
c
s
,
F
a
c
u
l
t
y
o
f
S
c
i
e
n
c
e
,
A
l
-
A
z
h
a
r
U
n
i
v
e
r
si
t
y
,
C
a
i
r
o
,
Eg
y
p
t
2
D
e
p
a
r
t
me
n
t
o
f
A
p
p
l
i
e
d
,
M
a
t
h
e
mat
i
c
a
l
,
a
n
d
A
c
t
u
a
r
i
a
l
S
t
a
t
i
s
t
i
c
s,
F
a
c
u
l
t
y
o
f
C
o
mm
e
r
c
e
,
D
a
mi
e
t
t
a
U
n
i
v
e
r
si
t
y
,
D
a
mi
e
t
t
a
,
Eg
y
p
t
3
U
n
i
v
e
r
si
d
a
d
e
N
O
V
A
d
e
L
i
sb
o
a
,
N
O
V
A
a
t
TK
H
,
C
a
i
r
o
,
Eg
y
p
t
Art
icle
I
nfo
AB
ST
RAC
T
A
r
ticle
his
to
r
y:
R
ec
eiv
ed
Dec
3
,
2024
R
ev
i
s
ed
A
p
r
8
,
2
0
2
5
A
cc
ep
ted
J
u
l
2
,
2025
T
h
e
e
x
p
o
n
e
n
ti
a
l
g
ro
w
th
o
f
d
a
t
a
in
re
c
e
n
t
y
e
a
rs
h
a
s
c
re
a
t
e
d
sig
n
if
ica
n
t
c
h
a
ll
e
n
g
e
s
in
f
ra
u
d
d
e
tec
ti
o
n
.
F
ra
u
d
u
le
n
t
a
c
ti
v
it
ies
a
re
in
c
re
a
sin
g
l
y
w
id
e
sp
re
a
d
a
c
ro
ss
se
c
to
rs,
su
c
h
a
s
b
a
n
k
in
g
,
w
e
b
n
e
tw
o
rk
s,
h
e
a
lt
h
i
n
su
ra
n
c
e
,
a
n
d
tele
c
o
m
m
u
n
ica
ti
o
n
s.
T
h
is
tre
n
d
h
ig
h
li
g
h
ts
a
g
ro
w
in
g
n
e
e
d
f
o
r
b
ig
d
a
ta
tec
h
n
o
l
o
g
ies
su
c
h
a
s
Ha
d
o
o
p
,
S
p
a
rk
,
S
to
rm
,
a
n
d
HBa
s
e
to
e
n
a
b
le
re
a
l
-
ti
m
e
d
e
tec
ti
o
n
a
n
d
a
n
a
ly
sis
o
f
d
a
ta
f
ra
u
d
.
T
h
is
stu
d
y
a
i
m
s
to
e
n
h
a
n
c
e
u
n
d
e
rsta
n
d
i
n
g
o
f
th
e
f
ra
u
d
c
las
sifica
ti
o
n
s
a
n
d
t
h
e
ir
sp
re
a
d
in
v
a
rio
u
s
se
c
to
rs
.
F
ra
u
d
d
e
tec
ti
o
n
in
v
o
lv
e
s
a
n
a
ly
z
i
n
g
d
a
ta
a
n
d
d
e
v
e
lo
p
i
n
g
m
a
c
h
in
e
lea
rn
in
g
(M
L
)
m
o
d
e
ls o
r
trad
it
i
o
n
a
l
r
u
le
-
b
a
se
d
s
y
ste
m
s to
id
e
n
ti
f
y
a
b
n
o
rm
a
l
a
c
ti
v
it
ies
a
s
th
e
y
o
c
c
u
r.
T
h
e
a
n
a
l
y
sis
in
th
i
s
p
a
p
e
r
e
x
a
m
in
e
s
b
o
th
t
h
e
a
d
v
a
n
tag
e
s
a
n
d
li
m
it
a
ti
o
n
s
o
f
th
e
se
so
lu
ti
o
n
s,
p
a
rti
c
u
larly
re
g
a
rd
in
g
sc
a
lab
il
it
y
a
n
d
p
e
rf
o
r
m
a
n
c
e
.
T
h
is
p
a
p
e
r
e
v
a
lu
a
t
e
s
th
e
m
e
th
o
d
s
a
n
d
b
ig
d
a
ta
to
o
ls
u
se
d
in
f
ra
u
d
d
e
tec
ti
o
n
a
n
d
p
re
v
e
n
ti
o
n
t
h
ro
u
g
h
a
c
o
m
p
re
h
e
n
siv
e
li
tera
tu
re
re
v
ie
w
,
e
m
p
h
a
siz
in
g
th
e
im
p
lem
e
n
tatio
n
c
h
a
ll
e
n
g
e
s.
T
h
is
re
v
ie
w
d
isc
u
ss
e
s
e
x
isti
n
g
so
lu
ti
o
n
s,
o
p
e
ra
ti
o
n
a
l
e
n
v
iro
n
m
e
n
ts,
a
n
d
t
h
e
M
L
a
lg
o
rit
h
m
s
a
n
d
trad
it
io
n
a
l
ru
les
e
m
p
lo
y
e
d
.
T
h
e
m
a
in
o
b
j
e
c
ti
v
e
o
f
th
is
stu
d
y
is
to
a
d
d
r
e
ss
th
e
se
c
h
a
ll
e
n
g
e
s
b
y
p
ro
p
o
sin
g
a
n
i
n
n
o
v
a
ti
v
e
a
rc
h
it
e
c
tu
re
th
a
t
e
q
u
ip
s
o
rg
a
n
iza
ti
o
n
s
w
it
h
th
e
late
st
k
n
o
w
led
g
e
a
n
d
m
e
th
o
d
o
lo
g
ies
in
b
ig
d
a
ta
tec
h
n
o
lo
g
ies
f
o
r
re
a
l
-
ti
m
e
f
r
a
u
d
d
e
tec
ti
o
n
a
n
d
p
re
v
e
n
ti
o
n
.
K
ey
w
o
r
d
s
:
A
p
ac
h
e
Sp
ar
k
B
ig
d
ata
tech
n
o
lo
g
ies i
n
f
r
a
u
d
d
etec
tio
n
B
ig
d
ata
tech
n
o
lo
g
ies
m
ac
h
in
e
lear
n
in
g
al
g
o
r
ith
m
s
r
ea
l
-
ti
m
e
p
r
o
ce
s
s
in
g
Fra
u
d
d
etec
tio
n
T
h
is i
s
a
n
o
p
e
n
a
c
c
e
ss
a
rticle
u
n
d
e
r th
e
CC B
Y
-
SA
li
c
e
n
se
.
C
o
r
r
e
s
p
o
nd
ing
A
uth
o
r
:
Gab
er
E
.
A
b
u
taleb
Dep
ar
t
m
en
t o
f
Ma
th
e
m
at
ics,
F
ac
u
lt
y
o
f
Scie
n
ce
,
A
l
-
A
zh
ar
U
n
iv
er
s
it
y
C
air
o
,
1
1
5
1
1
,
E
g
y
p
t
E
m
ail:
g
ab
er
_
ab
u
taleb
@
az
h
ar
.
ed
u
.
eg
1.
I
NT
RO
D
UCT
I
O
N
T
h
e
w
id
esp
r
ea
d
r
elian
ce
o
n
t
h
e
I
n
ter
n
et
h
as
m
ad
e
n
u
m
er
o
u
s
e
n
tit
ies
m
o
r
e
s
u
s
ce
p
tib
le
t
o
f
r
au
d
u
le
n
t
ac
tiv
itie
s
,
lead
in
g
to
s
ig
n
i
f
ica
n
t
f
in
a
n
cial
lo
s
s
e
s
[
1
]
.
Dete
ctin
g
a
n
d
d
if
f
er
e
n
tiati
n
g
f
r
a
u
d
s
t
er
s
f
r
o
m
le
g
it
i
m
a
te
u
s
er
s
in
th
e
v
a
s
t
s
ea
o
f
d
i
g
ital
d
ata
h
as
b
ec
o
m
e
a
s
ig
n
i
f
ica
n
t
ch
alle
n
g
e.
T
h
e
ex
p
lo
s
io
n
o
f
d
ig
ital
tr
a
n
s
ac
tio
n
s
h
as
f
u
e
led
a
r
is
e
in
f
r
au
d
u
le
n
t
ac
tiv
it
y
,
th
r
ea
te
n
i
n
g
f
i
n
an
c
ial
in
s
ti
tu
t
io
n
s
a
n
d
b
u
s
i
n
es
s
es
[
2
]
.
T
r
ad
itio
n
al
f
r
au
d
d
etec
tio
n
m
et
h
o
d
s
s
tr
u
g
g
le
to
k
ee
p
p
ac
e
w
it
h
th
e
e
v
o
lv
in
g
ta
ctics o
f
f
r
au
d
s
ter
s
.
B
ig
d
ata,
en
co
m
p
ass
in
g
s
tr
u
c
tu
r
ed
an
d
u
n
s
tr
u
ctu
r
ed
d
ata
f
r
o
m
v
ar
io
u
s
s
o
u
r
ce
s
,
h
o
ld
s
t
h
e
k
e
y
to
ad
d
r
ess
in
g
th
i
s
c
h
alle
n
g
e
[
3
]
.
As
f
r
a
u
d
s
ter
s
co
n
ti
n
u
o
u
s
l
y
ad
ap
t
th
eir
tech
n
iq
u
es,
o
r
g
a
n
izat
io
n
s
m
u
s
t
e
m
p
lo
y
m
ac
h
in
e
lear
n
i
n
g
(
ML
)
a
n
d
ar
tif
icia
l
in
telli
g
en
ce
(
A
I
)
to
d
et
ec
t
s
o
p
h
is
t
icate
d
d
ev
iatio
n
s
f
r
o
m
n
o
r
m
al
p
atter
n
s
a
m
o
n
g
m
ill
io
n
s
o
f
leg
i
ti
m
ate
tr
an
s
ac
tio
n
s
.
I
m
p
le
m
en
tin
g
r
o
b
u
s
t
m
ea
s
u
r
es
to
d
etec
t
an
d
p
r
ev
en
t
f
r
au
d
s
ter
s
’
ac
ce
s
s
to
s
er
v
ice
s
h
a
s
b
ec
o
m
e
a
to
p
p
r
i
o
r
ity
f
o
r
en
titi
e
s
,
s
a
f
e
g
u
ar
d
i
n
g
t
h
e
i
n
ter
ests
o
f
leg
iti
m
ate
u
s
er
s
.
Evaluation Warning : The document was created with Spire.PDF for Python.
I
SS
N
:
2
5
0
2
-
4752
I
n
d
o
n
esia
n
J
E
lec
E
n
g
&
C
o
m
p
Sci
,
Vo
l.
3
9
,
No
.
2
,
A
u
g
u
s
t
20
25
:
1
2
2
1
-
1
235
1222
I
n
r
ec
en
t
y
ea
r
s
,
t
h
er
e
h
a
s
b
ee
n
an
i
n
cr
ea
s
i
n
g
a
m
o
u
n
t
o
f
li
ter
atu
r
e
t
h
at
h
a
s
d
ev
elo
p
ed
f
r
a
m
e
w
o
r
k
s
f
o
r
f
r
au
d
d
etec
tio
n
in
b
ig
d
ata
en
v
ir
o
n
m
en
ts
.
B
ald
o
m
i
n
o
s
et
a
l.
[
4
]
cr
ea
ted
a
s
ca
lab
le
Had
o
o
p
-
b
ased
ar
ch
itectu
r
e
f
o
r
M
L
o
n
b
ig
d
ata
s
tr
ea
m
s
,
w
h
ile
Di
Ma
u
r
o
an
d
Di
Sar
n
o
[
5
]
p
r
o
p
o
s
ed
a
r
ea
l
-
ti
m
e
p
r
o
ce
s
s
i
n
g
s
y
s
te
m
u
s
in
g
A
p
ac
h
e
Sto
r
m
an
d
Ya
h
o
o
S
AM
OA
,
ac
h
ie
v
i
n
g
9
0
% a
cc
u
r
ac
y
i
n
S
k
y
p
e
tr
a
f
f
ic
d
etec
tio
n
.
Z
h
ao
et
a
l.
[
6
]
b
u
ilt a
n
et
w
o
r
k
a
n
o
m
al
y
d
etec
tio
n
f
r
a
m
e
w
o
r
k
u
s
i
n
g
Had
o
o
p
,
Kaf
k
a
,
an
d
Sto
r
m
f
o
r
ac
ad
e
m
ic
n
et
w
o
r
k
s
.
Dai
et
a
l.
[
7
]
d
ev
elo
p
ed
a
f
o
u
r
-
la
y
er
cr
ed
it
ca
r
d
f
r
au
d
d
etec
tio
n
s
y
s
te
m
in
co
r
p
o
r
atin
g
d
is
tr
ib
u
ted
s
to
r
ag
e
an
d
s
tr
ea
m
i
n
g
an
al
y
s
is
.
S
t
o
j
an
o
v
ic
et
a
l.
[
8
]
in
tr
o
d
u
ce
d
a
s
elf
-
ad
ap
ti
v
e
ap
p
r
o
ac
h
f
o
r
in
d
u
s
tr
ial
q
u
alit
y
co
n
tr
o
l
an
o
m
al
y
d
etec
tio
n
.
C
u
i
an
d
He
[
9
]
p
r
o
p
o
s
ed
a
clo
u
d
-
b
ased
f
r
a
m
e
w
o
r
k
co
m
b
in
in
g
Had
o
o
p
w
it
h
W
ek
a
’
s
a
lg
o
r
it
h
m
s
,
w
h
ile
B
alas
u
p
r
a
m
a
n
ia
n
et
a
l.
[
1
0
]
c
r
ea
ted
a
s
y
s
te
m
u
s
in
g
p
r
in
cip
al
co
m
p
o
n
en
t
a
n
al
y
s
i
s
(
P
C
A
)
a
n
d
s
elf
-
o
r
g
an
izi
n
g
m
ap
s
(
SOM)
.
Me
lo
-
A
co
s
ta
et
a
l.
[
1
1
]
ad
d
r
ess
ed
class
i
m
b
alan
ce
in
cr
ed
it
ca
r
d
f
r
au
d
d
etec
tio
n
u
s
i
n
g
b
alan
ce
d
r
an
d
o
m
f
o
r
est
(
B
R
F)
o
n
A
p
ac
h
e
S
p
ar
k
.
Oth
m
an
et
a
l.
[
1
2
]
in
tr
o
d
u
ce
d
th
e
Sp
ar
k
-
C
h
i
-
s
u
p
p
o
r
t
v
ec
to
r
m
ac
h
in
e
s
(
SVM
)
m
o
d
el
f
o
r
in
tr
u
s
io
n
d
etec
tio
n
,
an
d
C
ar
cillo
et
a
l.
[
1
3
]
d
ev
elo
p
e
d
s
ca
lab
le
r
ea
l
-
ti
m
e
f
r
au
d
f
i
n
d
er
(
SC
AR
FF
)
,
a
s
ca
lab
le
s
y
s
te
m
co
m
b
i
n
i
n
g
K
af
k
a,
Sp
ar
k
,
a
n
d
C
as
s
an
d
r
a
w
it
h
ad
v
a
n
ce
d
M
L
tech
n
iq
u
es.
Nair
et
a
l.
[
1
4
]
cr
ea
ted
a
h
ea
lt
h
p
r
ed
ictio
n
s
y
s
te
m
u
s
i
n
g
Sp
ar
k
an
d
T
w
it
ter
d
ata,
w
h
ile
C
ao
et
a
l.
[
1
5
]
d
ev
elo
p
ed
T
itA
n
t,
a
m
illi
s
ec
o
n
d
-
s
p
ee
d
f
r
au
d
d
etec
tio
n
s
y
s
te
m
f
o
r
A
lip
a
y
co
m
b
i
n
i
n
g
o
f
f
li
n
e
tr
ai
n
i
n
g
w
i
t
h
o
n
lin
e
p
r
ed
ictio
n
.
Z
h
o
u
et
a
l.
[
1
6
]
i
n
t
r
o
d
u
c
e
d
a
f
in
an
ci
a
l
f
r
au
d
d
e
t
e
ct
i
o
n
a
p
p
r
o
a
ch
u
s
in
g
No
d
e
2
V
e
c
w
i
th
S
p
a
r
k
G
r
a
p
h
X
an
d
H
a
d
o
o
p
.
H
a
b
e
eb
e
t
a
l
.
[
1
7
]
cr
ea
ted
a
r
ea
l
-
ti
m
e
an
o
m
al
y
d
etec
tio
n
f
r
a
m
e
w
o
r
k
w
it
h
th
eir
SS
W
L
O
FC
C
alg
o
r
it
h
m
ac
h
ie
v
in
g
9
6
.
5
1
%
ac
cu
r
ac
y
.
Sah
ee
d
et
a
l.
[
1
8
]
d
ev
elo
p
ed
cr
e
d
it
ca
r
d
f
r
au
d
m
o
d
els
u
s
i
n
g
P
C
A
w
it
h
v
ar
io
u
s
M
L
t
ec
h
n
iq
u
es,
a
n
d
T
aw
d
e
et
a
l.
[
1
9
]
p
r
o
p
o
s
ed
an
o
n
lin
e
p
a
y
m
en
t
f
r
au
d
d
etec
tio
n
s
y
s
te
m
u
s
in
g
P
y
Sp
ar
k
f
o
r
lar
g
e
-
s
ca
le
tr
a
n
s
ac
tio
n
an
al
y
s
is
.
A
lt
h
o
u
g
h
t
h
er
e
ar
e
m
a
n
y
e
x
ce
llen
t
r
ev
ie
w
p
ap
er
s
o
n
th
i
s
to
p
ic,
n
o
s
in
g
le
ar
c
h
itect
u
r
al
d
esig
n
ef
f
ec
tiv
e
l
y
ad
d
r
ess
es
a
n
d
m
an
a
g
e
s
t
h
ese
c
h
alle
n
g
es.
P
r
ev
io
u
s
r
esear
c
h
o
n
b
i
g
d
ata
f
r
a
u
d
d
etec
tio
n
f
r
a
m
e
w
o
r
k
s
h
as
f
ac
ed
s
ev
er
al
li
m
itatio
n
s
.
Ma
n
y
s
o
lu
tio
n
s
o
p
er
ated
ex
clu
s
i
v
el
y
w
it
h
b
at
ch
M
L
al
g
o
r
ith
m
s
o
v
er
Had
o
o
p
,
lack
in
g
s
u
p
p
o
r
t
f
o
r
r
ea
l
-
t
i
m
e
s
tr
ea
m
p
r
o
ce
s
s
in
g
.
Mo
s
t
f
r
a
m
e
w
o
r
k
s
w
er
e
ap
p
lied
to
s
in
g
le
d
atasets
,
li
m
itin
g
t
h
eir
g
en
er
a
lizab
ilit
y
an
d
r
o
b
u
s
t
n
es
s
.
Sev
er
al
ap
p
r
o
ac
h
es
d
id
n
o
t
in
co
r
p
o
r
ate
u
n
s
u
p
er
v
i
s
ed
ML
al
g
o
r
it
h
m
s
,
d
ata
e
n
r
ich
m
en
t
f
ea
t
u
r
es
(
s
u
c
h
as
I
P
g
eo
lo
ca
tio
n
)
,
o
r
v
is
u
aliza
tio
n
to
o
ls
.
So
m
e
f
r
a
m
e
w
o
r
k
s
p
r
o
v
id
ed
o
n
ly
n
ea
r
r
ea
l
-
ti
m
e
r
ath
er
th
a
n
tr
u
e
r
ea
l
-
ti
m
e
p
r
o
ce
s
s
in
g
,
w
i
th
ac
c
u
r
ac
y
lev
e
ls
r
eq
u
ir
i
n
g
i
m
p
r
o
v
e
m
en
t.
I
n
te
g
r
atio
n
w
it
h
m
u
ltip
le
d
etec
tio
n
alg
o
r
ith
m
s
w
as
o
f
te
n
in
s
u
f
f
icie
n
t.
A
d
d
itio
n
al
l
y
,
s
o
m
e
s
y
s
te
m
s
lac
k
ed
r
u
le
-
b
u
ild
in
g
en
g
i
n
e
s
,
d
ata
en
r
ich
m
e
n
t
o
p
er
atio
n
s
,
an
d
m
a
n
u
al
v
er
i
f
icati
o
n
co
m
p
o
n
en
t
s
f
o
r
m
an
a
g
i
n
g
s
u
s
p
icio
u
s
aler
ts
.
T
h
e
cu
r
r
en
t
s
tu
d
y
co
n
tr
ib
u
tes
to
th
e
e
x
p
an
s
io
n
o
f
k
n
o
w
led
g
e
i
n
t
h
is
f
ie
ld
b
y
ad
d
r
ess
i
n
g
i
m
p
o
r
tan
t
is
s
u
es.
Fir
s
t,
a
co
m
p
r
eh
e
n
s
i
v
e
o
v
er
v
ie
w
o
f
f
r
au
d
,
it
s
cl
ass
i
f
icatio
n
s
,
a
n
d
th
e
ar
ea
s
m
o
s
t
s
u
s
ce
p
tib
le
to
f
r
au
d
u
len
t
ac
ti
v
ities
.
Seco
n
d
,
s
tu
d
y
t
h
e
tec
h
n
iq
u
es
u
s
ed
i
n
d
etec
tin
g
f
r
a
u
d
u
le
n
t
ac
t
iv
i
ties
,
h
ig
h
li
g
h
ti
n
g
b
o
th
th
e
ad
v
a
n
ta
g
es
a
n
d
li
m
itat
io
n
s
o
f
t
h
ese
s
o
lu
t
io
n
s
.
T
h
ir
d
,
A
d
d
itio
n
all
y
,
it
e
x
a
m
in
e
s
t
h
e
late
s
t
b
ig
d
ata
tech
n
o
lo
g
ies
a
n
d
th
eir
ap
p
licatio
n
s
i
n
d
etec
tin
g
f
r
a
u
d
u
le
n
t
o
p
er
atio
n
s
.
Fo
u
r
th
,
p
r
esen
t
s
a
th
o
r
o
u
g
h
r
ev
ie
w
o
f
m
u
c
h
o
f
t
h
e
liter
atu
r
e
ad
d
r
ess
in
g
f
r
a
u
d
p
r
ev
en
tio
n
i
n
b
ig
d
ata,
w
it
h
a
co
m
p
a
r
ativ
e
an
al
y
s
i
s
o
f
r
ea
l
-
ti
m
e
s
o
lu
tio
n
s
.
T
ab
le
s
1
an
d
2
d
em
o
n
s
tr
ate
h
o
w
m
y
s
t
u
d
y
r
elate
s
to
an
d
d
if
f
er
s
f
r
o
m
p
r
ev
io
u
s
w
o
r
k
,
h
i
g
h
li
g
h
tin
g
th
e
m
e
th
o
d
o
lo
g
ies
u
s
ed
b
y
o
t
h
er
r
esear
ch
er
s
an
d
p
o
s
itio
n
i
n
g
m
y
co
n
tr
ib
u
tio
n
s
w
it
h
i
n
t
h
e
ex
i
s
ti
n
g
b
o
d
y
o
f
k
n
o
w
led
g
e.
Fi
f
t
h
,
p
r
o
p
o
s
e
an
in
n
o
v
ati
v
e
ar
ch
itect
u
r
e
th
at
eq
u
ip
s
o
r
g
a
n
izatio
n
s
w
i
th
th
e
lat
est
k
n
o
w
led
g
e
an
d
m
et
h
o
d
o
lo
g
ies in
b
i
g
d
ata
tech
n
o
lo
g
ies
f
o
r
r
ea
l
-
ti
m
e
f
r
au
d
d
etec
tio
n
an
d
p
r
ev
e
n
tio
n
.
T
h
e
p
r
o
p
o
s
ed
ar
ch
itectu
r
e
ad
d
r
ess
es
th
ese
li
m
itatio
n
s
th
r
o
u
g
h
s
ev
er
al
k
e
y
co
n
tr
ib
u
t
io
n
s
.
I
t
u
tili
ze
s
m
u
ltip
le
b
ig
d
ata
tech
n
o
lo
g
ie
s
in
clu
d
i
n
g
A
p
ac
h
e
Sp
ar
k
an
d
Sto
r
m
f
o
r
i
m
p
r
o
v
ed
s
ca
lab
ilit
y
an
d
ef
f
icie
n
t
s
tr
ea
m
p
r
o
ce
s
s
i
n
g
.
T
h
e
ar
ch
i
tectu
r
e
s
u
p
p
o
r
ts
b
o
th
s
u
p
er
v
is
ed
an
d
u
n
s
u
p
er
v
i
s
ed
M
L
alg
o
r
ith
m
s
.
I
t
a
ls
o
in
co
r
p
o
r
ated
d
ata
en
r
ich
m
e
n
t
o
p
er
atio
n
s
i
n
cl
u
d
in
g
I
P
g
eo
lo
ca
tio
n
,
e
m
ail,
an
d
b
an
k
ca
r
d
an
a
l
y
s
is
.
A
d
d
itio
n
al
l
y
,
t
h
e
ar
ch
i
tectu
r
e
in
cl
u
d
es
a
r
u
le
-
b
u
i
ld
in
g
en
g
i
n
e
alo
n
g
s
id
e
ML
al
g
o
r
it
h
m
s
an
d
f
ea
tu
r
es
a
m
a
n
u
a
l
v
er
if
ica
tio
n
co
m
p
o
n
e
n
t
f
o
r
s
u
s
p
icio
u
s
aler
t
m
an
a
g
e
m
en
t.
T
h
ese
e
n
h
a
n
ce
m
en
ts
co
l
lecti
v
el
y
r
ep
r
ese
n
t
a
m
o
r
e
r
o
b
u
s
t,
v
er
s
atile,
a
n
d
ac
cu
r
ate
ap
p
r
o
ac
h
to
f
r
au
d
d
etec
tio
n
in
b
ig
d
ata
en
v
ir
o
n
m
e
n
t
s
.
T
h
e
r
em
ai
n
d
er
o
f
th
e
p
ap
er
is
o
r
g
an
ized
as
f
o
llo
w
s
:
s
ec
tio
n
2
p
r
o
v
id
es
th
e
m
eth
o
d
o
f
t
h
i
s
s
t
u
d
y
.
I
n
s
ec
tio
n
3
p
r
o
v
id
es
an
o
v
er
v
ie
w
o
f
f
r
au
d
,
it
s
c
h
ar
ac
ter
is
tic
s
,
an
d
th
e
u
s
e
o
f
b
ig
d
ata
tech
n
o
lo
g
ies
f
o
r
f
r
au
d
d
etec
tio
n
.
I
n
s
ec
tio
n
4
ex
p
lain
s
m
eth
o
d
o
lo
g
ie
s
an
d
tech
n
iq
u
es
f
o
r
d
etec
tin
g
r
ea
l
-
ti
m
e
f
r
au
d
in
b
ig
d
ata
s
y
s
te
m
s
,
as
w
ell
a
s
t
h
eir
li
m
it
atio
n
s
.
Sec
tio
n
5
d
escr
ib
es
th
e
liter
atu
r
e
r
e
v
ie
w
m
et
h
o
d
o
lo
g
y
an
d
p
r
o
v
id
es
a
n
an
al
y
s
is
o
f
it.
I
n
s
ec
tio
n
6
p
r
esen
t
s
a
co
m
p
ar
ativ
e
an
a
l
y
s
is
o
f
th
e
liter
at
u
r
e
r
ev
ie
w
,
h
ig
h
li
g
h
ti
n
g
it
s
i
m
p
ac
t
o
n
f
r
au
d
-
r
elate
d
ar
ea
s
an
d
th
e
p
r
o
p
o
s
ed
ar
ch
itectu
r
e
in
t
h
is
s
tu
d
y
.
T
h
e
co
n
clu
s
io
n
h
i
g
h
lig
h
ts
t
h
e
p
ap
er
’
s
co
n
tr
ib
u
tio
n
s
an
d
s
u
g
g
e
s
ts
f
u
t
u
r
e
r
esear
ch
d
ir
ec
tio
n
s
.
2.
M
E
T
H
O
D
T
h
is
s
tu
d
y
f
o
llo
w
s
a
s
y
s
te
m
atic
ap
p
r
o
ac
h
to
an
al
y
zin
g
f
r
au
d
d
etec
tio
n
tech
n
iq
u
e
s
in
b
ig
d
ata
en
v
ir
o
n
m
e
n
t
s
.
T
h
e
ap
p
r
o
ac
h
co
n
s
is
ts
o
f
m
u
ltip
le
s
ta
g
es,
i
n
cl
u
d
in
g
u
n
d
er
s
ta
n
d
in
g
f
r
a
u
d
an
d
its
class
i
f
icatio
n
s
,
Evaluation Warning : The document was created with Spire.PDF for Python.
I
n
d
o
n
esia
n
J
E
lec
E
n
g
&
C
o
m
p
Sci
I
SS
N:
2502
-
4752
A
n
o
p
timiz
ed
a
r
ch
itectu
r
e
fo
r
r
ea
l
-
time
fr
a
u
d
d
etec
tio
n
in
b
ig
d
a
ta
…
(
Ga
b
er E
.
A
b
u
ta
leb
)
1223
an
al
y
z
in
g
e
x
is
tin
g
f
r
a
u
d
d
etec
tio
n
tec
h
n
iq
u
es,
ev
al
u
at
in
g
b
ig
d
ata
tech
n
o
lo
g
ie
s
,
liter
atu
r
e
r
e
v
ie
w
,
co
m
p
ar
ati
v
e
a
n
al
y
s
i
s
,
an
d
ar
ch
itect
u
r
al
d
esi
g
n
to
ad
d
r
ess
th
e
c
h
alle
n
g
es
a
s
s
o
ciate
d
with
r
ea
l
-
ti
m
e
f
r
au
d
d
etec
tio
n
.
T
h
e
f
o
llo
w
i
n
g
s
tep
s
o
u
tlin
e
t
h
e
r
esear
ch
m
et
h
o
d
o
lo
g
y
:
Un
d
er
s
ta
n
d
in
g
f
r
au
d
an
d
it
s
class
i
f
icatio
n
s
:
t
h
is
p
h
a
s
e
ex
p
lo
r
es
f
r
au
d
t
y
p
es,
th
eir
clas
s
if
ica
tio
n
s
,
an
d
v
u
l
n
er
ab
le
d
o
m
ai
n
s
.
I
t a
ls
o
e
x
a
m
i
n
es t
h
e
li
m
itat
io
n
s
o
f
tr
ad
i
tio
n
al
d
etec
tio
n
m
et
h
o
d
s
an
d
h
o
w
M
L
an
d
b
ig
d
ata
tech
n
o
lo
g
ie
s
ad
d
r
ess
th
e
s
e
ch
allen
g
e
s
.
L
iter
at
u
r
e
r
ev
ie
w
:
a
l
iter
atu
r
e
r
ev
ie
w
w
as
co
n
d
u
cted
o
n
f
r
au
d
d
etec
tio
n
m
e
th
o
d
s
,
ML
m
o
d
el
s
,
an
d
b
i
g
d
ata
to
o
ls
lik
e
Had
o
o
p
,
Sp
ar
k
,
Sto
r
m
,
a
n
d
HB
ase.
T
h
e
r
ev
ie
w
co
v
er
s
s
t
u
d
ies
f
r
o
m
2
0
1
4
to
2
0
2
4
,
f
o
cu
s
in
g
o
n
p
ee
r
-
r
ev
ie
w
ed
r
esear
ch
ad
d
r
ess
in
g
f
r
a
u
d
d
etec
tio
n
i
n
b
ig
d
ata
en
v
ir
o
n
m
e
n
ts
.
C
o
m
p
ar
ativ
e
a
n
al
y
s
i
s
o
f
b
ig
d
ata
f
r
au
d
d
etec
tio
n
tech
n
iq
u
e
s
:
th
e
s
tu
d
y
co
n
d
u
ct
s
a
co
m
p
ar
ativ
e
an
al
y
s
is
o
f
f
r
au
d
d
etec
tio
n
tech
n
iq
u
es
b
y
e
x
a
m
i
n
in
g
v
ar
io
u
s
r
esear
c
h
s
t
u
d
ies
ac
r
o
s
s
d
if
f
er
en
t
d
o
m
ai
n
s
,
in
c
lu
d
i
n
g
f
i
n
an
cia
l
tr
an
s
ac
t
io
n
s
,
n
et
wo
r
k
s
ec
u
r
it
y
,
a
n
d
o
n
li
n
e
f
r
au
d
d
etec
tio
n
.
I
t
ev
alu
ate
s
lear
n
in
g
t
y
p
es
(
s
u
p
er
v
i
s
ed
,
u
n
s
u
p
er
v
is
ed
,
r
u
l
e
-
b
ased
)
,
alg
o
r
ith
m
s
(
d
ec
is
io
n
tr
ee
s
(
DT
)
,
r
an
d
o
m
f
o
r
est
(
RF
)
,
SVM,
n
e
u
r
a
l
n
et
w
o
r
k
s
,
DB
SC
A
N)
,
an
d
b
ig
d
ata
to
o
ls
.
T
h
e
tr
ad
e
-
o
f
f
s
i
n
ac
cu
r
a
c
y
,
s
ca
lab
ilit
y
,
an
d
r
ea
l
-
t
i
m
e
p
r
o
ce
s
s
in
g
ar
e
an
al
y
ze
d
,
alo
n
g
w
it
h
th
e
r
o
le
o
f
s
tr
ea
m
i
n
g
tech
n
o
lo
g
ie
s
lik
e
Ka
f
k
a
a
n
d
Fl
u
m
e.
A
r
c
h
itect
u
r
al
d
esig
n
a
n
d
o
p
tim
izatio
n
:
b
ased
o
n
th
e
f
i
n
d
in
g
s
f
r
o
m
t
h
e
liter
at
u
r
e
r
ev
ie
w
an
d
co
m
p
ar
ativ
e
an
al
y
s
is
,
an
o
p
ti
m
ized
ar
ch
i
tectu
r
e
f
o
r
r
ea
l
-
ti
m
e
f
r
au
d
d
etec
tio
n
is
p
r
o
p
o
s
ed
.
T
h
e
p
r
o
p
o
s
ed
s
y
s
te
m
in
te
g
r
ates
m
u
ltip
le
b
ig
d
ata
tech
n
o
lo
g
ies,
in
cl
u
d
i
n
g
A
p
ac
h
e
Sp
ar
k
an
d
Sto
r
m
,
to
en
h
a
n
ce
s
ca
lab
ilit
y
an
d
s
tr
ea
m
p
r
o
ce
s
s
i
n
g
ef
f
icie
n
c
y
.
I
t
also
s
u
p
p
o
r
ts
a
h
y
b
r
id
f
r
au
d
d
etec
tio
n
ap
p
r
o
ac
h
,
co
m
b
i
n
i
n
g
ML
alg
o
r
ith
m
s
(
b
o
th
s
u
p
er
v
i
s
ed
an
d
u
n
s
u
p
er
v
is
ed
)
w
it
h
r
u
le
-
b
ased
d
etec
tio
n
m
ec
h
a
n
i
s
m
s
.
A
d
d
itio
n
al
d
ata
en
r
ich
m
e
n
t
o
p
er
atio
n
s
,
s
u
c
h
a
s
I
P
g
eo
lo
ca
tio
n
,
e
m
ail,
a
n
d
b
an
k
ca
r
d
an
a
l
y
s
is
,
ar
e
i
n
co
r
p
o
r
ated
to
im
p
r
o
v
e
f
r
au
d
d
etec
tio
n
ac
c
u
r
ac
y
.
I
m
p
le
m
e
n
ta
tio
n
co
n
s
id
er
atio
n
s
:
th
e
p
r
o
p
o
s
ed
ar
ch
itect
u
r
e
is
m
o
d
u
lar
an
d
s
ca
lab
le,
s
u
p
p
o
r
tin
g
i
n
teg
r
atio
n
w
it
h
e
x
i
s
ti
n
g
i
n
f
r
astr
u
ctu
r
e
s
.
I
t
in
cl
u
d
es
a
r
u
le
-
b
u
ild
i
n
g
en
g
in
e
f
o
r
cu
s
to
m
f
r
au
d
d
etec
tio
n
r
u
le
s
a
n
d
ML
m
o
d
el
s
tr
ain
ed
o
n
h
is
to
r
ical
d
ata.
A
m
an
u
al
v
er
if
icatio
n
co
m
p
o
n
en
t
en
s
u
r
es
h
u
m
a
n
o
v
er
s
ig
h
t
i
n
cr
itical
f
r
au
d
ca
s
e
s
.
3.
F
RAUD
DE
T
E
CT
I
O
N
O
VE
RVIE
W
An
o
v
er
v
ie
w
o
f
f
r
a
u
d
d
etec
tio
n
is
p
r
esen
ted
in
th
i
s
s
ec
tio
n
,
co
v
er
in
g
t
h
e
f
r
au
d
d
ef
i
n
itio
n
,
it
s
class
i
f
icatio
n
,
th
e
ar
ea
s
m
o
s
t a
f
f
ec
ted
,
an
d
th
e
c
h
alle
n
g
es i
n
d
etec
tin
g
f
r
a
u
d
.
E
ac
h
asp
ec
t i
s
d
is
cu
s
s
ed
in
d
etai
l
as f
o
llo
w
s
:
3
.
1
.
F
r
a
ud
Fra
u
d
i
n
v
o
l
v
es
f
al
s
i
f
y
in
g
i
n
f
o
r
m
atio
n
,
m
a
k
i
n
g
f
a
ls
e
r
ep
r
ese
n
tatio
n
s
,
o
r
ab
u
s
in
g
p
o
s
it
io
n
s
o
f
p
o
w
er
w
it
h
i
n
an
o
r
g
an
iza
tio
n
w
it
h
th
e
in
te
n
t
o
f
p
er
s
o
n
al
en
r
ich
m
en
t
at
th
e
ex
p
en
s
e
o
f
o
th
er
s
.
T
h
e
A
s
s
o
ciatio
n
o
f
C
er
tifie
d
Fra
u
d
E
x
a
m
i
n
er
s
(
AC
FE)
d
ef
in
e
s
f
r
a
u
d
as
“
th
e
u
s
e
o
f
o
n
e
’
s
o
cc
u
p
atio
n
f
o
r
p
er
s
o
n
al
en
r
ich
m
e
n
t
th
r
o
u
g
h
t
h
e
d
elib
er
ate
m
is
u
s
e
o
r
m
is
ap
p
licatio
n
o
f
t
h
e
e
m
p
lo
y
i
n
g
o
r
g
an
izatio
n
’
s
r
eso
u
r
ce
s
o
r
ass
ets
”
[
1
]
.
Fra
u
d
r
esu
lts
i
n
s
i
g
n
i
f
ica
n
t
f
i
n
an
cia
l
lo
s
s
e
s
a
n
d
h
a
s
d
etr
i
m
en
tal
e
f
f
ec
ts
o
n
t
h
e
ec
o
n
o
m
y
,
o
r
g
an
izatio
n
s
,
a
n
d
in
d
iv
id
u
als
[
2
]
.
3
.
2
.
F
r
a
ud
c
la
s
s
if
ica
t
io
n
Fra
u
d
ca
n
b
e
class
i
f
ied
in
m
u
ltip
le
w
a
y
s
:
b
y
p
er
p
etr
ato
r
,
v
icti
m
,
an
d
s
c
h
e
m
e
t
y
p
e.
Am
o
n
g
v
ar
io
u
s
t
y
p
es,
f
r
a
u
d
s
ag
ai
n
s
t
o
r
g
a
n
iz
atio
n
s
ar
e
co
m
m
o
n
,
an
d
f
i
n
a
n
cial
s
tate
m
e
n
t
f
r
a
u
d
s
ar
e
th
e
m
o
s
t
co
s
tl
y
.
T
h
is
p
ap
er
h
ig
h
li
g
h
ts
t
w
o
m
aj
o
r
cla
s
s
i
f
icatio
n
s
:
i)
I
n
ter
n
al
v
s
.
ex
ter
n
al
f
r
au
d
:
in
t
er
n
al
f
r
au
d
is
co
m
m
itted
b
y
in
d
iv
id
u
als
w
it
h
i
n
an
o
r
g
an
izat
io
n
w
h
o
m
is
u
s
e
th
eir
p
o
s
itio
n
s
f
o
r
p
er
s
o
n
al
g
ain
,
in
cl
u
d
in
g
ac
ts
li
k
e
e
m
b
e
zz
le
m
e
n
t,
f
al
s
i
f
y
i
n
g
r
ep
o
r
ts
,
an
d
k
ic
k
b
ac
k
s
.
Ma
n
ag
er
s
r
ep
r
esen
t
th
e
g
r
ea
te
s
t
r
is
k
,
w
h
ile
e
m
p
lo
y
ee
s
p
r
ese
n
t
a
lo
w
er
r
i
s
k
.
E
x
ter
n
al
f
r
au
d
,
in
co
n
tr
ast,
i
s
p
er
p
etr
ated
b
y
i
n
d
iv
id
u
als
o
r
en
titi
es
o
u
ts
id
e
t
h
e
o
r
g
an
i
za
tio
n
ex
p
lo
iti
n
g
i
ts
v
u
l
n
er
a
b
ilit
ies
t
h
r
o
u
g
h
s
ch
e
m
es li
k
e
id
en
tit
y
th
e
f
t a
n
d
p
h
is
h
in
g
[
3
]
.
ii)
Victi
m
-
b
ased
f
r
au
d
: th
is
clas
s
i
f
icatio
n
id
en
ti
f
ies t
h
e
a
f
f
ec
ted
p
ar
ty
:
I
n
s
tit
u
tio
n
al
f
r
au
d
tar
g
ets
t
h
e
o
r
g
an
izatio
n
its
e
lf
a
n
d
i
n
cl
u
d
es
e
m
p
lo
y
ee
e
m
b
ez
zle
m
e
n
t,
v
en
d
o
r
f
r
au
d
,
an
d
cu
s
to
m
er
-
r
elate
d
f
r
au
d
.
Ma
n
ag
e
m
e
n
t
f
r
a
u
d
h
ar
m
s
s
h
ar
eh
o
ld
er
s
o
r
d
eb
th
o
ld
er
s
o
f
t
h
e
o
r
g
an
izatio
n
,
o
f
ten
t
h
r
o
u
g
h
f
in
a
n
cial
s
tate
m
en
t
m
a
n
ip
u
lat
io
n
b
y
s
e
n
io
r
m
a
n
a
g
e
m
e
n
t.
I
n
v
e
s
t
m
e
n
t
a
n
d
co
n
s
u
m
er
f
r
a
u
d
af
f
ec
ts
i
n
d
iv
id
u
al
s
,
w
ith
i
n
v
e
s
t
m
en
t
f
r
a
u
d
in
v
o
lv
i
n
g
s
c
h
e
m
e
s
li
k
e
P
o
n
zi
s
ch
e
m
es,
w
h
ile
co
n
s
u
m
er
f
r
au
d
in
cl
u
d
es id
en
t
it
y
t
h
e
f
t
,
cr
ed
it c
ar
d
f
r
au
d
,
an
d
in
ter
n
e
t f
r
au
d
.
Miscella
n
eo
u
s
f
r
au
d
r
ef
er
s
to
ca
s
es in
w
h
ic
h
s
o
m
eo
n
e
e
x
p
lo
its
an
o
t
h
er
p
er
s
o
n
’
s
co
n
f
id
en
c
e
to
d
ec
eiv
e
th
e
m
.
T
h
is
ca
te
g
o
r
y
i
n
cl
u
d
es f
r
au
d
u
le
n
t a
cti
v
ities
s
u
c
h
as b
a
n
k
r
u
p
tc
y
f
r
au
d
an
d
ta
x
ev
a
s
io
n
[2
]
,
[
2
0
]
.
Evaluation Warning : The document was created with Spire.PDF for Python.
I
SS
N
:
2
5
0
2
-
4752
I
n
d
o
n
esia
n
J
E
lec
E
n
g
&
C
o
m
p
Sci
,
Vo
l.
3
9
,
No
.
2
,
A
u
g
u
s
t
20
25
:
1
2
2
1
-
1
235
1224
3
.
3
.
F
r
a
ud
a
re
a
s
Fra
u
d
af
f
ec
ts
g
r
o
w
in
g
r
is
k
s
a
cr
o
s
s
s
ec
to
r
s
,
esp
ec
iall
y
in
f
i
n
an
ce
a
n
d
d
ata
-
s
e
n
s
iti
v
e
in
d
u
s
tr
ies.
As
d
ig
italizatio
n
in
cr
ea
s
e
s
,
f
r
au
d
s
ter
s
ar
e
em
p
lo
y
in
g
m
o
r
e
s
o
p
h
is
ticated
m
e
th
o
d
s
to
ex
p
lo
it
o
n
lin
e
f
in
a
n
cial
ac
tiv
itie
s
.
Ke
y
s
ec
to
r
s
v
u
l
n
er
ab
le
to
f
r
au
d
in
cl
u
d
e
f
i
n
a
n
cial
s
er
v
ices
[
2
1
]
,
in
s
u
r
a
n
c
e
[
2
2
]
,
te
leco
m
m
u
n
icatio
n
s
[
2
3
]
,
h
ea
lth
ca
r
e
[
2
4
]
,
[
2
5
]
,
an
d
co
m
p
u
ter
i
n
tr
u
s
io
n
[
2
6
]
,
[
2
7
]
.
Fig
u
r
e
1
ill
u
s
tr
ates
th
e
ar
ea
s
m
o
s
t
co
m
m
o
n
l
y
at
r
is
k
f
o
r
f
r
au
d
.
Fin
a
n
cial
s
er
v
ices
f
r
a
u
d
en
co
m
p
a
s
s
e
s
a
w
id
e
r
an
g
e
o
f
ille
g
al
p
r
ac
tices,
in
clu
d
in
g
cr
ed
it
ca
r
d
f
r
au
d
in
v
o
l
v
i
n
g
u
n
a
u
t
h
o
r
ized
tr
an
s
a
ctio
n
s
a
n
d
ca
r
d
i
n
f
o
r
m
atio
n
t
h
ef
t
[
2
8
]
.
I
d
en
tit
y
th
e
f
t
r
e
m
ai
n
s
o
n
e
o
f
t
h
e
m
o
s
t
p
r
ev
alen
t
f
o
r
m
s
,
lead
i
n
g
to
f
i
n
an
cia
l
lo
s
s
e
s
an
d
leg
al
r
a
m
i
f
icatio
n
s
[
2
9
]
.
Po
n
zi
s
ch
e
m
es
d
ec
eiv
e
in
v
esto
r
s
w
it
h
p
r
o
m
i
s
es
o
f
h
i
g
h
r
etu
r
n
s
[
3
0
]
,
w
h
ile
m
o
n
e
y
la
u
n
d
er
in
g
atte
m
p
ts
to
co
n
ce
al
t
h
e
o
r
ig
in
s
o
f
illeg
a
ll
y
o
b
tain
ed
f
u
n
d
s
t
h
r
o
u
g
h
v
ar
io
u
s
m
et
h
o
d
s
s
u
ch
a
s
f
o
r
eig
n
tr
an
s
f
er
s
a
n
d
cr
y
p
to
c
u
r
r
en
c
y
tr
an
s
ac
tio
n
s
[
2
1
]
.
W
eb
n
et
w
o
r
k
f
r
au
d
o
p
er
ates
th
r
o
u
g
h
th
e
I
n
ter
n
et
u
s
i
n
g
m
a
li
cio
u
s
s
er
v
ices
a
n
d
s
o
f
t
w
ar
e
to
ex
p
lo
it
v
icti
m
s
.
T
h
is
in
cl
u
d
es
p
h
is
h
i
n
g
a
ttack
s
,
lo
tter
y
s
ca
m
s
,
r
o
m
an
ce
s
ca
m
s
,
a
n
d
r
an
s
o
m
w
a
r
e
attac
k
s
t
h
at
tar
g
et
in
d
iv
id
u
als
t
h
r
o
u
g
h
v
ar
io
u
s
d
ig
ital
ch
a
n
n
els
[
3
1
]
.
I
n
ter
n
a
l
f
r
au
d
,
o
cc
u
r
r
in
g
w
it
h
i
n
o
r
g
an
izatio
n
s
,
p
o
s
es
a
s
ig
n
i
f
ica
n
t
t
h
r
ea
t
t
h
r
o
u
g
h
ac
ti
v
itie
s
li
k
e
e
m
b
ez
zle
m
en
t,
ass
et
m
i
s
ap
p
r
o
p
r
iatio
n
,
an
d
d
o
cu
m
e
n
t
f
a
ls
i
f
icatio
n
,
lead
in
g
to
b
o
th
f
i
n
an
c
ial
lo
s
s
es
an
d
r
ep
u
tatio
n
al
d
a
m
a
g
e
[
3
2
]
.
C
u
s
to
m
s
f
r
au
d
in
v
o
lv
e
s
ev
ad
in
g
o
r
r
ed
u
cin
g
d
u
t
y
p
a
y
m
e
n
t
s
t
h
r
o
u
g
h
d
ec
ep
t
iv
e
p
r
ac
tices
s
u
c
h
as
u
n
d
er
r
ep
o
r
tin
g
v
al
u
es,
m
is
c
lass
if
y
i
n
g
g
o
o
d
s
,
an
d
f
o
r
g
in
g
d
o
cu
m
en
ts
.
T
h
is
u
n
d
er
m
i
n
e
s
f
air
m
ar
k
et
co
m
p
eti
tio
n
a
n
d
r
esu
lts
i
n
s
i
g
n
i
f
ica
n
t e
co
n
o
m
ic
lo
s
s
es
[
3
3
]
.
C
o
m
p
u
ter
in
tr
u
s
io
n
,
i
n
v
o
lv
es
u
n
au
t
h
o
r
ized
ac
ce
s
s
to
s
y
s
te
m
s
an
d
n
et
w
o
r
k
s
,
m
an
i
f
e
s
ti
n
g
t
h
r
o
u
g
h
m
al
w
ar
e
attac
k
s
,
d
e
n
ial
o
f
s
e
r
v
ice
o
p
er
atio
n
s
,
an
d
SQ
L
i
n
j
ec
tio
n
s
,
o
f
ten
r
e
s
u
l
tin
g
i
n
d
at
a
th
e
f
t
a
n
d
s
y
s
te
m
d
am
a
g
e
[
2
6
]
.
I
n
s
u
r
an
ce
f
r
au
d
m
a
n
i
f
est
s
ac
r
o
s
s
m
u
ltip
le
s
ec
to
r
s
,
in
cl
u
d
in
g
au
to
m
o
b
il
e,
h
o
m
e,
an
d
cr
o
p
in
s
u
r
an
ce
,
w
h
er
e
i
n
d
iv
id
u
als
o
r
en
titi
es
m
a
k
e
f
al
s
e
clai
m
s
o
r
ex
ag
g
er
ate
d
a
m
ag
e
s
to
o
b
tain
u
n
d
u
e
b
e
n
e
f
it
s
[
34]
.
T
elec
o
m
m
u
n
icatio
n
s
f
r
au
d
is
b
ec
o
m
i
n
g
a
m
aj
o
r
th
r
ea
t
to
telec
o
m
o
p
er
ato
r
s
ac
r
o
s
s
th
eir
s
er
v
ice
o
f
f
er
i
n
g
s
.
S
u
b
s
cr
ip
tio
n
f
r
au
d
i
n
v
o
l
v
es c
r
i
m
i
n
als o
b
tain
in
g
s
e
r
v
ices
w
it
h
p
r
e
m
ed
itated
p
lan
s
to
av
o
id
p
ay
m
en
t.
I
n
s
u
p
er
i
m
p
o
s
ed
f
r
au
d
,
s
ca
m
m
er
s
g
a
in
u
n
a
u
t
h
o
r
ized
co
n
tr
o
l
o
f
leg
iti
m
ate
ac
co
u
n
ts
b
y
clo
n
in
g
d
ev
ice
s
an
d
ca
r
d
s
[
2
3
]
.
Hea
lth
ca
r
e
f
r
au
d
in
v
o
l
v
es
v
ar
io
u
s
d
ec
ep
tiv
e
p
r
ac
tices
in
t
h
e
m
ed
ical
s
ec
to
r
.
T
h
is
in
cl
u
d
es
s
u
b
m
itti
n
g
in
f
lated
i
n
v
o
ices,
g
en
er
ati
n
g
f
a
k
e
b
ill
s
,
an
d
en
g
a
g
i
n
g
in
p
r
escr
ip
tio
n
d
r
u
g
f
r
au
d
w
h
er
e
m
ed
icatio
n
s
ar
e
o
b
tain
ed
f
o
r
n
o
n
-
m
ed
ical
p
u
r
p
o
s
es o
r
d
is
p
en
s
ed
to
in
d
iv
id
u
a
ls
w
it
h
o
u
t le
g
i
ti
m
ate
n
ee
d
[
3
5
]
.
Fig
u
r
e
1.
Fra
u
d
a
r
ea
s
3
.
4
.
F
r
a
ud
det
ec
t
io
n c
ha
lleng
es
Dete
ctin
g
f
r
au
d
p
r
esen
t
s
s
u
b
s
t
an
tial c
h
alle
n
g
e
s
d
u
e
to
i
n
h
er
e
n
t c
o
m
p
le
x
itie
s
th
a
t o
f
te
n
r
ed
u
ce
s
y
s
te
m
ac
cu
r
ac
y
an
d
i
n
cr
ea
s
e
f
a
ls
e
alar
m
s
.
P
ar
ticu
lar
l
y
i
n
b
an
k
i
n
g
a
n
d
e
-
co
m
m
er
ce
,
th
e
s
e
a
lar
m
s
ca
n
lead
to
f
i
n
an
cia
l
lo
s
s
es.
E
f
f
ec
tiv
e
f
r
a
u
d
d
etec
tio
n
s
y
s
te
m
s
r
eq
u
ir
e
o
v
er
co
m
in
g
t
h
ese
ch
a
llen
g
e
s
to
m
in
i
m
ize
er
r
o
r
s
an
d
i
m
p
r
o
v
e
r
o
b
u
s
t
n
es
s
.
T
h
is
p
ap
er
h
ig
h
li
g
h
ts
t
h
e
to
u
g
h
est c
h
alle
n
g
e
s
th
a
t th
e
s
e
s
y
s
te
m
s
f
a
ce
:
C
o
n
c
e
p
t
d
r
i
f
t
:
t
h
e
s
h
i
f
t
i
n
d
a
t
a
o
v
e
r
t
i
m
e
d
u
e
t
o
c
h
a
n
g
e
s
i
n
u
s
e
r
a
n
d
f
r
a
u
d
s
t
e
r
b
e
h
a
v
i
o
r
,
d
ec
r
e
a
s
e
s
m
o
d
e
l
a
c
c
u
r
a
c
y
a
s
h
i
s
t
o
r
i
c
a
l
d
a
t
a
b
e
co
m
e
s
o
u
t
d
a
t
e
d
.
T
o
c
o
u
n
t
e
r
a
c
t
t
h
i
s
,
r
e
g
u
l
a
r
m
o
d
e
l
u
p
d
a
t
e
s
a
n
d
c
o
n
t
i
n
u
o
u
s
m
o
n
i
t
o
r
i
n
g
a
r
e
c
r
u
c
i
a
l
,
e
n
s
u
r
i
n
g
t
h
a
t
m
o
d
e
l
s
r
e
m
a
i
n
a
l
i
g
n
e
d
w
i
t
h
t
h
e
c
h
a
n
g
i
n
g
n
a
t
u
r
e
o
f
i
n
p
u
t
s
o
v
e
r
t
i
m
e
[
3
6
]
.
I
m
b
a
l
a
n
c
e
d
d
a
t
a
:
f
r
a
u
d
d
e
te
c
t
i
o
n
f
a
c
e
s
a
n
i
m
b
a
l
a
n
c
e
d
d
a
t
a
s
e
t
wh
e
r
e
l
e
g
i
t
i
m
a
t
e
a
c
t
i
v
i
t
i
e
s
v
a
s
t
l
y
o
u
t
n
u
m
b
e
r
f
r
a
u
d
u
l
e
n
t
o
n
e
s
.
T
h
i
s
i
m
b
a
l
a
n
c
e
c
a
n
b
e
b
i
a
s
e
d
m
o
d
e
l
s
,
i
n
c
r
e
a
s
i
n
g
f
a
l
s
e
a
l
a
r
m
s
.
Ad
d
r
e
s
s
i
n
g
i
t
i
n
v
o
l
v
e
s
t
e
c
h
n
i
q
u
e
s
l
i
k
e
u
n
d
e
r
s
a
m
p
l
i
n
g
,
o
v
e
r
s
a
m
p
l
i
n
g
,
o
r
t
h
e
s
y
n
t
h
e
t
i
c
m
i
n
o
r
i
t
y
o
v
e
r
s
a
m
p
l
i
n
g
Evaluation Warning : The document was created with Spire.PDF for Python.
I
n
d
o
n
esia
n
J
E
lec
E
n
g
&
C
o
m
p
Sci
I
SS
N:
2502
-
4752
A
n
o
p
timiz
ed
a
r
ch
itectu
r
e
fo
r
r
ea
l
-
time
fr
a
u
d
d
etec
tio
n
in
b
ig
d
a
ta
…
(
Ga
b
er E
.
A
b
u
ta
leb
)
1225
t
e
c
h
n
i
q
u
e
(
S
M
O
T
E
)
,
a
l
o
n
g
s
i
d
e
s
p
e
c
ia
l
i
z
ed
a
l
g
o
r
i
t
h
m
s
a
n
d
e
v
a
l
u
a
t
i
o
n
m
e
t
r
i
c
s
s
u
c
h
a
s
p
r
e
c
i
s
i
o
n
,
r
e
c
a
l
l
,
a
n
d
F
1
-
s
c
o
r
e
[
3
7
]
.
Data
v
o
lu
m
e
a
n
d
v
ar
iet
y
: d
ata
v
o
lu
m
e
an
d
v
ar
iet
y
r
e
f
er
s
to
t
h
e
m
a
s
s
i
v
e
a
m
o
u
n
t a
n
d
d
i
f
f
er
e
n
t t
y
p
e
s
o
f
d
ata
th
at
o
r
g
an
izat
io
n
s
m
u
s
t
p
r
o
c
ess
f
o
r
f
r
au
d
d
etec
tio
n
.
T
h
e
h
ig
h
d
ata
v
o
lu
m
e
an
d
d
iv
er
s
it
y
co
m
m
o
n
i
n
s
ec
to
r
s
lik
e
b
an
k
in
g
an
d
e
-
co
m
m
er
ce
,
co
m
p
licate
f
r
au
d
d
etec
tio
n
as
f
r
au
d
s
ter
s
u
s
e
m
u
lti
p
le
ch
an
n
e
ls
an
d
d
ata
ty
p
es.
P
r
o
ce
s
s
in
g
s
u
c
h
v
ast,
m
u
ltid
i
m
en
s
io
n
al
d
ataset
s
r
eq
u
ir
es
s
u
b
s
ta
n
tial
co
m
p
u
tat
io
n
al
r
eso
u
r
ce
s
an
d
ad
v
an
ce
d
alg
o
r
it
h
m
s
t
h
at
ca
n
h
a
n
d
le
lar
g
e,
d
iv
er
s
e
d
ata
ef
f
icien
tl
y
[
3
8
]
.
R
ea
l
-
ti
m
e
d
etec
tio
n
:
r
ea
l
-
ti
m
e
d
etec
tio
n
is
th
e
p
r
o
ce
s
s
o
f
id
e
n
ti
f
y
in
g
an
o
m
a
lies
,
p
atter
n
s
,
o
r
ev
en
ts
as
th
e
y
h
ap
p
en
,
allo
w
in
g
f
o
r
i
m
m
ed
i
ate
r
esp
o
n
s
e
to
p
o
ten
tial
t
h
r
ea
ts
.
I
n
b
an
k
i
n
g
,
r
ea
l
-
ti
m
e
f
r
a
u
d
d
etec
t
io
n
i
s
ess
e
n
tial
f
o
r
s
to
p
p
in
g
f
r
au
d
u
l
en
t
ac
ti
v
it
ies
b
e
f
o
r
e
th
e
y
ca
u
s
e
d
a
m
a
g
e.
T
h
is
ca
p
ab
ilit
y
p
r
o
tects
f
in
a
n
cial
ass
ets
an
d
p
r
eser
v
e
s
t
h
e
r
ep
u
t
atio
n
o
f
b
o
th
co
m
p
an
ies
a
n
d
cu
s
to
m
er
s
,
m
ak
in
g
it
a
cr
u
cia
l
co
m
p
o
n
en
t
o
f
m
o
d
er
n
f
i
n
a
n
cial
s
ec
u
r
it
y
s
y
s
t
e
m
s
[
3
9
]
.
Fals
e
p
o
s
itiv
e
s
:
o
cc
u
r
w
h
e
n
le
g
i
ti
m
ate
tr
an
s
ac
tio
n
s
ar
e
w
r
o
n
g
l
y
id
e
n
ti
f
ied
as
f
r
au
d
u
le
n
t,
ca
u
s
i
n
g
cu
s
to
m
er
d
is
s
atis
f
ac
tio
n
.
R
ed
u
ci
n
g
f
a
l
s
e
p
o
s
iti
v
es
i
n
v
o
lv
e
s
r
e
f
in
i
n
g
d
etec
tio
n
m
et
h
o
d
s
,
a
n
al
y
zin
g
c
u
s
to
m
er
b
eh
av
io
r
,
an
d
co
m
b
i
n
in
g
r
u
le
-
b
ased
an
d
an
o
m
al
y
d
etec
tio
n
tech
n
iq
u
es,
w
h
ile
h
u
m
a
n
r
e
v
ie
w
o
f
f
lag
g
ed
tr
an
s
ac
tio
n
s
aid
s
i
n
m
in
i
m
iz
in
g
m
i
s
ta
k
es
[
4
0
]
.
4.
B
I
G
DA
T
A
-
B
ASE
D
F
R
AU
D
DE
T
E
C
T
I
O
N
B
ig
d
ata
r
ef
er
s
to
m
as
s
i
v
e
d
atasets
th
a
t
s
u
r
p
as
s
tr
ad
itio
n
al
p
r
o
ce
s
s
in
g
ca
p
ab
ilit
ies
an
d
ar
e
d
ef
in
ed
b
y
th
e
“
Fi
v
e
Vs
”
[
4
1
]
.
Vo
lu
m
e
in
d
icate
s
v
a
s
t
a
m
o
u
n
ts
o
f
d
ata,
v
ar
iet
y
co
v
er
s
d
i
v
er
s
e
d
ata
t
y
p
es,
v
elo
cit
y
h
ig
h
li
g
h
ts
r
ea
l
-
ti
m
e
p
r
o
ce
s
s
in
g
n
ee
d
s
,
v
er
ac
it
y
en
s
u
r
es
d
ata
q
u
alit
y
an
d
r
eliab
ilit
y
,
an
d
v
alu
e
f
o
cu
s
es
o
n
ex
tr
ac
ti
n
g
m
ea
n
i
n
g
f
u
l
i
n
s
ig
h
t
s
.
B
ig
d
ata
p
la
y
s
a
cr
u
cia
l
r
o
le
in
f
r
a
u
d
d
etec
tio
n
b
y
e
n
ab
lin
g
t
h
e
a
n
al
y
s
i
s
o
f
v
ast
a
m
o
u
n
t
s
o
f
d
ata
f
r
o
m
v
ar
io
u
s
s
o
u
r
ce
s
to
u
n
co
v
er
p
at
ter
n
s
,
a
n
o
m
al
ies,
a
n
d
s
u
s
p
ici
o
u
s
ac
ti
v
itie
s
.
T
h
is
s
ec
tio
n
w
il
l e
x
p
lo
r
e
th
e
ap
p
r
o
ac
h
es a
n
d
b
ig
d
ata
to
o
ls
u
tili
z
ed
f
o
r
d
etec
tin
g
f
r
au
d
w
it
h
in
l
ar
g
e
d
atasets
.
R
u
le
-
b
ased
s
y
s
te
m
s
:
t
h
ese
s
y
s
te
m
s
u
ti
lize
p
r
ed
ef
i
n
ed
r
u
les
d
er
iv
ed
f
r
o
m
h
i
s
to
r
ical
d
ata
to
en
ab
le
i
m
m
ed
iate
tr
an
s
ac
tio
n
s
u
r
v
ei
llan
ce
an
d
q
u
ic
k
d
ec
is
io
n
-
m
ak
in
g
i
n
d
etec
tin
g
f
r
au
d
u
l
en
t
ac
ti
v
itie
s
.
T
h
is
ap
p
r
o
ac
h
f
o
r
m
s
th
e
f
o
u
n
d
atio
n
o
f
m
an
y
f
r
au
d
d
etec
tio
n
s
tr
a
teg
ies.
AI
-
d
r
iv
e
n
f
r
au
d
d
etec
tio
n
:
t
h
is
is
an
ad
v
an
ce
d
tec
h
n
o
lo
g
i
ca
l
ap
p
r
o
ac
h
th
at
b
en
e
f
it
s
AI
an
d
ML
alg
o
r
ith
m
s
to
au
to
m
atica
ll
y
id
en
ti
f
y
,
p
r
ed
ict,
an
d
p
r
ev
en
t
f
r
au
d
u
le
n
t
ac
ti
v
itie
s
ac
r
o
s
s
v
ar
io
u
s
d
o
m
ain
s
.
B
y
an
al
y
zi
n
g
v
ast
a
m
o
u
n
ts
o
f
d
ata
in
r
ea
l
-
ti
m
e,
t
h
ese
in
tel
li
g
en
t
s
y
s
te
m
s
d
etec
t
co
m
p
lex
p
atter
n
s
,
an
o
m
alie
s
,
an
d
p
o
ten
tial
s
ec
u
r
it
y
t
h
r
ea
ts
th
at
tr
ad
itio
n
al
r
u
le
-
b
ased
m
et
h
o
d
s
m
i
g
h
t
o
v
er
lo
o
k
.
T
h
e
m
et
h
o
d
s
u
s
ed
i
n
AI
-
d
r
iv
e
n
f
r
a
u
d
d
etec
tio
n
ca
n
in
cl
u
d
e,
b
u
t a
r
e
n
o
t li
m
i
ted
to
:
Ma
ch
i
n
e
l
ea
r
n
in
g
:
co
m
p
r
is
e
s
f
o
u
r
m
ain
ca
te
g
o
r
ies:
1
)
s
u
p
er
v
is
ed
l
ea
r
n
i
n
g
u
s
es
lab
eled
d
ata
w
it
h
tech
n
iq
u
es
li
k
e
DT
,
lo
g
is
t
ic
r
eg
r
ess
io
n
(
L
R
)
,
RF
,
a
n
d
SV
M;
2
)
u
n
s
u
p
er
v
is
ed
l
ea
r
n
i
n
g
w
o
r
k
s
w
it
h
o
u
t
lab
eled
d
ata,
em
p
lo
y
in
g
K
-
m
ea
n
s
,
lo
ca
l
o
u
tlier
f
ac
to
r
(
L
OF)
,
a
n
d
DB
Sca
n
to
id
en
t
i
f
y
p
atter
n
s
[
4
2
]
;
3
)
s
e
m
i
-
s
u
p
er
v
is
ed
l
ea
r
n
i
n
g
c
o
m
b
i
n
es b
o
th
ap
p
r
o
ac
h
es
u
s
i
n
g
g
e
n
er
ati
v
e
ad
v
er
s
ar
ial
n
et
w
o
r
k
s
(
G
A
Ns
)
a
n
d
S3
VM
;
4
)
r
ein
f
o
r
ce
m
e
n
t
l
ea
r
n
in
g
tr
ain
s
alg
o
r
it
h
m
s
to
m
ak
e
s
eq
u
en
tial
d
ec
is
io
n
s
,
w
h
er
e
ag
en
ts
m
a
x
i
m
ize
r
e
w
ar
d
s
th
r
o
u
g
h
b
en
e
f
icial
ac
t
io
n
s
i
n
co
m
p
lex
e
n
v
ir
o
n
m
en
t
s
[4
3
]
.
AI
-
p
o
w
er
ed
f
r
a
u
d
d
etec
tio
n
s
tr
ateg
ie
s
:
u
tili
ze
ad
v
an
ce
d
a
n
o
m
al
y
d
etec
tio
n
alg
o
r
it
h
m
s
an
d
A
I
-
d
r
iv
e
n
p
atter
n
r
ec
o
g
n
itio
n
to
an
al
y
ze
co
m
p
le
x
d
ata
ac
r
o
s
s
m
u
ltip
le
d
im
e
n
s
io
n
s
[
3
9
]
.
T
h
ese
ap
p
r
o
ac
h
es
in
te
g
r
at
e
n
atu
r
al
la
n
g
u
a
g
e
p
r
o
ce
s
s
in
g
f
o
r
d
etec
tin
g
s
u
s
p
icio
u
s
ac
ti
v
it
ies,
en
ab
lin
g
co
m
p
r
eh
e
n
s
iv
e
r
is
k
as
s
es
s
m
e
n
t
th
r
o
u
g
h
in
te
lli
g
en
t
tech
n
o
lo
g
y
p
atter
n
s
[4
4
]
.
A
d
ap
tiv
e
le
ar
n
in
g
s
y
s
te
m
s
co
n
tin
u
o
u
s
l
y
u
p
d
ate
f
r
a
u
d
d
etec
tio
n
m
o
d
els,
cr
ea
ti
n
g
d
y
n
a
m
ic
an
d
e
v
o
lv
i
n
g
d
ef
e
n
s
e
m
ec
h
a
n
i
s
m
s
t
h
at
ca
n
an
ticip
a
te
an
d
m
iti
g
ate
e
m
er
g
i
n
g
f
r
a
u
d
u
le
n
t a
cti
v
itie
s
w
it
h
u
n
p
r
ec
ed
en
ted
ac
cu
r
ac
y
.
A
d
v
an
ce
d
an
a
l
y
t
ics:
i
n
f
r
au
d
d
etec
tio
n
co
m
b
in
e
r
ea
l
-
ti
m
e
tr
an
s
ac
tio
n
s
co
r
in
g
,
b
eh
a
v
io
r
al
b
io
m
etr
ic
s
,
n
et
w
o
r
k
g
r
ap
h
an
al
y
s
is
[4
5
]
,
an
d
p
r
ed
ictiv
e
m
o
d
elin
g
.
T
h
ese
tech
n
iq
u
es
en
ab
le
in
s
ta
n
t
r
is
k
ass
e
s
s
m
e
n
t
b
y
an
al
y
z
in
g
u
s
er
in
ter
ac
tio
n
s
,
m
ap
p
in
g
f
r
a
u
d
n
et
w
o
r
k
s
,
an
d
an
ticip
atin
g
s
u
s
p
icio
u
s
ac
tiv
itie
s
th
r
o
u
g
h
s
o
p
h
is
ticated
al
g
o
r
ith
m
s
.
A
d
v
an
ce
d
tech
n
ical
m
et
h
o
d
s
:
f
o
r
s
ec
u
r
it
y
a
n
d
v
er
i
f
icati
o
n
in
te
g
r
ate
a
co
m
p
r
eh
en
s
i
v
e
s
u
ite
o
f
cu
t
ti
n
g
-
ed
g
e
tech
n
o
lo
g
ies.
T
h
ese
ap
p
r
o
ac
h
es
in
cl
u
d
e
b
io
m
etr
ic
au
t
h
e
n
ticatio
n
,
m
u
lti
-
f
ac
to
r
au
th
en
ticatio
n
tech
n
iq
u
es,
b
lo
ck
c
h
ai
n
-
b
ased
v
er
if
ica
tio
n
s
y
s
te
m
s
,
a
n
d
s
o
p
h
is
ticated
e
n
cr
y
p
tio
n
a
n
d
to
k
en
iza
tio
n
m
et
h
o
d
s
th
at
w
o
r
k
i
n
co
n
ce
r
t to
cr
ea
te
r
o
b
u
s
t sec
u
r
it
y
f
r
a
m
e
w
o
r
k
s
[
2
2
]
,
[
4
6
]
.
B
ig
d
ata
v
is
u
aliza
tio
n
:
in
s
tea
d
o
f
j
u
s
t
r
ea
d
in
g
r
a
w
n
u
m
b
er
s
an
d
tex
t,
d
ata
v
is
u
aliza
tio
n
tu
r
n
s
th
e
m
in
to
p
ictu
r
es
lik
e
c
h
ar
ts
a
n
d
g
r
ap
h
s
.
T
h
is
m
a
k
es
it
ea
s
ier
t
o
s
ee
w
h
at
t
h
e
d
ata
m
ea
n
s
an
d
s
p
o
t
tr
en
d
s
[4
7
]
.
Data
v
is
u
aliza
tio
n
to
o
ls
lik
e
T
ab
leau
o
r
P
o
w
er
B
I
f
u
r
th
er
e
m
p
o
w
er
an
al
y
s
ts
b
y
tr
an
s
f
o
r
m
i
n
g
co
m
p
le
x
d
ata
s
ets i
n
to
clea
r
,
in
ter
ac
ti
v
e
f
o
r
m
ats.
B
ig
d
ata
to
o
ls
f
o
r
f
r
au
d
d
etec
tio
n
as f
o
llo
w
d
s
:
P
r
o
ce
s
s
in
g
f
r
a
m
e
w
o
r
k
s
:
th
e
i
m
p
le
m
e
n
tat
io
n
o
f
th
e
s
e
ap
p
r
o
ac
h
es
r
elies
o
n
s
e
v
er
al
m
aj
o
r
b
ig
d
ata
to
o
ls
,
p
r
im
ar
il
y
d
iv
id
ed
in
to
p
r
o
ce
s
s
i
n
g
f
r
a
m
e
w
o
r
k
s
a
n
d
d
ata
m
o
v
e
m
e
n
t
s
o
lu
tio
n
s
.
P
r
o
ce
s
s
in
g
f
r
a
m
e
w
o
r
k
s
Evaluation Warning : The document was created with Spire.PDF for Python.
I
SS
N
:
2
5
0
2
-
4752
I
n
d
o
n
esia
n
J
E
lec
E
n
g
&
C
o
m
p
Sci
,
Vo
l.
3
9
,
No
.
2
,
A
u
g
u
s
t
20
25
:
1
2
2
1
-
1
235
1226
in
cl
u
d
e
A
p
ac
h
e
Sp
ar
k
[4
8
]
,
w
h
ic
h
p
r
o
v
id
es
d
is
tr
ib
u
ted
c
o
m
p
u
ti
n
g
f
o
r
b
atch
a
n
d
r
ea
l
-
ti
m
e
p
r
o
ce
s
s
i
n
g
;
A
p
ac
h
e
Had
o
o
p
[
49
]
,
o
f
f
er
in
g
d
is
tr
ib
u
ted
s
to
r
ag
e
an
d
p
r
o
ce
s
s
in
g
ca
p
ab
ilit
ie
s
;
A
p
ac
h
e
Sto
r
m
[5
0
]
,
d
eliv
er
in
g
r
ea
l
-
t
i
m
e
p
r
o
ce
s
s
i
n
g
w
i
th
lo
w
laten
c
y
;
a
n
d
Ap
ac
h
e
Fli
n
k
[5
1
]
,
f
o
r
h
ig
h
-
t
h
r
o
u
g
h
p
u
t
s
tr
ea
m
p
r
o
ce
s
s
in
g
.
Data
m
o
v
e
m
e
n
t
an
d
s
tr
ea
m
in
g
:
f
o
r
d
ata
m
o
v
e
m
en
t
an
d
s
t
r
ea
m
in
g
,
o
r
g
an
iza
tio
n
s
u
tili
ze
to
o
ls
s
u
ch
a
s
A
p
ac
h
e
Flu
m
e
f
o
r
ef
f
icie
n
t
lo
g
d
ata
co
llectio
n
an
d
m
o
v
e
m
en
t
[5
2
]
,
A
p
ac
h
e
Kaf
k
a
f
o
r
d
is
tr
ib
u
ted
ev
e
n
t
s
tr
ea
m
i
n
g
[5
3
]
,
an
d
a
m
az
o
n
k
i
n
esi
s
f
o
r
A
W
S
-
b
ased
r
ea
l
-
ti
m
e
d
ata
p
r
o
ce
s
s
in
g
[5
4
]
.
T
h
ese
to
o
ls
an
d
ap
p
r
o
ac
h
es
co
llab
o
r
ate
to
c
r
e
ate
co
m
p
r
eh
e
n
s
iv
e
f
r
au
d
d
etec
tio
n
s
y
s
te
m
s
ca
p
ab
le
o
f
p
r
o
ce
s
s
i
n
g
m
as
s
iv
e
a
m
o
u
n
ts
o
f
d
ata
i
n
r
ea
l
-
t
i
m
e,
id
en
tify
i
n
g
p
atter
n
s
,
a
n
d
f
la
g
g
i
n
g
s
u
s
p
icio
u
s
a
cti
v
itie
s
ac
r
o
s
s
v
ar
io
u
s
in
d
u
s
tr
ies.
T
h
is
i
n
te
g
r
ated
ap
p
r
o
ac
h
en
s
u
r
es
r
o
b
u
s
t
p
r
o
tectio
n
ag
ai
n
s
t
f
r
au
d
u
le
n
t
ac
tiv
itie
s
w
h
il
e
m
ai
n
tai
n
in
g
e
f
f
icien
t p
r
o
ce
s
s
in
g
ca
p
ab
ilit
ie
s
.
5.
L
I
T
E
R
AT
U
RE
R
E
VI
E
W
Nu
m
er
o
u
s
s
t
u
d
ies
h
av
e
e
x
a
m
i
n
ed
f
r
au
d
d
etec
tio
n
s
y
s
te
m
s
,
esp
ec
iall
y
w
it
h
b
ig
d
ata
’
s
r
is
e.
T
h
is
s
ec
tio
n
e
x
p
lo
r
es
k
e
y
liter
at
u
r
e
o
n
f
r
au
d
d
etec
tio
n
in
b
i
g
d
ata
,
co
v
er
in
g
m
et
h
o
d
o
lo
g
i
es
lik
e
r
u
le
-
b
ased
s
tr
ateg
ie
s
a
n
d
b
o
th
s
u
p
er
v
i
s
e
d
an
d
u
n
s
u
p
er
v
i
s
ed
lear
n
i
n
g
alg
o
r
ith
m
s
.
B
ald
o
m
i
n
o
s
et
a
l.
[
4
]
p
r
o
p
o
s
ed
a
s
ca
lab
le
ar
ch
itectu
r
e
f
o
r
ML
o
n
b
ig
d
ata
s
tr
ea
m
s
u
s
in
g
th
e
Had
o
o
p
ec
o
s
y
s
te
m
.
I
t
c
o
n
s
is
ts
o
f
a
b
atch
p
r
o
ce
s
s
in
g
m
o
d
u
le
f
o
r
n
o
n
-
u
r
g
en
t
tas
k
s
a
n
d
a
s
t
r
ea
m
p
r
o
ce
s
s
i
n
g
m
o
d
u
le
f
o
r
r
ea
l
-
ti
m
e
ap
p
licatio
n
s
,
b
o
th
r
el
y
in
g
o
n
HDFS
an
d
HB
ase
f
o
r
s
to
r
ag
e
[
43
]
.
T
h
e
s
y
s
te
m
i
n
cl
u
d
es
a
d
ash
b
o
ar
d
f
o
r
b
atch
r
esu
lts
an
d
a
R
E
ST
f
u
l
A
P
I
f
o
r
ML
s
er
v
ice
s
,
ap
p
lied
in
w
eb
ad
v
er
tis
i
n
g
an
d
g
a
m
in
g
b
eh
a
v
io
r
p
r
ed
ictio
n
.
T
h
e
ev
alu
atio
n
h
ig
h
li
g
h
ts
i
ts
ab
ilit
y
to
h
a
n
d
l
e
co
n
c
u
r
r
en
t
r
eq
u
e
s
ts
a
n
d
p
r
o
v
id
e
ac
cu
r
ate
r
ea
l
-
ti
m
e
p
r
ed
ictio
n
s
,
m
ak
in
g
it
s
u
itab
le
f
o
r
r
ea
l
-
ti
m
e
an
al
y
tic
s
as a
s
er
v
ice.
Di
Ma
u
r
o
an
d
Di
Sar
n
o
[
5
]
p
r
o
p
o
s
ed
an
ar
ch
itectu
r
e
f
o
r
r
ea
l
-
ti
m
e
b
ig
d
ata
p
r
o
ce
s
s
i
n
g
an
d
an
al
y
s
is
,
in
te
g
r
ati
n
g
A
p
ac
h
e
Sto
r
m
as
th
e
s
tr
ea
m
p
r
o
ce
s
s
in
g
en
g
in
e
a
n
d
Yah
o
o
SA
MO
A
f
o
r
d
is
tr
ib
u
ted
s
tr
ea
m
i
n
g
ML
.
T
h
ey
u
tili
ze
d
t
h
e
v
er
tical
h
o
ef
f
d
i
n
g
tr
ee
alg
o
r
it
h
m
to
r
ec
o
g
n
ize
h
id
d
en
S
k
y
p
e
tr
a
f
f
ic
i
n
n
et
w
o
r
k
s
tr
ea
m
s
.
E
x
p
er
i
m
e
n
tal
r
es
u
lts
d
e
m
o
n
s
tr
ated
9
0
% a
cc
u
r
ac
y
i
n
id
en
t
i
f
y
i
n
g
Sk
y
p
e
tr
af
f
ic.
Z
h
ao
et
a
l.
[
6
]
in
tr
o
d
u
ce
d
a
f
r
a
m
e
w
o
r
k
f
o
r
r
ea
l
-
ti
m
e
n
et
wo
r
k
tr
af
f
ic
a
n
o
m
al
y
d
etec
tio
n
u
s
i
n
g
ML
an
d
b
ig
d
ata
to
o
ls
li
k
e
A
p
ac
h
e
Had
o
o
p
,
Kaf
k
a,
an
d
Sto
r
m
.
T
h
is
s
y
s
te
m
a
n
al
y
ze
s
r
ea
l
-
ti
m
e
n
et
w
o
r
k
f
lo
w
d
ata
f
r
o
m
t
h
e
U
n
i
v
er
s
it
y
o
f
Mi
s
s
o
u
r
i
–
Kan
s
as
c
it
y
’
s
ca
m
p
u
s
n
e
t
w
o
r
k
b
y
in
teg
r
ati
n
g
b
atch
p
r
o
ce
s
s
in
g
w
i
th
r
ea
l
-
ti
m
e
a
n
al
y
s
is
.
Ka
f
k
a
h
a
n
d
les
d
ata
s
to
r
ag
e
w
h
ile
S
to
r
m
f
ac
ilit
ate
s
s
tr
ea
m
in
g
an
a
l
y
s
is
.
T
h
e
f
r
a
m
e
w
o
r
k
en
co
m
p
as
s
es
d
ata
in
g
e
s
tio
n
,
p
r
ep
r
o
ce
s
s
in
g
,
an
o
m
al
y
d
etec
tio
n
,
an
d
ML
co
m
p
o
n
en
ts
.
P
r
eli
m
i
n
ar
y
r
esu
lts
in
d
icate
it
s
ef
f
ec
ti
v
e
n
es
s
in
i
d
en
tify
i
n
g
n
et
w
o
r
k
an
o
m
alie
s
,
h
ig
h
li
g
h
ti
n
g
its
p
o
ten
t
ial
f
o
r
ef
f
ic
ien
t
n
et
w
o
r
k
m
an
a
g
e
m
e
n
t in
ac
ad
e
m
ic
s
ett
i
n
g
s
.
Dai
et
a
l.
[
7
]
p
r
o
p
o
s
ed
a
b
ig
d
ata
-
b
ased
o
n
li
n
e
cr
ed
it
ca
r
d
f
r
au
d
d
etec
tio
n
f
r
a
m
e
w
o
r
k
w
i
th
a
f
o
u
r
-
la
y
er
d
esig
n
:
a
d
is
tr
ib
u
ted
s
to
r
ag
e
la
y
er
f
o
r
h
an
d
li
n
g
lar
g
e
tr
an
s
ac
tio
n
d
ata,
a
b
atch
tr
ain
i
n
g
la
y
er
f
o
r
m
o
d
el
tr
ain
i
n
g
u
s
i
n
g
Had
o
o
p
an
d
S
p
ar
k
[4
8
]
,
a
k
e
y
-
v
al
u
e
s
h
ar
i
n
g
la
y
er
f
o
r
f
ast
m
o
d
el
d
ata
ac
ce
s
s
v
ia
No
SQ
L
d
atab
ase
[5
5
]
-
[
5
7
]
,
an
d
a
s
tr
ea
m
i
n
g
d
etec
tio
n
la
y
er
f
o
r
r
ea
l
-
t
i
m
e
an
al
y
s
is
u
s
i
n
g
s
to
r
m
.
T
h
is
h
y
b
r
id
f
r
a
m
e
w
o
r
k
h
ig
h
li
g
h
ts
t
h
e
s
ca
lab
il
it
y
,
f
au
lt
to
ler
an
ce
,
an
d
h
i
g
h
p
er
f
o
r
m
a
n
ce
o
f
b
ig
d
ata
tec
h
n
o
lo
g
ies i
n
f
r
au
d
d
etec
tio
n
.
Sto
j
an
o
v
ic
et
a
l.
[
8
]
in
tr
o
d
u
ce
d
a
d
ata
-
d
r
iv
en
ap
p
r
o
ac
h
f
o
r
r
ea
l
-
ti
m
e
a
n
o
m
al
y
d
etec
tio
n
i
n
in
d
u
s
tr
ial
q
u
alit
y
co
n
tr
o
l,
s
u
itab
le
f
o
r
co
m
p
le
x
m
an
u
f
ac
tu
r
i
n
g
p
r
o
ce
s
s
es
w
it
h
n
o
n
-
lin
ea
r
p
ar
a
m
eter
co
r
r
elatio
n
s
.
T
h
is
s
elf
-
ad
ap
tiv
e
m
et
h
o
d
u
tili
ze
s
b
o
th
h
is
to
r
ical
an
d
r
ea
l
-
ti
m
e
d
ata
to
en
h
an
ce
ac
cu
r
a
c
y
,
p
ar
ticu
lar
l
y
i
n
m
an
u
f
ac
t
u
r
in
g
cr
itica
l
co
m
p
o
n
en
t
s
li
k
e
m
icr
o
w
a
v
e
o
v
e
n
f
a
n
s
.
T
h
e
s
y
s
te
m
ef
f
ic
ien
t
l
y
d
et
ec
ts
d
ev
iat
io
n
s
u
s
i
n
g
r
ea
l
-
ti
m
e
p
r
o
ce
s
s
in
g
tec
h
n
o
l
o
g
ies
(
e.
g
.
,
Sto
r
m
)
alo
n
g
s
id
e
h
is
to
r
ical
d
ata
p
r
o
ce
s
s
in
g
(
e.
g
.
,
Had
o
o
p
)
.
I
ts
ar
ch
itect
u
r
e
co
m
p
r
is
es
s
i
x
co
m
p
o
n
en
ts
:
d
ata
s
to
r
ag
e,
p
r
o
ce
s
s
i
n
g
,
a
n
al
y
tics
,
u
s
er
in
ter
ac
ti
o
n
,
in
te
g
r
atio
n
,
an
d
s
ec
u
r
it
y
la
y
er
s
.
C
u
i
an
d
He
[
9
]
p
r
o
p
o
s
ed
a
clo
u
d
-
b
ased
a
n
o
m
al
y
d
etec
tio
n
f
r
a
m
e
w
o
r
k
t
h
at
u
s
e
s
Had
o
o
p
’
s
d
is
tr
ib
u
ted
p
r
o
ce
s
s
in
g
a
n
d
W
ek
a
’
s
ML
a
l
g
o
r
ith
m
s
.
T
r
af
f
ic
d
ata
is
s
to
r
ed
in
HDF
S a
n
d
p
r
o
ce
s
s
ed
w
it
h
Ma
p
R
ed
u
ce
,
w
h
ile
th
e
b
est
-
p
er
f
o
r
m
i
n
g
al
g
o
r
ith
m
-
s
elec
ted
f
r
o
m
Naï
v
e
B
a
y
es
,
DT
,
an
d
SVM
-
is
id
en
ti
f
ied
th
r
o
u
g
h
W
ek
a.
T
h
e
f
r
a
m
e
w
o
r
k
in
cl
u
d
es
d
ata
p
r
o
ce
s
s
in
g
,
m
i
n
i
n
g
,
an
d
d
etec
tio
n
m
o
d
u
les,
ac
h
ie
v
i
n
g
o
v
er
9
0
%
p
r
e
d
ictio
n
ac
cu
r
ac
y
.
E
v
alu
at
io
n
w
i
th
s
elf
-
r
ef
it
an
d
1
0
-
f
o
ld
cr
o
s
s
-
v
alid
atio
n
s
h
o
w
s
t
h
e
DT
ex
c
els
in
clas
s
if
icatio
n
ac
cu
r
ac
y
,
o
f
f
er
in
g
g
r
ea
ter
ef
f
i
cien
c
y
t
h
a
n
tr
ad
itio
n
al
s
in
g
le
-
p
o
in
t
m
et
h
o
d
s
.
B
alasu
p
r
a
m
a
n
ia
n
et
a
l.
[
1
0
]
p
r
o
p
o
s
ed
a
f
r
am
e
w
o
r
k
to
p
r
ev
en
t
o
n
l
in
e
f
r
au
d
b
y
co
m
b
in
in
g
b
ig
d
ata
an
al
y
tics
a
n
d
ML
.
T
h
eir
ap
p
r
o
ac
h
in
v
o
lv
e
s
co
llecti
n
g
a
n
d
p
r
ep
r
o
ce
s
s
in
g
tr
a
n
s
ac
t
io
n
d
ata,
ex
tr
ac
ti
n
g
f
ea
t
u
r
es,
an
d
r
ed
u
ci
n
g
d
i
m
e
n
s
io
n
alit
y
w
ith
P
C
A
.
A
SOM
m
o
d
el
is
t
h
e
n
tr
ai
n
e
d
to
e
v
alu
ate
tr
an
s
ac
t
io
n
s
,
w
it
h
s
u
s
p
icio
u
s
ac
ti
v
it
y
tr
ig
g
er
in
g
aler
ts
o
r
ca
r
d
b
lo
ck
s
.
T
h
e
f
r
am
e
w
o
r
k
r
ec
o
m
m
en
d
s
u
s
i
n
g
HDFS
o
r
Sp
ar
k
f
o
r
d
ata
s
to
r
ag
e
an
d
k
ee
p
in
g
tr
ain
ed
d
ata
in
m
e
m
o
r
y
f
o
r
s
p
ee
d
,
ai
m
in
g
to
d
etec
t
f
r
au
d
p
r
o
ac
t
iv
el
y
b
y
a
n
al
y
zin
g
u
s
er
b
eh
a
v
io
r
f
r
o
m
h
is
to
r
ical
d
ata.
Evaluation Warning : The document was created with Spire.PDF for Python.
I
n
d
o
n
esia
n
J
E
lec
E
n
g
&
C
o
m
p
Sci
I
SS
N:
2502
-
4752
A
n
o
p
timiz
ed
a
r
ch
itectu
r
e
fo
r
r
ea
l
-
time
fr
a
u
d
d
etec
tio
n
in
b
ig
d
a
ta
…
(
Ga
b
er E
.
A
b
u
ta
leb
)
1227
Me
lo
-
A
co
s
ta
et
a
l.
[
1
1
]
p
r
esen
ted
a
cr
ed
it
ca
r
d
f
r
au
d
d
etec
tio
n
s
y
s
te
m
ad
d
r
ess
i
n
g
class
i
m
b
a
lan
ce
,
m
i
x
ed
lab
eled
/u
n
lab
eled
d
at
a,
an
d
h
ig
h
tr
a
n
s
ac
tio
n
v
o
l
u
m
e.
T
h
eir
ap
p
r
o
ac
h
u
s
es
B
R
F
an
d
co
m
b
i
n
es
s
u
p
er
v
i
s
ed
w
it
h
s
e
m
i
-
s
u
p
er
v
is
ed
lear
n
in
g
th
r
o
u
g
h
co
-
tr
ain
in
g
,
i
m
p
le
m
en
ted
o
n
A
p
ac
h
e
Sp
ar
k
f
o
r
s
ca
lab
ilit
y
.
T
h
is
m
et
h
o
d
s
ig
n
if
ican
t
l
y
i
m
p
r
o
v
es
p
er
f
o
r
m
a
n
ce
,
ac
h
ie
v
i
n
g
a
2
4
%
h
ig
h
er
g
eo
m
e
tr
ic
m
ea
n
th
a
n
tr
ad
itio
n
al
RF
s
,
w
i
th
t
h
e
B
R
F
a
n
d
co
-
tr
ai
n
ed
B
R
F
m
eta
-
cla
s
s
i
f
ier
s
h
o
win
g
t
h
e
b
est r
es
u
lt
s
.
Oth
m
an
et
a
l.
[
1
2
]
p
r
o
p
o
s
ed
th
e
Sp
a
rk
-
C
h
i
-
S
VM
m
o
d
el
f
o
r
in
tr
u
s
io
n
d
etec
tio
n
,
u
tili
z
i
n
g
ap
ac
h
e
s
p
ar
k
f
o
r
ef
f
icie
n
t
b
ig
d
ata
p
r
o
ce
s
s
in
g
.
T
h
e
m
o
d
el
in
cl
u
d
es
d
ataset
p
r
ep
r
o
ce
s
s
in
g
,
f
e
atu
r
e
s
elec
tio
n
w
it
h
C
h
i
Sq
Selecto
r
,
an
d
clas
s
i
f
icat
io
n
u
s
i
n
g
SVMW
it
h
SGD,
w
h
ich
is
test
ed
o
n
th
e
KDD
d
at
aset.
R
e
s
u
lt
s
s
h
o
w
h
ig
h
p
er
f
o
r
m
a
n
ce
a
n
d
s
p
ee
d
.
C
ar
cillo
et
a
l.
[
1
3
]
in
tr
o
d
u
ce
d
SC
AR
F
F
,
a
s
ca
lab
le
f
r
au
d
d
etec
tio
n
s
y
s
te
m
t
h
at
co
m
b
in
es
b
ig
d
ata
to
o
ls
lik
e
Kaf
k
a,
Sp
ar
k
,
a
n
d
C
ass
a
n
d
r
a
w
it
h
ad
v
a
n
ce
d
ML
to
ad
d
r
ess
i
s
s
u
es
s
u
ch
a
s
d
ata
i
m
b
alan
ce
an
d
f
ee
d
b
ac
k
laten
c
y
.
SC
AR
F
F
p
r
o
ce
s
s
es
s
tr
ea
m
i
n
g
d
ata
f
o
r
n
ea
r
r
ea
l
-
ti
m
e
aler
ts
,
u
t
ilizi
n
g
Ka
f
k
a
f
o
r
f
au
lt
-
to
ler
an
t
d
ata
co
llectio
n
,
Sp
ar
k
f
o
r
f
ea
t
u
r
e
en
g
i
n
ee
r
in
g
a
n
d
class
i
f
icatio
n
,
an
d
C
a
s
s
a
n
d
r
a
f
o
r
s
to
r
ag
e.
I
ts
ML
en
g
i
n
e
e
m
p
lo
y
s
a
w
eig
h
ted
e
n
s
e
m
b
le
o
f
c
lass
if
ier
s
,
w
h
i
le
its
o
p
en
-
s
o
u
r
ce
f
r
a
m
e
w
o
r
k
,
d
ep
lo
y
ab
le
v
ia
Do
ck
er
,
allo
w
s
f
o
r
r
ep
r
o
d
u
cib
ilit
y
a
n
d
test
in
g
w
it
h
ar
tif
ic
ial
d
atasets
,
m
a
k
i
n
g
it
h
i
g
h
l
y
e
f
f
ec
tiv
e
f
o
r
lar
g
e
-
s
ca
le
f
r
au
d
d
etec
tio
n
.
Nair
et
a
l.
[
1
4
]
p
r
o
p
o
s
ed
a
r
ea
l
-
ti
m
e
r
e
m
o
te
h
ea
lth
s
ta
tu
s
p
r
ed
ictio
n
s
y
s
te
m
le
v
er
ag
i
n
g
A
p
ac
h
e
Sp
ar
k
an
d
T
w
i
tter
d
ata.
T
h
e
s
y
s
te
m
f
o
cu
s
e
s
o
n
ap
p
l
y
in
g
ML
m
o
d
els
to
s
tr
ea
m
in
g
b
ig
d
ata
f
o
r
h
ea
lt
h
p
r
ed
ictio
n
.
User
s
t
w
ee
t
th
e
ir
h
ea
lt
h
attr
ib
u
tes,
w
h
ich
ar
e
th
en
p
r
o
ce
s
s
ed
b
y
th
e
ap
p
licatio
n
in
r
ea
l
ti
m
e.
T
h
e
s
y
s
te
m
ex
tr
ac
ts
at
tr
ib
u
tes
an
d
ap
p
lies
a
ML
m
o
d
el,
s
u
c
h
a
s
a
DT
,
to
p
r
ed
ict
th
e
u
s
er
’
s
h
ea
lt
h
s
tat
u
s
.
T
h
e
pr
ed
ictio
n
is
i
n
s
ta
n
tl
y
m
e
s
s
a
g
ed
to
th
e
u
s
er
f
o
r
ap
p
r
o
p
r
iate
ac
tio
n
.
T
h
e
ap
p
licatio
n
i
s
i
m
p
le
m
e
n
ted
i
n
S
ca
la,
in
te
g
r
atin
g
a
DT
m
o
d
el
w
it
h
T
w
itter
s
tr
ea
m
i
n
g
d
ata
h
a
n
d
lin
g
,
an
d
ca
n
b
e
d
ep
lo
y
ed
o
n
-
p
r
e
m
i
s
e
o
r
in
th
e
clo
u
d
,
s
u
c
h
as
Am
az
o
n
E
C
2
.
T
h
e
T
itAn
t
s
y
s
te
m
w
as
d
ev
el
o
p
ed
b
y
C
ao
et
a
l
[
1
5
]
.
A
n
t
f
in
an
c
ial
is
a
h
i
g
h
-
s
p
ee
d
f
r
au
d
d
etec
tio
n
f
r
a
m
e
w
o
r
k
th
at
p
r
ed
icts
o
n
li
n
e
tr
an
s
ac
tio
n
f
r
au
d
in
m
ill
is
ec
o
n
d
s
.
I
t
co
m
b
i
n
es
o
f
f
li
n
e
tr
ain
i
n
g
a
n
d
o
n
li
n
e
r
ea
l
-
ti
m
e
p
r
ed
ictio
n
:
o
f
f
li
n
e,
tr
an
s
ac
tio
n
d
ata
is
p
r
o
ce
s
s
ed
in
M
ax
C
o
m
p
u
te
f
o
r
f
ea
tu
r
e
e
x
tr
ac
t
io
n
,
an
d
m
o
d
els
ar
e
tr
ain
ed
w
it
h
K
u
n
P
en
g
.
On
l
in
e
,
th
e
m
o
d
el
s
er
v
er
r
ec
eiv
es
p
er
io
d
ic
m
o
d
el
u
p
d
ates
an
d
r
etr
iev
es
d
ata
f
r
o
m
A
li
-
HB
ase
to
m
ak
e
i
n
s
ta
n
t
p
r
ed
ict
io
n
s
o
n
A
lip
a
y
tr
an
s
ac
tio
n
s
.
D
esp
ite
d
ela
y
ed
lab
els,
T
itA
n
t
m
ee
ts
s
tr
ict
late
n
c
y
d
em
a
n
d
s
b
y
in
te
g
r
ati
n
g
d
i
s
tr
i
b
u
ted
alg
o
r
ith
m
s
a
n
d
u
s
er
n
o
d
e
em
b
ed
d
in
g
s
,
s
h
o
w
ca
s
in
g
ef
f
ec
tiv
e,
r
ea
l
-
ti
m
e
f
r
au
d
d
etec
tio
n
i
n
f
in
a
n
cial
tr
a
n
s
ac
tio
n
s
.
Z
h
o
u
et
a
l.
[
1
6
]
in
tr
o
d
u
ce
d
a
n
in
telli
g
e
n
t,
d
is
tr
ib
u
ted
ap
p
r
o
ac
h
f
o
r
d
etec
tin
g
f
i
n
an
cia
l
f
r
au
d
u
s
in
g
No
d
e2
Vec
,
a
g
r
ap
h
e
m
b
ed
d
in
g
a
lg
o
r
it
h
m
th
at
lear
n
s
n
et
w
o
r
k
to
p
o
lo
g
ie
s
an
d
r
ep
r
ese
n
ts
t
h
e
m
as
lo
w
-
d
i
m
en
s
io
n
al
v
ec
to
r
s
.
T
h
is
ap
p
r
o
ac
h
en
h
an
ce
s
clas
s
i
f
icatio
n
an
d
p
r
ed
ictio
n
u
s
in
g
d
ee
p
n
eu
r
al
n
et
w
o
r
k
s
an
d
u
tili
ze
s
A
p
ac
h
e
Sp
ar
k
Gr
ap
h
X
an
d
Had
o
o
p
clu
s
ter
s
f
o
r
p
ar
allel
d
ata
p
r
o
ce
s
s
in
g
.
T
h
e
w
o
r
k
f
lo
w
i
n
cl
u
d
es
f
o
u
r
m
ai
n
m
o
d
u
les:
d
ata
p
r
ep
r
o
ce
s
s
in
g
,
f
ea
tu
r
e
e
x
tr
ac
tio
n
,
g
r
ap
h
e
m
b
ed
d
in
g
,
a
n
d
p
r
ed
ictio
n
.
No
d
e2
Vec
o
n
Sp
ar
k
Gr
ap
h
X
ef
f
icie
n
tl
y
ca
p
t
u
r
es
v
er
tex
f
ea
t
u
r
es,
i
m
p
r
o
v
i
n
g
d
ee
p
n
eu
r
al
n
et
w
o
r
k
cla
s
s
i
f
icatio
n
an
d
b
o
o
s
tin
g
f
r
au
d
d
etec
tio
n
ac
cu
r
ac
y
.
Hab
ee
b
et
a
l.
[
1
7
]
d
ev
elo
p
ed
a
r
ea
l
-
ti
m
e
an
o
m
a
l
y
d
etec
tio
n
f
r
a
m
e
w
o
r
k
u
s
in
g
a
co
m
p
o
s
ite
s
tr
ea
m
i
n
g
clu
s
ter
i
n
g
ap
p
r
o
ac
h
w
i
th
b
ig
d
ata
to
o
ls
lik
e
Sp
ar
k
ML
lib
,
Kaf
k
a,
an
d
HB
ase.
T
h
ey
i
n
tr
o
d
u
ce
d
SS
W
L
OF
C
C
,
a
n
o
v
el
al
g
o
r
it
h
m
in
Sp
ar
k
ML
lib
,
ac
h
iev
in
g
9
6
.
5
1
%
ac
cu
r
ac
y
,
1
3
.
3
3
3
s
ex
ec
u
tio
n
ti
m
e,
an
d
1
9
4
.
3
3
MB
m
e
m
o
r
y
u
s
a
g
e,
o
u
tp
er
f
o
r
m
in
g
K
-
m
ea
n
s
a
n
d
HDB
S
C
A
N.
T
ested
o
n
D
A
R
P
A,
MA
C
C
DC
,
a
n
d
DE
FC
ON2
1
d
ataset
s
,
th
e
f
r
a
m
e
w
o
r
k
i
m
p
r
o
v
e
s
r
ea
l
-
ti
m
e
an
o
m
al
y
d
etec
tio
n
b
y
o
p
ti
m
izi
n
g
co
m
p
u
tatio
n
al
co
s
t,
ac
cu
r
ac
y
,
an
d
d
ata
v
i
s
u
a
lizatio
n
.
Sah
ee
d
et
a
l.
[
1
8
]
in
tr
o
d
u
ce
d
ML
m
o
d
els
f
o
r
p
r
ed
ictin
g
cr
ed
it
ca
r
d
f
r
au
d
,
f
o
c
u
s
i
n
g
o
n
a
n
e
w
d
etec
tio
n
m
o
d
el
th
a
t
u
ti
lizes
P
C
A
f
o
r
f
ea
t
u
r
e
s
elec
tio
n
a
n
d
v
ar
io
u
s
s
u
p
er
v
i
s
ed
ML
tec
h
n
iq
u
es
(
K
-
n
ea
r
est
n
eig
h
b
o
r
(
KNN
)
,
r
id
g
e
class
if
ier
,
g
r
ad
ien
t
b
o
o
s
tin
g
,
q
u
ad
r
atic
d
is
cr
i
m
in
a
n
t
an
al
y
s
is
,
A
d
aB
o
o
s
t,
an
d
RF
)
f
o
r
class
i
f
icatio
n
.
T
h
e
m
o
d
el
is
te
s
ted
o
n
Ger
m
a
n
a
n
d
T
aiw
a
n
c
r
ed
it
ca
r
d
d
atasets
to
d
is
tin
g
u
i
s
h
f
r
au
d
u
len
t
f
r
o
m
leg
iti
m
ate
tr
a
n
s
ac
tio
n
s
.
T
aw
d
e
et
a
l.
[
1
9
]
p
r
o
p
o
s
ed
a
n
o
v
el
ap
p
r
o
ac
h
to
d
etec
tin
g
o
n
li
n
e
p
a
y
m
e
n
t
f
r
au
d
u
s
in
g
b
ig
d
ata
tech
n
iq
u
es,
p
ar
tic
u
lar
l
y
le
v
er
ag
in
g
P
y
Sp
ar
k
.
Af
ter
d
ata
p
r
ep
r
o
ce
s
s
in
g
,
ML
al
g
o
r
ith
m
s
l
ik
e
RF
,
DT
,
Naiv
e
B
ay
e
s
,
an
d
LR
f
r
o
m
Sp
ar
k
ML
ar
e
ap
p
lied
,
en
ab
lin
g
s
c
alab
le,
d
is
tr
ib
u
ted
class
if
icati
o
n
.
T
h
e
s
y
s
te
m
is
d
esig
n
ed
to
h
elp
lar
g
e
o
r
g
an
izatio
n
s
an
al
y
ze
ex
ten
s
i
v
e
tr
an
s
ac
tio
n
d
ata
to
id
en
tify
p
o
ten
tial
f
r
au
d
o
r
an
o
m
alie
s
ef
f
ec
ti
v
el
y
.
6.
RE
SU
L
T
S AN
D
D
I
SCU
SS
I
O
N
T
h
is
an
al
y
s
i
s
e
x
a
m
in
e
s
f
r
au
d
d
etec
tio
n
m
e
th
o
d
s
f
r
o
m
s
elec
t
ed
s
tu
d
ies
(
T
ab
le
1
)
,
ex
p
lo
r
in
g
tr
en
d
s
i
n
au
th
o
r
s
,
p
u
b
licatio
n
y
ea
r
s
,
lea
r
n
in
g
t
y
p
es,
al
g
o
r
ith
m
s
,
to
o
ls
,
an
d
tar
g
eted
d
o
m
ai
n
s
.
I
t
a
ls
o
r
ev
ie
w
s
d
etec
tio
n
tech
n
iq
u
es
a
n
d
alg
o
r
ith
m
s
,
r
ec
o
m
m
e
n
d
in
g
a
p
r
o
p
o
s
ed
ar
ch
itect
u
r
e
f
o
r
o
r
g
an
izatio
n
s
’
6
.
2
to
o
ls
an
d
tech
n
o
lo
g
ies.
B
ig
d
ata
p
latf
o
r
m
s
li
k
e
Sp
ar
k
,
Had
o
o
p
,
H
B
ase,
an
d
Sto
r
m
ar
e
w
id
el
y
u
s
ed
f
o
r
ef
f
ic
ien
t
lar
g
e
-
Evaluation Warning : The document was created with Spire.PDF for Python.
I
SS
N
:
2
5
0
2
-
4752
I
n
d
o
n
esia
n
J
E
lec
E
n
g
&
C
o
m
p
Sci
,
Vo
l.
3
9
,
No
.
2
,
A
u
g
u
s
t
20
25
:
1
2
2
1
-
1
235
1228
s
ca
le
d
ata
p
r
o
ce
s
s
in
g
.
Kaf
k
a
an
d
f
lu
m
e
co
m
p
le
m
e
n
t
th
ese
b
y
m
an
a
g
i
n
g
r
ea
l
-
ti
m
e
d
ata
s
tr
ea
m
s
,
cr
u
cial
f
o
r
f
r
au
d
d
etec
tio
n
i
n
d
y
n
a
m
ic
en
v
ir
o
n
m
e
n
t
s
.
Sp
ar
k
s
tan
d
s
o
u
t
f
o
r
its
v
er
s
at
ilit
y
i
n
b
o
th
b
atch
a
n
d
s
tr
ea
m
p
r
o
ce
s
s
in
g
.
T
ab
le
1
.
C
o
m
p
ar
ativ
e
a
n
al
y
s
i
s
o
f
th
e
ex
a
m
i
n
ed
b
ig
d
at
a
f
r
a
u
d
d
etec
tio
n
s
y
s
te
m
s
A
u
t
h
o
r
y
e
a
r
L
e
a
r
n
i
n
g
t
y
p
e
s
A
l
g
o
r
i
t
h
m
T
o
o
l
s
D
o
mai
n
B
a
l
d
o
mi
n
o
s
e
t
a
l
.
[
4
]
2
0
1
4
S
u
p
e
r
v
i
se
d
,
u
n
s
u
p
e
r
v
i
se
d
D
T
,
n
e
u
r
a
l
-
n
e
t
w
o
r
k
,
K
-
me
a
n
s,
R
F
,
M
a
r
k
o
v
-
c
h
a
i
n
s
H
a
d
o
o
p
,
H
B
a
se
M
a
h
o
u
t
A
d
v
e
r
t
i
se
me
n
t
s t
o
w
e
b
v
i
si
t
o
r
s,
so
c
i
a
l
g
a
me
s
D
i
M
a
u
r
o
a
n
d
D
i
S
a
r
n
o
[
5
]
2
0
1
4
S
u
p
e
r
v
i
se
d
V
e
r
t
i
c
a
l
h
o
e
f
f
d
i
n
g
t
r
e
e
S
t
o
r
m,
S
A
M
O
A
H
i
d
d
e
n
S
k
y
p
e
t
r
a
f
f
i
c
Z
h
a
o
e
t
a
l
.
[
6
]
2
0
1
5
S
u
p
e
r
v
i
se
d
N
a
ï
v
e
-
B
a
y
e
si
a
n
,
S
V
M
,
D
T
S
t
o
r
m,
K
a
f
k
a
H
a
d
o
o
p
N
e
t
w
o
r
k
t
r
a
f
f
i
c
,
a
n
o
mal
y
d
e
t
e
c
t
i
o
n
D
a
i
e
t
a
l
.
[
7
]
2
0
1
6
S
u
p
e
r
v
i
se
d
,
u
n
s
u
p
e
r
v
i
se
d
D
B
S
C
A
N
,
H
M
M
,
S
O
M
,
n
e
u
r
a
l
n
e
t
w
o
r
k
,
L
R
,
D
T
,
N
a
i
v
e
B
a
y
e
s
S
t
o
r
m,
H
B
a
se
,
S
p
a
r
k
,
H
a
d
o
o
p
C
r
e
d
i
t
c
a
r
d
f
r
a
u
d
d
e
t
e
c
t
i
o
n
S
t
o
j
a
n
o
v
i
c
e
t
a
l
.
[
8
]
2
0
1
6
R
u
l
e
s
R
u
l
e
s
S
t
o
r
m,
H
a
d
o
o
,
S
p
a
r
k
,
H
B
a
se
Q
u
a
l
i
t
y
c
o
n
t
r
o
l
a
n
o
mal
y
d
e
t
e
c
t
i
o
n
C
u
i
a
n
d
H
e
[
9
]
2
0
1
6
S
u
p
e
r
v
i
se
d
N
a
ï
v
e
-
B
a
y
e
s,
D
T
,
S
V
M
H
a
d
o
o
p
A
n
o
mal
y
d
e
t
e
c
t
i
o
n
B
a
l
a
s
u
p
r
a
ma
n
i
a
n
,
e
t
a
l
.
[
1
0
]
2
0
1
7
U
n
su
p
e
r
v
i
se
d
S
O
M
S
p
a
r
k
,
H
a
d
o
o
p
O
n
l
i
n
e
t
r
a
n
s
a
c
t
i
o
n
f
r
a
u
d
d
e
t
e
c
t
i
o
n
M
e
l
o
-
A
c
o
st
a
e
t
a
l
.
[
1
1
]
2
0
1
7
S
u
p
e
r
v
i
se
d
S
e
mi
-
su
p
e
r
v
i
se
d
R
F
a
n
d
c
o
-
t
r
a
i
n
e
d
B
R
F
S
p
a
r
k
,
H
i
v
e
C
r
e
d
i
t
c
a
r
d
f
r
a
u
d
d
e
t
e
c
t
i
o
n
O
t
h
m
a
n
et
a
l
.
[
1
2
]
2
0
1
8
S
u
p
e
r
v
i
se
d
C
h
i
-
S
V
M
S
p
a
r
k
I
n
t
r
u
si
o
n
d
e
t
e
c
t
i
o
n
C
a
r
c
i
l
l
o
e
t
a
l
.
[
1
3
]
2
0
1
8
S
u
p
e
r
v
i
se
d
RF
S
p
a
r
k
,
K
a
f
k
a
,
C
a
ssa
n
d
r
a
C
r
e
d
i
t
c
a
r
d
f
r
a
u
d
d
e
t
e
c
t
i
o
n
N
a
i
r
e
t
a
l
.
[
1
4
]
2
0
1
8
S
u
p
e
r
v
i
se
d
DT
S
p
a
r
k
H
e
a
l
t
h
st
a
t
u
s
p
r
e
d
i
c
t
i
o
n
Cao
e
t
a
l
.
[
1
5
]
2
0
1
9
S
u
p
e
r
v
i
se
d
,
r
u
l
e
s,
U
n
su
p
e
r
v
i
se
d
D
W
,
S
2
V
,
N
R
L
,
L
R
,
G
B
D
T
,
r
u
l
e
-
b
a
se
d
,
i
so
l
a
t
i
o
n
-
f
o
r
e
st
A
l
i
-
H
B
a
se
,
K
u
n
P
e
n
g
M
a
p
R
e
d
u
c
e
F
i
n
a
n
c
i
a
l
t
r
a
n
sac
t
i
o
n
f
r
a
u
d
Z
h
o
u
e
t
a
l
.
[
1
6
]
2
0
2
1
S
u
p
e
r
v
i
se
d
N
o
d
e
2
V
e
c
,
d
e
e
p
w
a
l
k
,
S
V
M
S
p
a
r
k
H
a
d
o
o
p
I
n
t
e
r
n
e
t
f
i
n
a
n
c
i
a
l
f
r
a
u
d
d
e
t
e
c
t
i
o
n
H
a
b
e
e
b
e
t
a
l
.
[
1
7
]
2
0
2
2
U
n
su
p
e
r
v
i
se
d
S
S
W
L
O
F
C
C
,
I
F
,
L
O
F
,
K
-
me
a
n
s,
H
D
B
S
C
A
N
,
a
g
g
l
o
m
e
r
a
t
i
v
e
c
l
u
st
e
r
i
n
g
F
l
u
me
,
K
a
f
k
a
,
S
p
a
r
k
,
H
B
a
se
I
n
t
r
u
si
o
n
d
e
t
e
c
t
i
o
n
,
h
a
c
k
i
n
g
d
e
t
e
c
t
i
o
n
,
n
e
t
w
o
r
k
f
r
a
u
d
d
e
t
e
c
t
i
o
n
S
a
h
e
e
d
e
t
a
l
.
[
1
8
]
2
0
2
2
S
u
p
e
r
v
i
se
d
K
N
N
,
P
C
A
,
R
F
N
/
M
C
r
e
d
i
t
c
a
r
d
f
r
a
u
d
d
e
t
e
c
t
i
o
n
T
a
w
d
e
e
t
a
l
.
[
1
9
]
2
0
2
4
S
u
p
e
r
v
i
se
d
R
F
,
D
T
,
N
B
,
L
R
S
p
a
r
k
O
n
l
i
n
e
p
a
y
me
n
t
6
.
1
.
L
ea
rning
t
y
pes
a
nd
a
lg
o
rit
h
m
us
a
g
e
As
s
h
o
w
n
i
n
T
ab
le
1
,
m
u
lt
ip
le
lear
n
in
g
ap
p
r
o
ac
h
es
ar
e
ap
p
lied
in
f
r
au
d
d
etec
tio
n
,
in
cl
u
d
in
g
s
u
p
er
v
i
s
ed
,
u
n
s
u
p
er
v
is
ed
,
a
n
d
r
u
le
-
b
ased
lear
n
in
g
.
S
u
p
er
v
i
s
ed
lear
n
in
g
d
o
m
i
n
ates
t
h
e
f
iel
d
,
w
it
h
alg
o
r
it
h
m
s
s
u
c
h
as
DT
s
,
SVM,
RF
s
,
C
NN,
an
d
lo
n
g
s
h
o
r
t
-
ter
m
m
e
m
o
r
y
(
L
ST
M
)
w
id
el
y
u
s
ed
.
Yu
s
s
i
f
f
et
a
l.
[
58
]
p
r
o
p
o
s
ed
an
in
telli
g
e
n
t
ap
p
r
o
ac
h
f
o
r
d
etec
tin
g
o
n
li
n
e
cr
ed
it
ca
r
d
f
r
au
d
u
s
i
n
g
t
h
e
e
x
tr
e
m
e
g
r
ad
ien
t
b
o
o
s
tin
g
(
XGB
o
o
s
t
)
alg
o
r
ith
m
.
T
h
ese
tech
n
iq
u
es
ar
e
f
av
o
r
ed
d
u
e
to
th
eir
p
r
ed
ictiv
e
ca
p
ab
ilit
ies,
w
h
ic
h
aid
in
id
en
ti
f
y
i
n
g
f
r
a
u
d
u
le
n
t p
atter
n
s
in
lar
g
e
d
ataset
s
.
Un
s
u
p
er
v
i
s
ed
lear
n
i
n
g
i
s
also
p
r
o
m
i
n
en
t,
w
ith
cl
u
s
ter
in
g
al
g
o
r
ith
m
s
li
k
e
K
-
m
ea
n
s
,
HDB
S
C
A
N,
an
d
SOM
e
m
p
lo
y
ed
f
o
r
d
etec
tin
g
o
u
tlier
s
an
d
u
n
k
n
o
w
n
f
r
au
d
p
atter
n
s
.
Mo
r
eo
v
er
,
r
u
le
-
b
ased
m
et
h
o
d
s
ar
e
u
tili
ze
d
in
s
p
ec
i
f
ic
ca
s
e
s
w
h
er
e
p
r
ed
ef
i
n
ed
f
r
au
d
cr
iter
ia
ar
e
ess
e
n
t
ial
f
o
r
an
o
m
a
l
y
d
etec
tio
n
.
T
h
e
an
al
y
s
is
o
f
f
r
a
u
d
d
etec
tio
n
alg
o
r
it
h
m
s
s
h
o
w
s
th
at
c
lu
s
ter
in
g
m
et
h
o
d
s
,
p
ar
ticu
lar
l
y
K
-
m
ea
n
s
,
ar
e
h
ig
h
l
y
f
a
v
o
r
ed
f
o
r
u
n
s
u
p
er
v
is
ed
lear
n
in
g
s
ce
n
ar
i
o
s
,
w
h
ile
DT
s
an
d
SVM
ar
e
d
o
m
i
n
a
n
t
i
n
s
u
p
er
v
i
s
ed
lear
n
in
g
co
n
tex
ts
.
T
h
is
p
r
ef
er
en
ce
s
u
g
g
est
s
th
at
cl
u
s
t
er
in
g
is
i
n
s
tr
u
m
en
tal
in
d
is
co
v
er
in
g
h
id
d
en
p
atter
n
s
in
u
n
l
ab
eled
d
ata,
w
h
i
le
class
i
f
icatio
n
alg
o
r
ith
m
s
e
n
h
a
n
ce
p
r
ed
ictio
n
ac
cu
r
ac
y
an
d
h
elp
id
en
tify
f
r
a
u
d
u
le
n
t
in
s
ta
n
ce
s
w
it
h
in
lab
eled
d
atasets
.
6
.
2
.
Su
it
a
ble
f
ra
ud
det
ec
t
io
n
m
et
ho
d
s
a
cr
o
s
s
v
a
rio
us
do
m
a
i
ns
C
r
ed
it
ca
r
d
f
r
a
u
d
d
etec
tio
n
:
s
ev
er
al
s
t
u
d
ies,
in
c
lu
d
i
n
g
t
h
o
s
e
b
y
Dai
et
a
l.
[
7
]
,
C
ar
cillo
e
t
a
l.
[
1
3
]
,
u
tili
ze
s
u
p
er
v
is
ed
tech
n
iq
u
es
,
o
f
ten
u
s
i
n
g
alg
o
r
it
h
m
s
li
k
e
RF
s
,
DT
s
,
Nai
v
e
B
a
y
es
,
a
n
d
ar
tif
icia
l
n
e
u
r
al
n
et
w
o
r
k
(
A
NN
)
,
co
m
b
i
n
ed
w
ith
to
o
ls
s
u
ch
a
s
Sp
ar
k
,
HB
as
e,
an
d
Kaf
k
a
f
o
r
r
ea
l
-
ti
m
e
p
r
o
ce
s
s
in
g
.
Fi
n
an
c
ial
tr
an
s
ac
tio
n
f
r
au
d
:
Z
h
o
u
et
a
l.
[
1
6
]
ap
p
lied
tech
n
iq
u
es
s
u
c
h
as
No
d
e2
Vec
an
d
SVM
f
o
r
d
etec
tin
g
in
ter
n
et
f
i
n
an
cia
l
f
r
a
u
d
,
u
ti
lizin
g
Sp
ar
k
an
d
Had
o
o
p
f
o
r
d
ata
h
a
n
d
lin
g
.
A
cc
o
r
d
in
g
to
Yu
s
s
i
f
f
et
a
l
.
[
58
]
,
RF
w
as
f
o
u
n
d
to
b
e
th
e
m
o
s
t
e
f
f
ec
ti
v
e
m
ac
h
in
e
-
lear
n
i
n
g
al
g
o
r
it
h
m
f
o
r
f
r
au
d
d
etec
tio
n
o
n
f
i
n
an
c
ial
e
-
p
latf
o
r
m
s
.
I
t
r
a
n
k
ed
f
ir
s
t i
n
b
o
th
f
r
eq
u
en
c
y
o
f
u
s
a
g
e
an
d
p
er
f
o
r
m
a
n
ce
a
n
al
y
s
is
,
a
ch
iev
in
g
an
a
v
er
ag
e
ac
c
u
r
ac
y
o
f
9
6
.
6
7
%.
Evaluation Warning : The document was created with Spire.PDF for Python.
I
n
d
o
n
esia
n
J
E
lec
E
n
g
&
C
o
m
p
Sci
I
SS
N:
2502
-
4752
A
n
o
p
timiz
ed
a
r
ch
itectu
r
e
fo
r
r
ea
l
-
time
fr
a
u
d
d
etec
tio
n
in
b
ig
d
a
ta
…
(
Ga
b
er E
.
A
b
u
ta
leb
)
1229
I
n
tr
u
s
io
n
a
n
d
n
et
w
o
r
k
f
r
a
u
d
d
etec
tio
n
:
al
g
o
r
ith
m
s
l
ik
e
is
o
latio
n
f
o
r
est
,
L
OF,
a
n
d
HDB
SC
A
N
ar
e
u
tili
ze
d
f
o
r
d
etec
tin
g
an
o
m
ali
es
in
n
et
w
o
r
k
d
ata.
Hab
ee
b
e
t
a
l.
[
1
7
]
em
p
lo
y
ed
Sp
ar
k
,
HB
ase,
an
d
Kaf
k
a
i
n
in
tr
u
s
io
n
d
etec
tio
n
to
m
o
n
ito
r
f
o
r
h
ac
k
i
n
g
ac
ti
v
itie
s
an
d
f
r
au
d
w
i
th
i
n
n
et
w
o
r
k
s
.
Hea
lth
an
d
qu
alit
y
co
n
tr
o
l:
in
h
ea
lt
h
p
r
ed
ictio
n
an
d
q
u
alit
y
co
n
tr
o
l
an
o
m
al
y
d
etec
tio
n
,
s
t
u
d
ies
lik
e
th
o
s
e
o
f
Nair
et
a
l.
[
1
4
]
an
d
Sto
j
an
o
v
ic
et
a
l.
[
8
]
u
s
e
DT
s
an
d
r
u
le
-
b
ased
s
y
s
te
m
s
to
d
etec
t
an
o
m
ali
es
in
h
ea
l
th
s
ta
tu
s
es
an
d
en
s
u
r
e
d
ata
in
teg
r
it
y
i
n
q
u
alit
y
co
n
tr
o
l p
r
o
ce
s
s
es.
6
.
3
.
T
he
pro
po
s
ed
a
rc
hite
ct
ure
T
h
is
r
esear
ch
p
r
o
v
id
es
a
v
is
i
o
n
f
o
r
o
r
g
an
izatio
n
s
to
b
u
ild
a
s
tr
o
n
g
ar
ch
itect
u
r
e
to
co
m
b
at
f
r
au
d
in
r
ea
l
ti
m
e.
F
ig
u
r
e
2
ill
u
s
tr
ate
s
th
e
p
r
o
p
o
s
ed
ar
ch
itectu
r
e
t
h
at
in
te
g
r
ates
r
u
le
e
n
f
o
r
ce
m
en
t,
A
I
m
o
d
els,
an
d
b
i
g
d
ata
tech
n
o
lo
g
ies
ac
r
o
s
s
m
u
lt
ip
le
la
y
er
s
.
T
h
e
s
to
r
ag
e
la
y
er
is
u
s
ed
to
s
to
r
e
d
ata.
I
t
is
r
ec
o
m
m
e
n
d
ed
to
u
s
e
HB
ase,
Had
o
o
p
HDFS,
o
r
C
ass
a
n
d
r
a
[
59
]
,
p
r
o
v
id
in
g
a
s
c
alab
le,
d
is
tr
ib
u
ted
s
to
r
ag
e
s
o
l
u
tio
n
t
h
at
s
u
p
p
o
r
ts
b
o
th
r
ea
l
-
ti
m
e
d
ata
ac
ce
s
s
a
n
d
b
atch
p
r
o
ce
s
s
in
g
r
eq
u
ir
e
m
e
n
t
s
f
o
r
f
r
au
d
d
etec
tio
n
.
T
h
e
tr
ain
in
g
la
y
er
p
r
o
ce
s
s
es
h
is
to
r
ical
d
ata
an
d
i
m
p
r
o
v
es
th
e
A
I
m
o
d
el.
Sp
ar
k
,
f
lu
m
e
[5
2
]
,
an
d
Had
o
o
p
’
s
p
r
o
ce
s
s
in
g
ca
p
ab
ilit
ies
ca
n
b
e
co
m
b
in
ed
w
it
h
Ma
h
o
u
t’
s
ML
alg
o
r
it
h
m
s
[6
0
]
,
w
h
i
le
Hiv
e
p
r
o
v
id
es
a
p
o
w
e
r
f
u
l
d
ata
w
ar
e
h
o
u
s
in
g
f
u
n
ctio
n
f
o
r
co
m
p
r
e
h
en
s
i
v
e
a
n
a
l
y
s
i
s
o
f
p
ast
f
r
a
u
d
p
atter
n
s
[6
1
]
.
T
h
e
in
te
g
r
atio
n
la
y
er
s
er
v
es
as
t
h
e
p
r
im
ar
y
d
at
a
in
g
es
tio
n
p
o
in
t
,
u
tili
z
in
g
p
o
w
er
f
u
l
m
es
s
ag
i
n
g
s
y
s
te
m
s
li
k
e
Kaf
k
a,
R
ed
is
[6
2
]
,
R
ab
b
itMQ
[6
3
]
,
an
d
A
ctiv
eM
Q
[6
4
]
to
h
an
d
le
d
ata
f
r
o
m
ex
t
er
n
al
s
o
u
r
ce
s
.
T
h
e
r
ea
l
-
ti
m
e
f
r
a
u
d
d
etec
tio
n
la
y
er
s
er
v
e
s
as
th
e
co
r
e
an
a
l
y
t
ics
co
m
p
o
n
e
n
t,
le
v
er
ag
i
n
g
tec
h
n
o
lo
g
ies
lik
e
Ka
f
k
a
s
tr
ea
m
s
,
Sp
ar
k
s
t
r
ea
m
in
g
,
o
r
Sto
r
m
to
p
r
o
ce
s
s
liv
e
d
ata
s
tr
ea
m
s
.
I
t
in
teg
r
ates
co
m
p
lex
f
r
au
d
d
etec
tio
n
r
u
les
alo
n
g
s
id
e
ML
m
o
d
el
s
to
id
en
ti
f
y
ad
v
a
n
c
ed
f
r
au
d
p
atter
n
s
.
A
d
d
itio
n
al
l
y
,
d
ata
en
r
ich
m
e
n
t
en
h
a
n
ce
s
d
etec
tio
n
ac
cu
r
ac
y
b
y
i
n
co
r
p
o
r
atin
g
co
n
tex
tu
al
i
n
s
i
g
h
ts
f
r
o
m
i
n
ter
n
a
l
an
d
ex
t
er
n
al
s
o
u
r
ce
s
.
Ke
y
tech
n
iq
u
es
i
n
cl
u
d
e
I
P
-
b
ased
g
eo
lo
ca
tio
n
,
VP
N
d
etec
tio
n
,
d
ev
ice
f
i
n
g
er
p
r
in
tin
g
,
tr
a
n
s
ac
tio
n
an
al
y
s
i
s
,
b
eh
av
io
r
al
b
io
m
e
tr
ics,
B
I
N
n
u
m
b
er
s
,
an
d
e
m
ail
v
er
i
f
icatio
n
,
p
r
o
v
id
in
g
a
co
m
p
r
eh
e
n
s
i
v
e
ap
p
r
o
ac
h
to
f
r
au
d
p
r
ev
en
tio
n
.
T
h
e
u
s
er
i
n
ter
f
ac
e
la
y
er
d
eliv
er
s
a
n
in
t
u
iti
v
e
e
x
p
er
ie
n
ce
t
h
r
o
u
g
h
d
ata
v
i
s
u
a
lizat
io
n
to
o
ls
,
ac
co
m
p
a
n
ied
b
y
a
r
u
le
s
m
an
a
g
e
m
e
n
t
in
ter
f
ac
e
a
n
d
an
aler
t
m
an
a
g
e
m
e
n
t
s
y
s
te
m
th
a
t
p
r
o
m
p
tl
y
n
o
ti
f
ie
s
u
s
er
s
o
f
p
o
ten
tial
f
r
a
u
d
ac
ti
v
itie
s
,
e
n
ab
lin
g
q
u
ick
r
esp
o
n
s
e
to
s
u
s
p
icio
u
s
p
atter
n
s
.
T
h
e
p
r
o
p
o
s
ed
a
rc
h
it
e
c
tu
re
d
eliv
er
s
a
b
alan
ce
d
ap
p
r
o
ac
h
to
f
r
au
d
d
etec
tio
n
,
co
m
b
i
n
in
g
r
ea
l
-
ti
m
e
p
r
o
ce
s
s
in
g
w
it
h
h
i
s
to
r
ical
an
al
y
s
is
to
cr
ea
te
a
r
o
b
u
s
t d
ef
en
s
e
ag
ai
n
s
t f
r
a
u
d
u
l
en
t a
cti
v
ities
.
Fig
u
r
e
2
.
T
h
e
p
r
o
p
o
s
ed
r
ea
l
-
tim
e
f
r
a
u
d
d
etec
tio
n
ar
ch
itect
u
r
e
Evaluation Warning : The document was created with Spire.PDF for Python.
I
SS
N
:
2
5
0
2
-
4752
I
n
d
o
n
esia
n
J
E
lec
E
n
g
&
C
o
m
p
Sci
,
Vo
l.
3
9
,
No
.
2
,
A
u
g
u
s
t
20
25
:
1
2
2
1
-
1
235
1230
6.
4
.
Co
m
pa
ra
t
iv
e
a
na
ly
s
is
w
it
h r
ela
t
ed
w
o
rk
s
T
h
is
s
tu
d
y
p
r
ese
n
ts
a
n
o
v
el
o
p
ti
m
ized
f
r
a
u
d
d
etec
tio
n
ar
ch
i
tectu
r
e
th
at
ad
d
r
ess
e
s
s
e
v
er
al
li
m
ita
tio
n
s
id
en
ti
f
ied
in
e
x
is
ti
n
g
w
o
r
k
s
.
U
n
li
k
e
p
r
ev
io
u
s
s
t
u
d
ies
t
h
at
r
el
y
s
o
lel
y
o
n
Had
o
o
p
f
o
r
b
atch
p
r
o
ce
s
s
in
g
a
n
d
lack
r
ea
l
-
ti
m
e
s
tr
ea
m
p
r
o
ce
s
s
in
g
ca
p
ab
ilit
ies
(
e
.
g
.
,
B
ald
o
m
i
n
o
s
et
al.
[
4
]
,
Di
Ma
u
r
o
an
d
Di
Sar
n
o
[
5
]
)
,
th
e
ar
ch
itect
u
r
e
in
te
g
r
ates
Sp
ar
k
,
Had
o
o
p
,
an
d
Sto
r
m
,
en
ab
li
n
g
e
f
f
icie
n
t
r
ea
l
-
ti
m
e
d
etec
ti
o
n
alo
n
g
s
id
e
b
atch
p
r
o
ce
s
s
in
g
.
A
d
d
itio
n
all
y
,
a
s
s
u
m
m
ar
ized
i
n
T
ab
le
2
,
s
o
m
e
f
r
a
m
e
w
o
r
k
s
(
e.
g
.
,
Z
h
ao
et
a
l.
[
6
]
,
C
u
i
an
d
He
[
9
]
)
lack
s
u
p
er
v
is
ed
M
L
s
u
p
p
o
r
t,
d
ata
en
r
ich
m
e
n
t,
an
d
v
is
u
aliz
atio
n
to
o
ls
.
T
h
e
s
tu
d
y
ap
p
r
o
a
ch
o
v
er
co
m
es
t
h
ese
g
ap
s
b
y
i
n
co
r
p
o
r
atin
g
s
u
p
er
v
i
s
ed
lear
n
in
g
,
I
P
g
eo
lo
ca
tio
n
en
r
ich
m
e
n
t,
an
d
v
i
s
u
aliza
tio
n
f
ea
tu
r
es,
en
h
a
n
cin
g
in
ter
p
r
etab
ilit
y
a
n
d
d
ec
is
io
n
-
m
ak
in
g
.
T
ab
le
2
.
C
o
m
p
ar
is
o
n
o
f
li
m
ita
tio
n
s
i
n
r
elate
d
w
o
r
k
s
an
d
ad
v
an
tag
e
s
o
f
t
h
e
p
r
o
p
o
s
ed
ar
ch
itectu
r
e
R
e
f
e
r
e
n
c
e
L
i
mi
t
a
t
i
o
n
s i
n
e
x
i
st
i
n
g
w
o
r
k
s
I
mp
r
o
v
e
me
n
t
s i
n
t
h
e
p
r
o
p
o
se
d
a
r
c
h
i
t
e
c
t
u
r
e
B
a
l
d
o
mi
n
o
s
e
t
a
l
.
[
4
]
I
n
t
h
i
s
r
e
se
a
r
c
h
,
t
h
e
a
u
t
h
o
r
s
i
m
p
l
e
me
n
t
a
n
d
e
v
a
l
u
a
t
e
b
a
t
c
h
M
L
a
l
g
o
r
i
t
h
ms t
h
a
t
r
u
n
o
n
l
y
o
n
H
a
d
o
o
p
a
n
d
l
a
c
k
r
e
a
l
-
t
i
me
s
t
r
e
a
m
p
r
o
c
e
ssi
n
g
c
a
p
a
b
i
l
i
t
y
.
T
h
e
p
r
o
p
o
se
d
a
r
c
h
i
t
e
c
t
u
r
e
u
t
i
l
i
z
e
s Sp
a
r
k
a
n
d
S
t
o
r
m t
e
c
h
n
o
l
o
g
i
e
s fo
r
e
n
h
a
n
c
e
d
sc
a
l
a
b
i
l
i
t
y
a
n
d
s
t
r
e
a
m p
r
o
c
e
ssi
n
g
e
f
f
i
c
i
e
n
c
y
.
D
i
M
a
u
r
o
a
n
d
D
i
S
a
r
n
o
[
5
]
I
n
t
h
i
s
r
e
se
a
r
c
h
,
t
h
e
a
u
t
h
o
r
s
i
m
p
l
e
me
n
t
a
n
d
e
v
a
l
u
a
t
e
b
a
t
c
h
u
n
su
p
e
r
v
i
se
d
M
L
a
l
g
o
r
i
t
h
ms
t
h
a
t
o
p
e
r
a
t
e
so
l
e
l
y
o
n
H
a
d
o
o
p
a
n
d
d
o
n
o
t
p
o
sse
ss re
a
l
-
t
i
me
st
r
e
a
m p
r
o
c
e
ssi
n
g
c
a
p
a
b
i
l
i
t
i
e
s.
T
h
e
p
r
o
p
o
se
d
a
r
c
h
i
t
e
c
t
u
r
e
u
t
i
l
i
z
e
s Sp
a
r
k
a
n
d
H
a
d
o
o
p
t
o
e
n
a
b
l
e
e
f
f
i
c
i
e
n
t
b
a
t
c
h
t
r
a
i
n
i
n
g
u
si
n
g
u
n
s
u
p
e
r
v
i
se
d
M
L
a
l
g
o
r
i
t
h
ms.
Z
h
a
o
e
t
a
l
.
[
6
]
I
n
t
h
i
s
r
e
se
a
r
c
h
w
o
r
k
,
t
h
e
a
u
t
h
o
r
s re
l
y
so
l
e
l
y
o
n
H
a
d
o
o
p
f
o
r
b
a
t
c
h
t
r
a
i
n
i
n
g
.
U
n
s
u
p
e
r
v
i
se
d
M
L
,
d
a
t
a
e
n
r
i
c
h
me
n
t
(
s
u
c
h
a
s I
P
g
e
o
l
o
c
a
t
i
o
n
)
,
a
n
d
v
i
su
a
l
i
z
a
t
i
o
n
t
o
o
l
s a
r
e
u
n
a
v
a
i
l
a
b
l
e
.
T
h
e
p
r
o
p
o
se
d
a
r
c
h
i
t
e
c
t
u
r
e
u
t
i
l
i
z
e
s Sp
a
r
k
a
n
d
H
a
d
o
o
p
f
o
r
b
a
t
c
h
t
r
a
i
n
i
n
g
w
i
t
h
u
n
s
u
p
e
r
v
i
se
d
M
L
a
l
g
o
r
i
t
h
ms
a
n
d
i
n
t
e
g
r
a
t
e
s I
P
g
e
o
l
o
c
a
t
i
o
n
e
n
r
i
c
h
me
n
t
a
l
o
n
g
w
i
t
h
v
i
su
a
l
i
z
a
t
i
o
n
t
o
o
l
s.
C
u
i
e
t
a
l
.
[
9
]
T
h
e
i
r
so
l
u
t
i
o
n
w
o
r
k
s o
n
o
n
e
d
a
t
a
se
t
v
i
a
H
a
d
o
o
p
b
a
t
c
h
t
r
a
i
n
i
n
g
o
n
l
y
.
N
e
e
d
s a
c
c
u
r
a
c
y
i
mp
r
o
v
e
me
n
t
a
n
d
l
a
c
k
s re
a
l
-
t
i
me
p
r
o
c
e
ssi
n
g
.
T
h
e
p
r
o
p
o
se
d
a
r
c
h
i
t
e
c
t
u
r
e
u
t
i
l
i
z
e
s Sp
a
r
k
a
n
d
H
a
d
o
o
p
f
o
r
b
a
t
c
h
t
r
a
i
n
i
n
g
w
h
i
l
e
e
n
su
r
i
n
g
a
c
c
u
r
a
c
y
mee
t
s re
q
u
i
r
e
me
n
t
s
a
n
d
p
r
o
v
i
d
i
n
g
f
u
l
l
r
e
a
l
-
t
i
me
p
r
o
c
e
ssi
n
g
su
p
p
o
r
t
.
D
a
i
et
a
l
.
[
7
]
T
h
e
f
r
a
mew
o
r
k
n
e
e
d
s i
n
t
e
g
r
a
t
i
o
n
w
i
t
h
mu
l
t
i
p
l
e
d
e
t
e
c
t
i
o
n
a
l
g
o
r
i
t
h
ms.
T
h
e
p
r
o
p
o
se
d
a
r
c
h
i
t
e
c
t
u
r
e
i
s
a
l
r
e
a
d
y
w
e
l
l
-
i
n
t
e
g
r
a
t
e
d
w
i
t
h
mu
l
t
i
p
l
e
d
e
t
e
c
t
i
o
n
a
l
g
o
r
i
t
h
ms.
S
t
o
j
a
n
o
v
i
c
e
t
a
l
.
[
8
]
L
e
a
r
n
i
n
g
t
y
p
e
s a
n
d
M
L
a
l
g
o
r
i
t
h
ms w
e
r
e
u
n
s
p
e
c
i
f
i
e
d
.
T
h
e
p
r
o
p
o
s
e
d
a
r
c
h
i
t
e
c
t
u
r
e
su
p
p
o
r
t
s
t
h
e
d
i
f
f
e
r
e
n
t
l
e
a
r
n
i
n
g
t
y
p
e
s a
n
d
r
u
l
e
s.
B
a
l
a
s
u
p
r
a
ma
n
i
a
n
e
t
a
l
.
[
1
0
]
N
o
su
p
e
r
v
i
s
e
d
M
L
w
a
s u
se
d
.
T
h
e
so
l
u
t
i
o
n
o
f
f
e
r
s n
e
a
r
r
e
a
l
-
t
i
me
d
e
t
e
c
t
i
o
n
o
n
l
y
a
n
d
l
a
c
k
s
r
e
a
l
-
t
i
me
p
r
o
c
e
ssi
n
g
t
o
o
l
s.
T
h
e
p
r
o
p
o
se
d
a
r
c
h
i
t
e
c
t
u
r
e
su
p
p
o
r
t
s
su
p
e
r
v
i
se
d
M
L
a
l
g
o
r
i
t
h
ms a
n
d
e
n
a
b
l
e
s re
a
l
-
t
i
me
d
e
t
e
c
t
i
o
n
a
n
d
p
r
o
c
e
ssi
n
g
.
M
e
l
o
-
A
c
o
st
a
e
t
a
l
.
[
1
1
]
F
r
a
mew
o
r
k
l
a
c
k
s re
a
l
-
t
i
me
p
r
o
c
e
ssi
n
g
;
S
p
a
r
k
o
n
l
y
h
a
n
d
l
e
s b
a
t
c
h
t
r
a
i
n
i
n
g
.
T
h
e
p
r
o
p
o
se
d
a
r
c
h
i
t
e
c
t
u
r
e
e
n
a
b
l
e
s re
a
l
-
t
i
me
p
r
o
c
e
ssi
n
g
w
i
t
h
S
p
a
r
k
a
n
d
H
a
d
o
o
p
f
o
r
b
a
t
c
h
t
r
a
i
n
i
n
g
.
C
a
r
c
i
l
l
o
e
t
a
l
.
[
1
3
]
T
h
e
f
r
a
mew
o
r
k
h
a
n
d
l
e
s t
r
a
n
sac
t
i
o
n
s
n
e
a
r
r
e
a
l
-
t
i
me
o
n
l
y
a
n
d
l
a
c
k
s ru
l
e
-
b
a
se
d
su
p
p
o
r
t
.
T
h
e
p
r
o
p
o
se
d
a
r
c
h
i
t
e
c
t
u
r
e
p
r
o
c
e
sse
s
t
r
a
n
s
a
c
t
i
o
n
s i
n
r
e
a
l
-
t
i
me
;
r
u
l
e
-
b
a
se
d
s
u
p
p
o
r
t
.
O
t
h
m
a
n
e
t
a
l
.
[
1
2
]
T
h
e
mo
d
e
l
l
a
c
k
s sc
a
l
a
b
i
l
i
t
y
a
n
d
u
se
s a
si
n
g
l
e
-
p
r
e
d
i
c
t
i
o
n
mo
d
e
l
.
T
h
e
p
r
o
p
o
se
d
a
r
c
h
i
t
e
c
t
u
r
e
u
se
s St
o
r
m
f
o
r
sca
l
a
b
l
e
r
e
a
l
-
t
i
me
p
r
o
c
e
ssi
n
g
a
n
d
mu
l
t
i
p
l
e
p
r
e
d
i
c
t
i
o
n
mo
d
e
l
s.
N
a
i
r
e
t
a
l
.
[
1
4
]
T
h
e
s
y
st
e
m u
se
s so
l
e
l
y
D
T
M
L
w
i
t
h
n
o
p
r
e
se
t
r
u
l
e
s.
T
h
e
p
r
o
p
o
se
d
a
r
c
h
i
t
e
c
t
u
r
e
c
o
mb
i
n
e
s
M
L
a
l
g
o
r
i
t
h
ms w
i
t
h
p
r
e
se
t
r
u
l
e
s.
Cao
e
t
a
l
.
[
1
5
]
S
y
st
e
m mi
ssi
n
g
r
u
l
e
e
n
g
i
n
e
,
d
a
t
a
e
n
r
i
c
h
me
n
t
(
I
P
/
e
mai
l
/
c
a
r
d
)
,
a
n
d
m
a
n
u
a
l
a
l
e
r
t
v
e
r
i
f
i
c
a
t
i
o
n
c
a
p
a
b
i
l
i
t
i
e
s.
T
h
e
p
r
o
p
o
se
d
a
r
c
h
i
t
e
c
t
u
r
e
su
p
p
o
r
t
s
a
r
u
l
e
b
u
i
l
d
e
r
e
n
g
i
n
e
,
d
a
t
a
e
n
r
i
c
h
me
n
t
(
I
P
/
e
mai
l
/
c
a
r
d
)
,
a
n
d
m
a
n
u
a
l
a
l
e
r
t
v
e
r
i
f
i
c
a
t
i
o
n
c
a
p
a
b
i
l
i
t
i
e
s.
Z
h
o
u
e
t
a
l
.
[
1
6
]
T
h
e
me
t
h
o
d
o
l
o
g
y
l
a
c
k
s re
a
l
-
t
i
me
p
r
o
c
e
ssi
n
g
,
a
l
t
e
r
n
a
t
i
v
e
so
l
u
t
i
o
n
i
n
t
e
g
r
a
t
i
o
n
,
a
n
d
m
a
n
u
a
l
v
e
r
i
f
i
c
a
t
i
o
n
f
o
r
su
s
p
i
c
i
o
u
s
a
l
e
r
t
s.
T
h
e
p
r
o
p
o
se
d
a
r
c
h
i
t
e
c
t
u
r
e
e
n
a
b
l
e
s re
a
l
-
t
i
me
p
r
o
c
e
ssi
n
g
,
i
n
t
e
g
r
a
t
e
s w
i
t
h
a
n
y
so
l
u
t
i
o
n
,
a
n
d
i
n
c
l
u
d
e
s m
a
n
u
a
l
v
e
r
i
f
i
c
a
t
i
o
n
.
H
a
b
e
e
b
e
t
a
l
.
[
1
7
]
F
r
a
mew
o
r
k
l
a
c
k
s s
u
p
e
r
v
i
se
d
M
L
,
r
e
a
l
-
t
i
me
p
r
o
c
e
ssi
n
g
,
r
u
l
e
b
u
i
l
d
i
n
g
,
d
a
t
a
e
n
r
i
c
h
me
n
t
,
a
n
d
m
a
n
u
a
l
v
e
r
i
f
i
c
a
t
i
o
n
,
o
f
f
e
r
i
n
g
o
n
l
y
n
e
a
r
r
e
a
l
-
t
i
me
d
e
t
e
c
t
i
o
n
.
T
h
e
p
r
o
p
o
se
d
a
r
c
h
i
t
e
c
t
u
r
e
su
p
p
o
r
t
s
su
p
e
r
v
i
se
d
M
L
,
r
e
a
l
-
t
i
me
p
r
o
c
e
ssi
n
g
,
r
u
l
e
b
u
i
l
d
i
n
g
,
d
a
t
a
e
n
r
i
c
h
me
n
t
,
ma
n
u
a
l
v
e
r
i
f
i
c
a
t
i
o
n
,
a
n
d
r
e
a
l
-
t
i
me
d
e
t
e
c
t
i
o
n
.
S
a
h
e
e
d
e
t
a
l
.
[
1
8
]
N
o
b
i
g
d
a
t
a
t
e
c
h
w
a
s sp
e
c
i
f
i
e
d
.
L
a
c
k
s
r
e
a
l
-
t
i
me
p
r
o
c
e
ssi
n
g
,
i
n
t
e
g
r
a
t
i
o
n
o
p
t
i
o
n
s,
a
n
d
man
u
a
l
v
e
r
i
f
i
c
a
t
i
o
n
f
o
r
su
sp
i
c
i
o
u
s
t
r
a
n
s
a
c
t
i
o
n
s.
T
h
e
p
r
o
p
o
se
d
a
r
c
h
i
t
e
c
t
u
r
e
u
t
i
l
i
z
e
s b
i
g
d
a
t
a
t
e
c
h
n
o
l
o
g
i
e
s t
o
p
r
o
v
i
d
e
r
e
a
l
-
t
i
me
p
r
o
c
e
ssi
n
g
,
se
a
ml
e
ss i
n
t
e
g
r
a
t
i
o
n
c
a
p
a
b
i
l
i
t
i
e
s,
a
n
d
man
u
a
l
v
e
r
i
f
i
c
a
t
i
o
n
f
o
r
su
s
p
i
c
i
o
u
s
t
r
a
n
sac
t
i
o
n
s.
T
a
w
d
e
e
t
a
l
.
[
1
9
]
T
h
e
me
t
h
o
d
l
a
c
k
s re
a
l
-
t
i
me
p
r
o
c
e
ssi
n
g
,
i
n
t
e
g
r
a
t
i
o
n
o
p
t
i
o
n
s
,
a
n
d
ma
n
u
a
l
v
e
r
i
f
i
c
a
t
i
o
n
f
o
r
su
sp
i
c
i
o
u
s
t
r
a
n
sac
t
i
o
n
s.
T
h
e
p
r
o
p
o
se
d
a
r
c
h
i
t
e
c
t
u
r
e
o
f
f
e
r
s r
e
a
l
-
t
i
me
p
r
o
c
e
ssi
n
g
,
i
n
t
e
g
r
a
t
e
s w
i
t
h
a
l
t
e
r
n
a
t
i
v
e
s,
a
n
d
i
n
c
l
u
d
e
s m
a
n
u
a
l
v
e
r
i
f
i
c
a
t
i
o
n
f
o
r
s
u
sp
i
c
i
o
u
s
t
r
a
n
s
a
c
t
i
o
n
s.
Evaluation Warning : The document was created with Spire.PDF for Python.