[发明专利]诈骗识别模型训练方法、装置、电子设备及存储介质

说明书

本申请实施例提供了一种诈骗识别模型训练方法、装置、电子设备及存储介质。所述方法包括：根据欺诈业务数据，获取具有目标设备诈骗行为的多种类型特征的关键特征集；根据历史诈骗业务数据和所述关键特征集，获取目标设备对应的诈骗行为数据集；基于所述关键特征集和所述诈骗行为数据集对预先构建的诈骗识别模型进行训练，得到目标诈骗识别模型。本申请实施例结合具有目标设备诈骗行为的多种类型特征的关键特征集和诈骗行为数据集训练目标诈骗识别模型，能够提供细粒度的价值化参考数据，从而可以有效打击电信网络诈骗，保障人民群众的人身财产安全。同时，可以提高诈骗行为的检测准确度及检测效率。

技术领域

本申请涉及模型训练技术领域，特别是涉及一种诈骗识别模型训练方法、装置、电子设备及存储介质。

背景技术

随着电信诈骗的不断发展，越来越多诈骗分子使用“猫池”设备(如GOIP(GSM overInternet Protocol)设备等)进行电信网络诈骗。

通常情况下GOIP设备本身可以插卡使用，常规组网可以如图1所示，诈骗分子可以在境外通过网络远程控制GOIP设备进行诈骗，即使被公安抓获了GOIP设备和手机SIM卡和线下跑腿的人，也不会被抓到后端诈骗分子。

随着技术的进步，为了方便远程换卡，同时避免GOIP被抓获时手机SIM卡也被抓获，并给侦查工作增加难度，如图2所示，在组网中新增了卡池设备，位于A、B两地的不同GOIP设备通过网络可实现远程读卡，诈骗分子可以在GOIP设备上设置实现同一SIM卡在不同时间分别出现在A、B两地。

当前的猫池涉诈设备检测通常有以下几种方式：

1、基于实时通话数据、SIP话单分析SIP服务器，IP地址进行分析；

2、基于历史通话记录，通话位置基站进行分析；

3、基于家庭宽带/互联网的流量数据进行分析。

现有技术主要侧重于针对图1的传统组网下GOIP监测，并未对图2组网SIM卡在AB两地短时间异常切换的场景进行针对性监测，存在监测盲区。无法有效发现上述短时间内异常切换的GOIP细分场景。随着电信诈骗的不断发展，大量卡池被应用于诈骗，越来越多的涉诈场景出现了图2这类GOIP位于A、B两地远程读卡的情况，对公安侦破带来了很大的迷惑性，急需新的监测方式进行针对性识别，打击电信网络诈骗，保障人民群众的人身财产安全。

而且，现有技术中对于GOIP设备的多维度特征数据，采用固定公式和阈值监测远程GOIP设备，算法参数不可学习，不能自适应当前诈骗模式的行为变化，导致检测不准确、侦查不迅速。

发明内容

本申请实施例所要解决的技术问题是提供一种诈骗识别模型训练方法、装置、电子设备及存储介质，以结合获取具有目标设备诈骗行为的多种类型特征的关键特征集和诈骗行为数据集训练目标诈骗识别模型，能够提供细粒度的价值化参考数据，从而可以有效打击电信网络诈骗，保障人民群众的人身财产安全。同时，可以提高诈骗行为的检测准确度及检测效率。

第一方面，本申请实施例提供了一种诈骗识别模型训练方法，所述方法包括：

根据欺诈业务数据，获取获取具有目标设备诈骗行为的多种类型特征的关键特征集；

根据历史诈骗业务数据和所述关键特征集，获取目标设备对应的诈骗行为数据集；

基于所述关键特征集和所述诈骗行为数据集对预先构建的诈骗识别模型进行训练，得到目标诈骗识别模型。

可选地，所述根据欺诈业务数据，获取具有目标设备诈骗行为的多种类型特征的关键特征集，包括：

提取所述欺诈业务数据中的设备行为类型的第一特征；

提取所述欺诈业务数据中的诈骗行为类型的第二特征；