[发明专利]一种基于特征识别的欺诈信息过滤系统及方法

说明书

技术领域

本发明涉及信息安全领域，尤其涉及一种基于特征识别的欺诈信息过滤系统及方法。

背景技术

随着网上银行的普及，网银欺诈类短信和邮件日益猖獗，通常这类欺诈短信或邮件中内嵌有钓鱼网站链接，由于其网址和网页内容与银行的官方网站高度相仿，用户很容易受其诱导而访问钓鱼网站，并在钓鱼网站上输入自己的网上银行账号和密码等信息，从而导致用户的银行账户被盗，给用户造成直接的经济损失。

现有的垃圾短信过滤系统主要是通过贝叶斯、支持向量机(SVM)等分类算法来判断并向用户提示垃圾信息的。贝叶斯分类是利用概率统计知识进行分类的算法，而支持向量机(SVM)是通过构造最优线性分类面来指导分类的，这两种算法都是统计学习分类算法，即基于一定的特征集，通过自适应的学习，判断出垃圾信息。

上述垃圾短信过滤系统在判断出垃圾信息后的处理也比较简单，只是将短信或邮件标记为垃圾信息，不区分危害性更大的网银欺诈类信息与一般的广告类垃圾信息，更不会结合检测出的垃圾信息做联动的防钓鱼处理，因此无法防范用户被钓鱼。

发明内容

本发明要解决的技术问题是提供一种基于特征识别的欺诈信息过滤系统，它可以有效过滤欺诈类信息，降低用户因资金账号被盗而遭受经济损失的概率。

为解决上述技术问题，本发明的基于特征识别的欺诈信息过滤系统，包括客户端和服务端，客户端包括特征识别子系统、分类过滤子系统和信息拦截中心，特征识别子系统设置在分类过滤子系统之前，用于根据接收到的信息的特征，识别出欺诈信息；分类过滤子系统与特征识别子系统连接，用于对进入分类过滤子系统的信息进行分类，识别出垃圾信息；信息拦截中心用于拦截上述两个子系统识别出的欺诈信息和垃圾信息；

服务端通过网络连接与客户端连接，且服务端设置有安全服务云中心，用于监控客户端的进程，并通过网络与客户端保持数据同步。

所述特征识别子系统进一步包括：

特征数据库，用于存储欺诈信息的来源特征、行为特征以及内容特征；

来源识别模块，与特征数据库连接，用于根据特征数据库中的来源特征，判断用户收到的信息是否是欺诈信息；

行为识别模块，与特征数据库连接，用于根据特征数据库中的行为特征，判断用户收到的信息是否是欺诈信息；可选的行为特征包括：被叫号码是否相邻、短信发送频率、短信发送量、发送成功率、回复率等，相应的判断结果可以补充黑名单及分类模块的学习素材；

内容识别模块，与特征数据库连接，用于根据特征数据库中的内容特征，判断用户收到的信息是否是欺诈信息。可选的内容特征包括：银行名称、官方网址、客服电话，短信中出现的网址、客服电话等。

本发明要解决的另一技术问题是提供上述系统的实现方法。

为解决上述技术问题，本发明的基于特征识别的欺诈信息过滤方法，包括以下步骤：

1)用户收到新信息；

2)检测该信息是否是欺诈信息，若是，则将该信息标识为欺诈信息，并对其进行拦截；若否，则转到步骤3)；

3)检测该信息是否是垃圾信息，若是，则将该信息标识为垃圾信息，并对其进行拦截；若否，则将该信息显示给用户。

所述步骤2)中，通过将该信息的特征与欺诈信息的特征进行比对，来判断该信息是否是欺诈信息。

所述特征包括信息的来源特征、行为特征以及内容特征。

识别出欺诈信息后，可以进一步通知后台的安全服务云中心监控该欺诈信息，并进行联动的防钓鱼处理。

与现有的垃圾信息过滤系统相比，本发明的欺诈信息过滤系统及其实现方法，具有以下优点和有益效果：

1、通过特征检测，准确识别出欺诈信息，从而能够将危害性更大的网银欺诈类信息与普通的广告类垃圾信息区分开来，避免用户受欺诈信息诱导而导致资金账户被盗。

2、后台的安全服务云中心能够结合检测出的欺诈信息做联动处理，同时根据后台的账号体系联动保护该手机用户的网游账号，第三方支付账号等，从而进一步降低了用户资金账户被盗的概率。

附图说明

附图是本发明的欺诈信息过滤系统架构图。

具体实施方式

为对本发明的技术内容、特点与功效有更具体的了解，现结合图示的实施方式，详述如下：

该实施例的欺诈信息过滤系统的具体架构如图1所示，包括客户端和服务端。客户端位于手机终端，主要包括：