اپراتورهای تلفن همراه، سالیانه درصد زیادی از درآمد خود را به خاطر کلاهبرداری از دست می دهند. به همین دلیل آنها هزینههای بالایی را صرف استفاده از اقدامات پیشگیری کننده از وقوع کلاهبرداریها می کنند. با این وجود، این اقدامات نمیتوانند به طور کامل جلوی وقوع کلاهبرداریها را بگیرند و همواره نوعهای جدیدی از کلاهبرداری در حال رشد هستند. بنابراین مساله کشف کلاهبرداری در شبکههای تلفن همراه، به یک نیاز اجتناب ناپذیر تبدیل شده است. اپراتورها برای کشف کلاهبرداری ها، از روش های مختلفی استفاده می کنند. یکی از مشکلاتی که برای این مساله وجود دارد گوناگونی انواع کلاهبرداریها است به طوری که هر روشی که برای کشف یک نوع کلاهبرداری به کار می رود قادر به کشف انواع دیگر کلاهبرداری ها نیست. از طرفی بسیاری از کلاهبرداران زمانی که از روشهای جدید کشف کلاهبرداری با خبر میشوند، به دنبال روش های دیگری میروند که به وسیله روش های قبلی قابل کشف نباشند. استفاده از روش های داده کاوی برای کشف کلاهبرداری تا حدودی به رفع این مشکل کمک می کند. سیستمهای جدید کشف کلاهبرداری به روشهایی رو آوردهاند که با استفاده از الگوریتمهای پیشرفته داده کاوی الگوهای کلاهبردارانه را از روی اطلاعات تماسی کاربران به دست میآورند. کارهای پیشین با دو رویکرد نظارتی و غیرنظارتی به این موضوع پرداخته اند. در رویکرد نظارتی از روش های مختلفی از جمله درخت تصمیم و شبکه های عصبی و ماشین بردار پشتیبان و روش های ترکیبی استفاده کرده اند. از آنجایی که این کارها در شرایط و مجموعه داده های مختلف انجام شده اند، امکان مقایسه روش ها با یکدیگر وجود ندارد. بنابراین ما مهمترین روش ها را بر روی مجموعه داده موجود اعمال کردیم تا امکان مقایسه روش ها در یک قالب یکسان وجود داشته باشد. سپس نتایج آنها را ارزیابی کردیم. بررسی ها نشان می دهند که استفاده از روش های به کار برده شده باعث بهبود نتایج به دست آمده قبلی شده اند.