当今,随着国内电信业的重组改革和通信技术的发展以及基础设施建设的完善,各运营商在客户和业务等领域展开了激烈的竞争。电信运营商的经营模式逐渐从“技术驱动”向“市场驱动”、“客户驱动”转化。这就要求运营商要采取以客户为中心的策略,客户资源成为了运营商竞争的焦点。在客户资源的争夺战中,各家运营商的市场竞争导致入网门槛降低,给予客户实惠以吸引客户,使得客户市场的迅速扩大。在客户市场扩大的同时恶意欠费用户群体随之扩大。在所有电信客户中,虽然恶意欠费的客户群体只占总群体的很小一部分,但是这一群体的客户给电信业造成的损失是巨大的,各电信运营商为了避免、挽回或减轻这部分的损失不得不采取各种措施。论文的重点就在于根据对历史上恶意欠费欺诈客户通话行为分析建立一个客户恶意欠费欺诈行为预测模型。在固定电话通信业务中,目前对欠费用户采用的策略是欠费后第一个月实行限制呼叫,即该用户只能被呼而不能主动呼出;欠费后第二个月实行更为严厉的限制,该用户既不能呼出也不能被呼;到第三个月就实行强制拆机。显然在这里不能把上述欠费状态中1 个月或2 个月的用户定义为欺诈用户,而只能认为被强制拆机的用户才是真正的欺诈用户。利用RBF 神经网络建模,通过客户通话详单的历史数据训练,建立用户属性、服务属性和用户消费数据的预测模型。根据用户属性、服务属性和用户消费数据建立模型,就可以计算出用户欺诈的危险度,利用聚类技术根据客户的危险度将客户划分成不同等级危险度的用户群体。针对不同危险度的用户群采取不同的策略,比如针对欺诈危险高的用户群可以采用严厉的催缴策略,比如限制服务、最大程度缩短缴款缓冲时间段长度等。论文最后利用VC++6.0 进行了人机界面和系统程序的设计。