【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及安全通信，具體涉及基于圖計(jì)算的涉詐號(hào)碼檢測方法。
技術(shù)介紹
1、現(xiàn)有的對于電信詐騙的檢測技術(shù)，通常從用戶呼叫記錄提取通話次數(shù)、時(shí)長、地域分布等，判斷是否是電信詐騙的通話號(hào)碼，但是，檢測準(zhǔn)確度不高，檢測結(jié)果不理想。
2、現(xiàn)有專利中，公開號(hào)為cn112153221b的申請文件，公開一種基于社交網(wǎng)絡(luò)圖計(jì)算的通信行為識(shí)別方法，屬于通信社交領(lǐng)域；首先，利用數(shù)據(jù)流接口抓取海量用戶的通信記錄，以所有用戶為節(jié)點(diǎn)，用戶間的通信行為為邊構(gòu)建通信社交網(wǎng)絡(luò)；然后根據(jù)牛頓冷卻定理，針對某時(shí)刻t進(jìn)行每兩個(gè)用戶間親密度的初始值計(jì)算；并根據(jù)通信社交網(wǎng)絡(luò)，通過游走采樣法初步挖掘目標(biāo)用戶a的社交子圖：接著利用圖卷積模型對社交子圖中各節(jié)點(diǎn)交互進(jìn)行建模，完成各節(jié)點(diǎn)狀態(tài)的更新；同時(shí)，利用概率圖模型通過馬爾可夫隨機(jī)場完成社交子圖中各節(jié)點(diǎn)狀態(tài)的更新；最后將各用戶對應(yīng)的兩個(gè)節(jié)點(diǎn)狀態(tài)的更新結(jié)果進(jìn)行拼接，輸入多范圍門控單元，利用端到端學(xué)習(xí)法，輸出概率結(jié)果進(jìn)行名單的劃分；本專利技術(shù)能實(shí)現(xiàn)實(shí)時(shí)有效的詐騙檢測。
3、但是，上述方案存在計(jì)算復(fù)雜步驟繁瑣的問題。
技術(shù)實(shí)現(xiàn)思路
1、本專利技術(shù)提供基于圖計(jì)算的涉詐號(hào)碼檢測方法，以解決現(xiàn)有技術(shù)中存在的上述問題。
2、本專利技術(shù)提供基于圖計(jì)算的涉詐號(hào)碼檢測方法，包括：
3、s100，獲取涉詐號(hào)碼的通信數(shù)據(jù)；所述通信數(shù)據(jù)包括：主叫號(hào)碼、被叫號(hào)碼、通話時(shí)間和通話時(shí)長；
4、s200，基于通信數(shù)據(jù)構(gòu)建圖數(shù)據(jù)結(jié)構(gòu)，并確定圖數(shù)據(jù)結(jié)構(gòu)的類
5、s300，根據(jù)圖數(shù)據(jù)結(jié)構(gòu)的類型為相應(yīng)的圖數(shù)據(jù)結(jié)構(gòu)匹配相應(yīng)的圖計(jì)算檢測模型，將圖數(shù)據(jù)結(jié)構(gòu)輸入至對應(yīng)的圖計(jì)算檢測模型中，判斷涉詐號(hào)碼是否為詐騙號(hào)碼。
6、優(yōu)選的，所述s200包括：
7、s201，將通信數(shù)據(jù)形成通信日志信息，將通信日志信息按照時(shí)間段分割為多個(gè)通信日志區(qū)段，構(gòu)建基于時(shí)間的通信網(wǎng)絡(luò)圖；
8、s202，設(shè)定判定指標(biāo)，判定指標(biāo)包括：名譽(yù)度和互惠度；
9、s203，確定圖數(shù)據(jù)結(jié)構(gòu)的類型包括：靜態(tài)圖和動(dòng)態(tài)圖。
10、優(yōu)選的，所述s300中，將圖數(shù)據(jù)結(jié)構(gòu)輸入至對應(yīng)的圖計(jì)算檢測模型中，判斷涉詐號(hào)碼是否為詐騙號(hào)碼，包括：
11、s301，基于排序和分類的方法確定涉詐號(hào)碼為詐騙號(hào)碼的概率，若確定的概率大于等于設(shè)定的概率閾值，則認(rèn)定涉詐號(hào)碼為詐騙號(hào)碼。
12、優(yōu)選的，所述s201包括：
13、s2011，將通信網(wǎng)絡(luò)圖轉(zhuǎn)換成為移動(dòng)時(shí)序網(wǎng)絡(luò)的接觸序列；
14、s2012，轉(zhuǎn)換前，日志表項(xiàng)<a,b,t0>表明節(jié)點(diǎn)a、b之間存在通話活動(dòng)，通話方向從a到b，通話起始時(shí)間為t0；
15、s2013，轉(zhuǎn)換后，在移動(dòng)時(shí)序網(wǎng)絡(luò)的接觸序列中，有向邊<a,b>表明通話活動(dòng)的雙方節(jié)點(diǎn)和通話方向，通話的起始時(shí)間t0由<a,b>邊的權(quán)值表示。
16、優(yōu)選的，所述s300包括：
17、移動(dòng)時(shí)序網(wǎng)絡(luò)的接觸序列圖節(jié)點(diǎn)設(shè)置名譽(yù)度閾值和互惠度閾值；
18、遍歷接觸序列圖中的每一個(gè)通信節(jié)點(diǎn)，計(jì)算每個(gè)通信節(jié)點(diǎn)的名譽(yù)度和互惠度；名譽(yù)度計(jì)算方法包括：通信節(jié)點(diǎn)作為被叫方的通話數(shù)量與該通信節(jié)點(diǎn)總的通話數(shù)量的比值得到名譽(yù)度；互惠度計(jì)算方法包括：通信節(jié)點(diǎn)在通信日志某個(gè)區(qū)段內(nèi)所有正常通信數(shù)量與該通信節(jié)點(diǎn)作為主叫方的通話數(shù)量的比值得到互惠度；
19、若通信節(jié)點(diǎn)的名譽(yù)度小于等于名譽(yù)度閾值，以及互惠度小于等于互惠度閾值，則判定該通信節(jié)點(diǎn)對應(yīng)的設(shè)置號(hào)碼為詐騙號(hào)碼。
20、優(yōu)選的，所述s300還包括：計(jì)算設(shè)定時(shí)間段內(nèi)的某個(gè)通信節(jié)點(diǎn)與其他通信節(jié)點(diǎn)之間的影響力值，根據(jù)影響力值建立影響力圖，根據(jù)影響力圖判定某個(gè)通信節(jié)點(diǎn)對應(yīng)的涉詐號(hào)碼是否為詐騙號(hào)碼；
21、影響力值的計(jì)算方法包括：某個(gè)通信節(jié)點(diǎn)到另一個(gè)通信節(jié)點(diǎn)之間所有路徑強(qiáng)度之和；路徑強(qiáng)度是指路徑上的通信節(jié)點(diǎn)選擇另一個(gè)通信節(jié)點(diǎn)的概率乘積。
22、優(yōu)選的，根據(jù)影響力值建立影響力圖，根據(jù)影響力圖判定某個(gè)通信節(jié)點(diǎn)對應(yīng)的涉詐號(hào)碼是否為詐騙號(hào)碼，包括：
23、判斷兩個(gè)通信節(jié)點(diǎn)之間是否存在一條路徑；
24、如果存在路徑，則計(jì)算兩個(gè)通信節(jié)點(diǎn)之間的影響力值；否則，計(jì)算過程返回0值，表明這兩個(gè)通信節(jié)點(diǎn)之間不存在影響力；
25、如果影響力值小于設(shè)定的影響力閾值，將影響力值設(shè)定為0。
26、優(yōu)選的，所述s100之后，包括：對通信數(shù)據(jù)進(jìn)行特征提取，獲得涉詐號(hào)碼的用戶特征；并對用戶特征進(jìn)行組合優(yōu)化建立用戶行為特征體系；通過構(gòu)建模型的方式對用戶行為特征體系中的用戶特征做重要度分析；篩選出重要度高于設(shè)定值的用戶特征，作為涉詐號(hào)碼對應(yīng)的最終用戶特征；
27、基于最終用戶特征和圖計(jì)算檢測模型判斷涉詐號(hào)碼是否為詐騙號(hào)碼。
28、優(yōu)選的，構(gòu)建模型的構(gòu)建方法包括：
29、通過集成多個(gè)并行的決策樹形成決策森林來構(gòu)建模型進(jìn)行預(yù)測；隨機(jī)從原始數(shù)據(jù)集中通過自助采樣集的方式形成多個(gè)不同的數(shù)據(jù)集構(gòu)建不同的個(gè)體決策樹，使用隨機(jī)部分?jǐn)?shù)據(jù)集作為基學(xué)習(xí)器的訓(xùn)練樣本使得模型不容易出現(xiàn)過擬合；在訓(xùn)練每個(gè)決策樹時(shí)從所有的特征中隨機(jī)選取多個(gè)特征，并從多個(gè)特征中選取最優(yōu)的特征采用完全分裂的方式訓(xùn)練出決策樹；隨機(jī)森林通過結(jié)合所有的輸出進(jìn)行投票并選出最后的決策結(jié)果。
30、優(yōu)選的，對于每個(gè)決策樹，使用自助采樣集后的袋外數(shù)據(jù)測試出相應(yīng)的第一袋外數(shù)據(jù)誤差；對袋外數(shù)據(jù)所有的樣本的某一特征加入噪聲干擾并測試相應(yīng)的第二袋外數(shù)據(jù)誤差，將上述過程遍歷整個(gè)隨即森林，某一特征的重要度的計(jì)算方式為：計(jì)算每個(gè)決策樹的第二袋外數(shù)據(jù)誤差與第一袋外數(shù)據(jù)誤差之差，將所有決策樹的誤差相加，并除以決策樹的數(shù)量，形成重要度；
31、通過給特征加入噪聲來觀察模型預(yù)測準(zhǔn)確度的變化來判斷特征的貢獻(xiàn)度，若某個(gè)特征加入大量噪聲模型的準(zhǔn)確度沒有發(fā)生變化那么可以判斷為冗余特征，相反則為重要特征。
32、與現(xiàn)有技術(shù)相比，本專利技術(shù)具有以下優(yōu)點(diǎn)：
33、本專利技術(shù)提供基于圖計(jì)算的涉詐號(hào)碼檢測方法，包括：獲取涉詐號(hào)碼的通信數(shù)據(jù)；所述通信數(shù)據(jù)包括：主叫號(hào)碼、被叫號(hào)碼、通話時(shí)間和通話時(shí)長；基于通信數(shù)據(jù)構(gòu)建圖數(shù)據(jù)結(jié)構(gòu)，并確定圖數(shù)據(jù)結(jié)構(gòu)的類型；根據(jù)圖數(shù)據(jù)結(jié)構(gòu)的類型為相應(yīng)的圖數(shù)據(jù)結(jié)構(gòu)匹配相應(yīng)的圖計(jì)算檢測模型，將圖數(shù)據(jù)結(jié)構(gòu)輸入至對應(yīng)的圖計(jì)算檢測模型中，判斷涉詐號(hào)碼是否為詐騙號(hào)碼。本方案僅使用通信日志信息。該算法無需任何關(guān)于詐騙號(hào)碼對應(yīng)的通信節(jié)點(diǎn)的先驗(yàn)信息，最大程度保護(hù)了用戶隱私，降低了服務(wù)器的計(jì)算工作量，獲得了很好的運(yùn)行性能。另外，移動(dòng)網(wǎng)絡(luò)通信節(jié)點(diǎn)的角色可能發(fā)生動(dòng)態(tài)轉(zhuǎn)變。一些詐騙號(hào)碼對應(yīng)的通信節(jié)點(diǎn)可能在一段時(shí)間后轉(zhuǎn)變?yōu)檎９?jié)點(diǎn)，反之亦然。但在發(fā)生角色轉(zhuǎn)變時(shí)，沒有明顯的跡象。
34、本專利技術(shù)的其它特征和優(yōu)點(diǎn)將在隨后的說明書中闡述，并且，部分地從說明書中變得顯而易見，或者通過實(shí)施本專利技術(shù)而了解。本專利技術(shù)的目的和其他優(yōu)點(diǎn)可通過在所寫的說明書、本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.基于圖計(jì)算的涉詐號(hào)碼檢測方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的基于圖計(jì)算的涉詐號(hào)碼檢測方法，其特征在于，所述S200包括：
3.根據(jù)權(quán)利要求1所述的基于圖計(jì)算的涉詐號(hào)碼檢測方法，其特征在于，所述S300中，將圖數(shù)據(jù)結(jié)構(gòu)輸入至對應(yīng)的圖計(jì)算檢測模型中，判斷涉詐號(hào)碼是否為詐騙號(hào)碼，包括：
4.根據(jù)權(quán)利要求2所述的基于圖計(jì)算的涉詐號(hào)碼檢測方法，其特征在于，所述S201包括：
5.根據(jù)權(quán)利要求4所述的基于圖計(jì)算的涉詐號(hào)碼檢測方法，其特征在于，所述S300包括：
6.根據(jù)權(quán)利要求4所述的基于圖計(jì)算的涉詐號(hào)碼檢測方法，其特征在于，所述S300還包括：計(jì)算設(shè)定時(shí)間段內(nèi)的某個(gè)通信節(jié)點(diǎn)與其他通信節(jié)點(diǎn)之間的影響力值，根據(jù)影響力值建立影響力圖，根據(jù)影響力圖判定某個(gè)通信節(jié)點(diǎn)對應(yīng)的涉詐號(hào)碼是否為詐騙號(hào)碼；
7.根據(jù)權(quán)利要求6所述的基于圖計(jì)算的涉詐號(hào)碼檢測方法，其特征在于，根據(jù)影響力值建立影響力圖，根據(jù)影響力圖判定某個(gè)通信節(jié)點(diǎn)對應(yīng)的涉詐號(hào)碼是否為詐騙號(hào)碼，包括：
8.根據(jù)權(quán)利要求1所述的基于圖計(jì)算的涉詐號(hào)碼檢測
9.根據(jù)權(quán)利要求8所述的基于圖計(jì)算的涉詐號(hào)碼檢測方法，其特征在于，構(gòu)建模型的構(gòu)建方法包括：
10.根據(jù)權(quán)利要求9所述的基于圖計(jì)算的涉詐號(hào)碼檢測方法，其特征在于，對于每個(gè)決策樹，使用自助采樣集后的袋外數(shù)據(jù)測試出相應(yīng)的第一袋外數(shù)據(jù)誤差；對袋外數(shù)據(jù)所有的樣本的某一特征加入噪聲干擾并測試相應(yīng)的第二袋外數(shù)據(jù)誤差，將上述過程遍歷整個(gè)隨即森林，某一特征的重要度的計(jì)算方式為：計(jì)算每個(gè)決策樹的第二袋外數(shù)據(jù)誤差與第一袋外數(shù)據(jù)誤差之差，將所有決策樹的誤差相加，并除以決策樹的數(shù)量，形成重要度；
...【技術(shù)特征摘要】
1.基于圖計(jì)算的涉詐號(hào)碼檢測方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的基于圖計(jì)算的涉詐號(hào)碼檢測方法，其特征在于，所述s200包括：
3.根據(jù)權(quán)利要求1所述的基于圖計(jì)算的涉詐號(hào)碼檢測方法，其特征在于，所述s300中，將圖數(shù)據(jù)結(jié)構(gòu)輸入至對應(yīng)的圖計(jì)算檢測模型中，判斷涉詐號(hào)碼是否為詐騙號(hào)碼，包括：
4.根據(jù)權(quán)利要求2所述的基于圖計(jì)算的涉詐號(hào)碼檢測方法，其特征在于，所述s201包括：
5.根據(jù)權(quán)利要求4所述的基于圖計(jì)算的涉詐號(hào)碼檢測方法，其特征在于，所述s300包括：
6.根據(jù)權(quán)利要求4所述的基于圖計(jì)算的涉詐號(hào)碼檢測方法，其特征在于，所述s300還包括：計(jì)算設(shè)定時(shí)間段內(nèi)的某個(gè)通信節(jié)點(diǎn)與其他通信節(jié)點(diǎn)之間的影響力值，根據(jù)影響力值建立影響力圖，根據(jù)影響力圖判定某個(gè)通信節(jié)點(diǎn)對應(yīng)的涉詐號(hào)碼是否為詐騙號(hào)碼；
7.根據(jù)權(quán)利要求6所述的基于圖計(jì)算的涉詐號(hào)碼檢測方法，其特征在于，根據(jù)影響力值建立影響力圖，根據(jù)影響力圖...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：馬德琳，劉特瑋，張家晟，王冠麟，龍斌，戴晶晶，賀思航，龐晶晶，唐來賢，陳喬，周俊，周均，金立志，謝學(xué)勤，陸正松，張現(xiàn)增，
申請(專利權(quán))人：北京東方通網(wǎng)信科技有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評(píng)論。發(fā)表了對其他瀏覽者有用的留言會(huì)獲得科技券。