[发明专利]一种基于大数据和机器学习的防范电信诈骗系统及方法

说明书

技术领域

本发明涉及信息安全技术领域，具体涉及一种基于大数据和机器学习的防范电信诈骗系统及方法。

背景技术

“互联网+”时代，我们每天都面临身份信息泄露的可能性，每天都要大量使用身份信息，寄快递、挂号、办证等，要保证信息不被人有意收集，十分困难。随着互联网电话的出现和普及，电信诈骗的便利性大大提升。例如，犯罪分子可利用改号软件伪装成国家机关，或者伪装成银行利用电话银行密码验证机制，骗取受害人银行密码完成犯罪；获取受害人基本信息、取得空白银行卡等都可以通过互联网完成，诈骗非法所得也多是通过网上银行等渠道转款，并通过互联网金融等途径洗白。

同时，电信欺诈用户的欺诈手段也越来越隐蔽并且经常变换，例如同一个电信欺诈用户使用一种欺诈手段后，运营商往往还没有发现，电信欺诈用户就更换为另外一种手段继续欺诈，或同时使用不同类型的电信欺诈手段，但每种的欺诈手段的使用次数都比较少，导致运营商难以发现，也增加后续公安的执法难度和成本。以徐玉玉案为例，由于涉及跨省联动办案等，有专家估计总体办案成本远高于被骗的9000多元。深圳公安部门曾透露，去年从国外抓回39个电信诈骗嫌疑人，平均追捕成本高达28万元/人。

正因为当前无法从源头上杜绝电信欺诈，在末端打击电信欺诈又存在困难且成本高的问题，因此急需从中间环节入手、以新型技术手段介入就成了一个更具操作性的方式。内蒙古公安与通信运营商合作推出的预警系统，通过电话号码标记，既提升了公众的警惕，实施成本也相当低，可谓事半功倍。在一些国家，技术手段已经成为打击电信诈骗的主要手段。比如美国联邦通信委员会敦促AT&T、苹果、谷歌等通信公司，联手开发主叫号码识别技术来屏蔽假号码；而在日本，手机制造商富士通和名古屋大学研发了手机对话内容分析功能，将诈骗常用的关键词设定为危险词语，一旦通话内容中包含该类词语，手机马上发出警报和提示。

如何关联分析不同的电信欺诈事件，寻找电信欺诈用户，进而从根本上治理电信欺诈，是通信技术领域亟待解决的问题。

现有的电信诈骗预警系统存在如下缺陷：

1)、当前运营商针对欺诈事件采取出现一种治理一种，单个欺诈事件单个治理的电信欺诈治理方法，该方法已经远远跟不上当前电信欺诈手段的发展；

2)、现有的电信诈骗预警系统，比如电话号码标记，方式单一，很难应对那种改号拨号的电信欺诈；

3)、现有的电信诈骗预警系统大多数是在移动端对移动用户的预警，这种预警无法确保针对所有用户都有效果，而且不能实现电信诈骗预警防范和治理打击的统一；

4)、现有的电信诈骗预警系统没有整合用户、运营商、公安部门等资源，造成电信诈骗预警缺乏时效性，打击治理电信诈骗困难。

发明内容

有鉴于此，为了解决现有技术中的预警延时、治理打击电信诈骗困难的技术问题，本发明提出一种基于大数据和机器学习的防范电信诈骗系统及方法，实现实时有效的欺诈预警和低成本的治理。

本发明通过以下技术手段解决上述问题：

一种基于大数据和机器学习的防范电信诈骗系统，包括：

移动端，用于在接收到短信消息或者来电消息的时候通过预定的约束规则针对当前的电信数据进行诈骗检测判定，采用机器学习算法检测是否为电信诈骗，如果检测结果判定为电信诈骗，则将该诈骗数据信息上传到大数据分析端；

大数据分析端，用于实时统计从移动端上传举报的诈骗数据信息，针对收到举报数量超过一定阈值的银行卡账号或/和电话号码，向诈骗阻断治理端发送诈骗预警信息；

诈骗阻断治理端，用于在接收到诈骗预警信息时及时采取相应措施阻断电信诈骗事件的发生。

进一步地，所述移动端包括：

数据采集模块，用于通过接收短信消息或者来电消息来获取电信数据；

诈骗评估检测模块，用于通过预定的约束规则针对当前的电信数据进行诈骗检测判定，采用机器学习算法检测是否为电信诈骗，如果检测结果判定为电信诈骗，则将该诈骗数据信息上传到大数据分析端；

诈骗定性规则库，用于存储预定的约束规则。

进一步地，所述诈骗评估检测模块采用机器学习算法中的决策树方法检测是否为电信诈骗。

进一步地，所述决策树方法的构建步骤包括：

S1：开始将所有预设规则看作一个节点；

S2：遍历每个规则的每一种分割方式，找到最好的分割点；

S3：分割成两个节点N₁和N₂；