[發(fā)明專利]一種詐騙短信識別方法及識別系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201910572213.4
• 申請日: 2019-06-28
• 公開（公告）號: CN110267272A
• 公開（公告）日: 2019-09-20
• 發(fā)明（設(shè)計(jì)）人: 寧珊;孫曉晨;劉發(fā)強(qiáng);夏光升;劉志會;李新
• 申請（專利權(quán)）人: 國家計(jì)算機(jī)網(wǎng)絡(luò)與信息安全管理中心;天津市國瑞數(shù)碼安全系統(tǒng)股份有限公司
• 主分類號: H04W12/12
• 分類號: H04W12/12;H04W4/14;G06N3/04;G06N3/08
• 代理公司: 北京力量專利代理事務(wù)所(特殊普通合伙) 11504
• 代理人: 王鴻遠(yuǎn)

1.一種詐騙短信識別方法，其特征在于，包括：

收集多條歷史詐騙短信的相關(guān)數(shù)據(jù)，并從每條歷史詐騙短信的相關(guān)數(shù)據(jù)提取歷史詐騙短信的特征向量和詐騙類別；

根據(jù)歷史詐騙短信的特征向量和詐騙類別進(jìn)行詐騙短信模型訓(xùn)練，獲取詐騙短信判斷模型；

接收新短信的相關(guān)數(shù)據(jù)，并從每條新短信的相關(guān)數(shù)據(jù)中提取新短信的特征向量；

將新短信的特征向量輸入詐騙短信判斷模型中，獲取新短信是否屬于詐騙短信以及屬于哪種詐騙類別。

2.根據(jù)權(quán)利要求1所述的詐騙短信識別方法，其特征在于，歷史詐騙短信的特征向量包括歷史詐騙短信的發(fā)送頻率分布分析、主叫詐騙號碼分析、主叫特征、被叫特征、被叫關(guān)系網(wǎng)分析、被叫類型分析、敏感信息分析和短信內(nèi)容；新短信的特征向量包括新短信的發(fā)送頻率分布分析、主叫詐騙號碼分析、主叫特征、被叫特征、被叫關(guān)系網(wǎng)分析、被叫類型分析、敏感信息分析和短信內(nèi)容。

3.根據(jù)權(quán)利要求2所述的詐騙短信識別方法，其特征在于，根據(jù)歷史詐騙短信的特征向量和詐騙類別進(jìn)行詐騙短信模型訓(xùn)練，獲取詐騙短信判斷模型，具體實(shí)現(xiàn)如下：

歷史詐騙短信的特征向量作為卷積神經(jīng)網(wǎng)絡(luò)的輸入量，歷史詐騙短信的詐騙類別作為輸出量；

訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)的權(quán)值和函數(shù)系數(shù)，用于卷積神經(jīng)網(wǎng)絡(luò)，建立卷積神經(jīng)網(wǎng)絡(luò)的詐騙短信判斷模型。

4.根據(jù)權(quán)利要求3所述的詐騙短信識別方法，其特征在于，歷史詐騙短信的詐騙類別包括積分詐騙、航空詐騙、活動詐騙、支付詐騙、中獎(jiǎng)詐騙、汽車退稅詐騙、冒充熟人詐騙、直接匯款詐騙、電話欠費(fèi)詐騙、冒充公檢法詐騙中的一種或多種。

5.根據(jù)權(quán)利要求4所述的詐騙短信識別方法，其特征在于，還包括：周期性收集多條歷史詐騙短信的相關(guān)數(shù)據(jù)，更新詐騙短信判斷模型。

6.一種詐騙短信識別系統(tǒng)，其特征在于，包括：

數(shù)據(jù)查詢管理模塊，用于收集多條歷史詐騙短信的相關(guān)數(shù)據(jù)，并從每條歷史詐騙短信的相關(guān)數(shù)據(jù)提取歷史詐騙短信的特征向量和詐騙類別；

模型自學(xué)習(xí)模塊，用于根據(jù)歷史詐騙短信的特征向量和詐騙類別進(jìn)行詐騙短信模型訓(xùn)練，獲取詐騙短信判斷模型；

實(shí)時(shí)檢測模塊，用于接收新短信的相關(guān)數(shù)據(jù)，并從每條新短信的相關(guān)數(shù)據(jù)中提取新短信的特征向量；將新短信的特征向量輸入詐騙短信判斷模型中，獲取新短信是否屬于詐騙短信以及屬于哪種詐騙類別。

7.根據(jù)權(quán)利要求6所述的詐騙短信識別系統(tǒng)，其特征在于，在數(shù)據(jù)查詢管理模塊中，歷史詐騙短信的特征向量包括歷史詐騙短信的發(fā)送頻率分布分析、主叫詐騙號碼分析、主叫特征、被叫特征、被叫關(guān)系網(wǎng)分析、被叫類型分析、敏感信息分析和短信內(nèi)容；在實(shí)時(shí)檢測模塊中，新短信的特征向量包括新短信的發(fā)送頻率分布分析、主叫詐騙號碼分析、主叫特征、被叫特征、被叫關(guān)系網(wǎng)分析、被叫類型分析、敏感信息分析和短信內(nèi)容。

8.根據(jù)權(quán)利要求7所述的詐騙短信識別系統(tǒng)，其特征在于，模型自學(xué)習(xí)模塊包括：

卷積神經(jīng)網(wǎng)絡(luò)的輸入量和輸出量確定單元，用于歷史詐騙短信的特征向量作為卷積神經(jīng)網(wǎng)絡(luò)的輸入量，歷史詐騙短信的詐騙類別作為輸出量；

權(quán)值和函數(shù)系數(shù)訓(xùn)練單元，用于訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)的權(quán)值和函數(shù)系數(shù)，用于卷積神經(jīng)網(wǎng)絡(luò)，建立卷積神經(jīng)網(wǎng)絡(luò)的詐騙短信判斷模型。

9.根據(jù)權(quán)利要求8所述的詐騙短信識別系統(tǒng)，其特征在于，在模型自學(xué)習(xí)模塊中，歷史詐騙短信的詐騙類別包括積分詐騙、航空詐騙、活動詐騙、支付詐騙、中獎(jiǎng)詐騙、汽車退稅詐騙、冒充熟人詐騙、直接匯款詐騙、電話欠費(fèi)詐騙、冒充公檢法詐騙中的一種或多種。

10.根據(jù)權(quán)利要求9所述的詐騙短信識別系統(tǒng)，其特征在于，還包括：模型自學(xué)習(xí)模塊，還用于周期性收集多條歷史詐騙短信的相關(guān)數(shù)據(jù)，更新詐騙短信判斷模型。