[发明专利]社交网络拓扑模型及构建方法、用户置信度和亲密度计算方法及电信诈骗智能拦截系统

说明书

本发明公开了一种社交网络拓扑模型，包括该拓扑模型是以每个目标用户为中心构建的三层二阶星状结构，包含一层节点、二层节点和三层节点；一层节点是目标用户，二层节点是直接被叫用户，三层节点由每个二层节点产生的邻居节点模块化获得；社交网络拓扑模型节点值是户置信度，社交网络拓扑模型边权值是用户间亲密度。本发明还公开了所述社交网络拓扑模型的构建方法以及一种用户置信度和亲密度计算方法和一种电信诈骗智能拦截系统。本发明的社交网络拓扑模型不会随时间推移无限增加数据量。本发明要电信诈骗智能拦截系统以用户历史数据为基础，能避免系统数据量随时间推移无限增加，能精准识别原有和新增诈骗用户。

技术领域

本发明涉及电信领域，特别是涉及一种基于电信通话记录的社交网络拓扑模型。本发明还涉及一种所述社交网络拓扑模型的构建方法，还涉及一种利用所述社交网络拓扑模型的用户置信度迭代更新子系统，以及一种具有用户置信度迭代更新子系统的电信诈骗智能拦截系统。

背景技术

随着社会的不断发展、科学技术的更新和互联网技术的广泛应用，电信诈骗已成为目前最常见的诈骗手段之一，引起了社会各方的广泛重视。目前，各运营商正积极地研究各种方法来应对电信诈骗问题，以减少经济损失。目前电信运营商的一种电信诈骗识别方案是通过涉诈号码存在区域聚集，通过对用户号码群体进行分类，对有嫌疑的号码进行重点追踪，分析其行为。这种方法的优点是在一定程度上提高了预测诈骗号码的精确度，减少了对正常用户的误判。缺点在于对可疑号码的追踪过程需要耗费较大的人力和财力，难以应对用户基数很大的情况。

除此之外，很多企业利用手机管家等应用，基于已标记的诈骗号码做出判断。虽然可以使用户共享诈骗号码标记，但这种方法依托于大量的公共诈骗号码的数据，此类安全软件后台数据库更新不及时，就很可能出现诈骗号码未被标记的情况，对用户形成安全隐患。诈骗团伙的技术手段越来越先进，高技术的诈骗团伙可以不断的生成的新的诈骗号码和新的归属地，这无疑会给此类通过电话号码标记的技术带来巨大的挑战。

随着深度学习的快速发展，出现了一种新的电信诈骗识别方法，这种方法提取用户每天的通话，如通话时间、通话次数、通话地点等等。利用深度学习技术对这些通话数据进行挖掘分析，判断用户是否为诈骗用户。这种技术的优势在于可以根据用户的行为表现灵活地检测诈骗用户，缺点在于没有考虑到用户间长期的社交关系及用户历史行为的信任度，在普通用户数量远远超过诈骗用户的情况下，模型的表现会受到较大局限。

中国专利(CN201710721594.9)公开了一种基于深度学习的电信诈骗识别与防御系统，其存在的技术缺陷是：现有的电信诈骗识别系统利用了语音识别技术检测通话内容中的异常信息，这种方式需要手机安装指定的App，该App会对用户的所有通话内容进行录音并且转成文字后上传到服务器。在手机安装App的做法有一定的操作门槛，而且对用户通话录音并识别成文字上传到服务器的方式在一定程度上侵犯了用户的隐私。在诈骗识别的技术上，只考虑了当前通话中的文字内容信息，没有综合考虑呼叫号码历史行为、与被叫号码的亲密度关系等，因此可能会造成误判。

中国专利(CN201910110374.1)公开了一种通信诈骗识别方法及系统，其存在的技术缺陷是：现有的诈骗用户识别技术以用户通话频率、终端位置和被叫方是否属于易诈骗群体为依据，识别通话主叫方是否为通信诈骗。这种识别技术局限性比较大，在判断通话频率方面仅用了事先规定好的阈值进行筛选，不能合理区分诈骗用户、骚扰用户以及通话量较大的普通用户。在终端位置方面，易受新型诈骗手段的影响，若诈骗用户通话地难以和普通用户区分，则无法筛选出诈骗用户。在判断被叫号码是否属于易诈骗群体方面，对于运营商无法掌握基本信息的被叫用户无法进行判断，实用性不强，影响诈骗用户预测。