[发明专利]一种电信诈骗库更新处理方法及装置

权利要求书

1.一种电信诈骗库更新处理方法，其特征在于，包括：

将接收的主叫号码和电信诈骗库中的号码进行匹配，若匹配所述电信诈骗库中的号码，则在核心网侧对所述主叫号码进行拦截；

若未匹配所述电信诈骗库中的号码，则将所述主叫号码和疑似电信诈骗库中的号码进行匹配；

若未匹配所述疑似电信诈骗库中的号码，则将所述主叫号码输入神经网络模型，接收所述神经网络模型的输出结果；

若根据所述输出结果确定所述主叫号码为诈骗号码，则将所述主叫号码添加至所述电信诈骗库。

2.根据权利要求1所述的方法，其特征在于，所述将所述主叫号码输入神经网络模型，接收所述神经网络模型的输出结果，具体包括：

获取运营商计费中心的历史话单数据以及核心网侧的历史通话数据，对所述历史话单数据和所述历史通话数据进行数据预处理，所述数据预处理包括：标记数据集、添加噪声、数据集标准化以及数据集划分；

使用深度学习框架建立神经网络模型，将正常通话的训练样本经过加噪后输入所述神经网络模型进行训练，根据所述历史通话数据学习正常通话的规律，待所述神经网络模型收敛后导出所述神经网络模型的权重；

将所述主叫号码输入所述神经网络模型，接收所述神经网络模型输出的重建数据，计算所述主叫号码与所述重建数据之间的重建误差，根据所述重建误差实时判别所述主叫号码是否为诈骗号码。

3.根据权利要求2所述的方法，其特征在于，所述神经网络模型包括1个输入层、8个隐藏层和1个输出层；

其中，所述输入层包括32个神经元，所述输出层包括32个神经元，所述8个隐藏层中包括4层编码器和4层解码器；

各编码器用于对输入的所述主叫号码进行压缩降维，抽取各项多维运行参数的特征向量，将32维降至4维；

各解码器用于对压缩后的数据还原重建，根据抽取的特征向量对输入的各项运行参数进行重建。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

若匹配所述疑似电信诈骗库中的号码，则生成提醒信息，并将所述提醒信息发送至所述主叫号码对应的被叫终端。

5.根据权利要求4所述的方法，其特征在于，所述方法还包括：

接收所述被叫终端的反馈信息，并统计所述主叫号码对应的反馈信息；

若所述主叫号码对应的反馈信息为第一预设值的数量大于第一阈值，则将所述主叫号码添加至所述电信诈骗库；

若所述主叫号码对应的反馈信息为第二预设值的数量大于第二阈值，则将所述主叫号码从所述疑似电信诈骗库中移出。

6.一种电信诈骗库更新处理装置，其特征在于，包括：

号码拦截模块，用于将接收的主叫号码和电信诈骗库中的号码进行匹配，若匹配所述电信诈骗库中的号码，则在核心网侧对所述主叫号码进行拦截；

号码匹配模块，用于若未匹配所述电信诈骗库中的号码，则将所述主叫号码和疑似电信诈骗库中的号码进行匹配；

模型检测模块，用于若未匹配所述疑似电信诈骗库中的号码，则将所述主叫号码输入神经网络模型，接收所述神经网络模型的输出结果；

诈骗库更新模块，用于若根据所述输出结果确定所述主叫号码为诈骗号码，则将所述主叫号码添加至所述电信诈骗库。

7.根据权利要求6所述的装置，其特征在于，所述模型检测模块具体包括：

预处理单元，用于获取运营商计费中心的历史话单数据以及核心网侧的历史通话数据，对所述历史话单数据和所述历史通话数据进行数据预处理，所述数据预处理包括：标记数据集、添加噪声、数据集标准化以及数据集划分；

模型训练单元，用于使用深度学习框架建立神经网络模型，将正常通话的训练样本经过加噪后输入所述神经网络模型进行训练，根据所述历史通话数据学习正常通话的规律，待所述神经网络模型收敛后导出所述神经网络模型的权重；

模型检测单元，用于将所述主叫号码输入所述神经网络模型，接收所述神经网络模型输出的重建数据，计算所述主叫号码与所述重建数据之间的重建误差，根据所述重建误差实时判别所述主叫号码是否为诈骗号码。