[發明專利]一種電信詐騙事件檢測方法和檢測系統

有效

• 申請號: 201811381191.5
• 申請日: 2018-11-20
• 公開（公告）號: CN109615116B
• 公開（公告）日: 2020-12-29
• 發明（設計）人: 賈瑞花;張承龍;曹華偉;葉笑春;范東睿
• 申請（專利權）人: 中國科學院計算技術研究所
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q30/00;G06Q50/30;G06N20/00
• 代理公司: 北京泛華偉業知識產權代理有限公司 11280
• 代理人: 王勇

1.一種構建電信詐騙事件檢測模型的方法，包括以下步驟：

步驟1：基于已有的詐騙行為數據建立反映不同時間序列通聯模式的動態通聯圖；

步驟2：基于所述動態通聯圖的結構特征、動態演變特征或節點特征中的至少一項初步挖掘異常子圖序列；

步驟3：基于所述初步挖掘的異常子圖序列訓練二分類模型，獲得經過二次篩選的異常子圖序列，作為存在詐騙行為的異常子圖序列；

步驟4：基于所述異常子圖序列訓練多分類模型，獲得用于檢測多種詐騙模式的電信詐騙事件檢測模型。

2.根據權利要求1所述的方法，其中，步驟2中，在基于所述動態通聯圖的動態演變特征初步挖掘異常子圖序列的情況下，包括：

步驟21：將所述動態通聯圖中轉換為自我中心網絡圖；

步驟22：基于不同時間序列的自我中心網絡圖提取圖結構距離和圖編輯距離；

步驟23：基于所述圖結構距離和圖編輯距離獲得初步挖掘的異常子圖序列。

3.根據權利要求1所述的方法，其中，在步驟2中，在基于所述動態通聯圖的結構特征初步挖掘異常子圖序列的情況下，基于節點度數、中介中心性、接近中心性、聚類系數中的至少一項獲得初步挖掘的異常子圖序列。

4.根據權利要求1所述的方法，其中，步驟3包括：

以所述初步挖掘的異常子圖序列作為訓練數據，標記為異常的數據作為正樣本，標記為正常的數據作為負樣本，結合長短時記憶網絡訓練二分類模型。

5.根據權利要求1所述的方法，其中，還包括：

步驟5：當出現新型詐騙模式時，利用自組織增量學習神經網絡通過增量學習來更新所構建的電信詐騙事件檢測模型。

6.根據權利要求1所述的方法，其中，所述動態通聯圖的節點表示用戶信息，邊表示用戶間的呼叫關系，邊的權重表示用戶間的呼叫頻率。

7.一種電信詐騙事件檢測方法，包括：

步驟71：獲取電信數據并構建動態通聯圖；

步驟72：基于所構建的動態通聯圖，利用權利要求1至6中任一項所構建的電信詐騙事件檢測模型來預測詐騙模式。

8.一種電信詐騙事件檢測系統，包括：

數據采集模塊：獲取采集電信數據并構建動態通聯圖；

特征提取模塊：基于所構建的動態通聯圖提取所述動態通聯圖的結構特征、動態演變特征或節點特征中的至少一項；

詐騙事件檢測模塊：基于提取的特征，利用權利要求1至6任一項所構建的電信詐騙事件檢測模型來預測詐騙模式。

9.根據權利要求8所述的系統，還包括增量學習模塊和詐騙預警阻斷模塊，其中，所述增量學習模塊用于更新所構建的電信詐騙事件檢測模型，所述詐騙預警阻斷模塊根據所述詐騙事件檢測模塊輸出的詐騙模式進行疑似詐騙事件推薦和發現新型詐騙模式。

10.一種計算機可讀存儲介質，其上存儲有計算機程序，其中，該程序被處理器執行時實現根據權利要求1至6中任一項或權利要求7所述方法的步驟。

11.一種計算機設備，包括存儲器和處理器，在所述存儲器上存儲有能夠在處理器上運行的計算機程序，其特征在于，所述處理器執行所述程序時實現權利要求1至6中任一項或權利要求7所述的方法的步驟。