[发明专利]确定欺诈事件的嫌疑信息的方法及装置

说明书

本说明书实施例提供一种确定欺诈事件的嫌疑信息的方法和装置，根据该方法的一个实施方式，在获取欺诈事件的事件信息之后，可以确定作为受害一方的第一用户，并基于人际关系网络确定与第一用户具有关联关系的至少一个待筛选用户，然后将各个待筛选用户的个性化信息分别和欺诈事件的事件信息一起输入预先训练的预测模型，确定出各个待筛选用户的嫌疑分数，并以嫌疑分数为基础确定案件的嫌疑信息。如此，可以提高电信诈骗案件处理的有效性。

技术领域

本说明书一个或多个实施例涉及计算机技术领域，尤其涉及通过计算机确定欺诈事件中的嫌疑信息的方法和装置。

背景技术

随着互联网技术的发展，电信诈骗案件也屡禁不止。电信诈骗往往是不法分子通过电话、网络或短信方式，编造虚假信息、设置骗局，对受害人实施远程、非接触式诈骗，以骗取受害人钱财的诈骗方式。对于电信平台而言，可能对每个电信诈骗案件都需要配合警方调查，耗费大量人力。

对于电信平台而言，电信诈骗的实施，嫌疑人用户和受害者用户之间往往会产生直接或间接的关联关系。这里所说的用户，可以通过用户ID，或者说用户账号表示。两个不同的用户ID，即使可以被同一个人使用，在本说明书中也按照两个用户处理。因此，希望能有改进的方案，能够充分利用网络数据，通过分析用户之间的关联性，和具体案件场景，挖掘嫌疑用户，提高电信诈骗案件处理的有效性。

发明内容

本说明书一个或多个实施例描述了一种确定欺诈事件的嫌疑信息的方法和装置，用于利用网络数据分析用户之间的关联性，基于具体案件场景挖掘嫌疑信息，提高电信诈骗案件处理的有效性。

根据第一方面，提供了一种确定欺诈事件的嫌疑信息的方法，所述方法包括：获取当前欺诈事件的事件信息，其中，所述事件信息至少包括作为受害一方的第一用户；基于人际关系网络确定与所述第一用户具有关联关系的至少一个待筛选用户；分别获取各个待筛选用户的个性化信息；将各个待筛选用户的个性化信息分别和所述事件信息一起输入预先训练的第一预测模型，以根据所述第一预测模型的输出结果确定各个待筛选用户的嫌疑分数；根据各个嫌疑分数的分值，确定出所述当前欺诈事件的嫌疑信息。

在一些实施例中，所述人际关系网络包括以下至少一项：用户设备网络、资金网络、社交网络。

在一些实施例中，基于人际关系网络确定与第一用户具有关联关系的至少一个待筛选用户包括：从所述人际关系网络中获取所述第一用户的预设级数的关联用户；根据所述关联用户确定所述至少一个待筛选用户。

在一些实施例中，所述关联用户包括第一关联用户，且所述第一关联用户的下一级仍在所述预设级数内；所述根据所述关联用户确定所述至少一个待筛选用户包括：在所述第一关联用户的下一级用户的用户数量超过预定数量阈值的情况下，将所述第一关联用户的下一级用户排除在所述至少一个待筛选用户之外。

在一些实施例中，所述人际关系网络中，所述关联用户包括第二用户；所述根据所述关联用户确定所述至少一个待筛选用户包括：获取所述第二用户的第二用户信息；将所述第二用户信息和所述事件信息输入预先训练的第二预测模型，根据所述第二预测模型的输出结果确定所述第二用户与所述欺诈事件的关联度；在所述关联度小于预定关联度阈值的情况下，将所述第二用户排除在所述至少一个待筛选用户之外。

在一些实施例中，所述个性化信息包括风险分数，所述至少一个待筛选用户包括第一待筛选用户，所述第一待筛选用户对应的第一风险分数通过以下方式确定：获取所述第一待筛选用户的第一评价信息，所述第一评价信息包括以下至少一项：历史涉案信息、被投诉信息、被加入黑名单信息；将所述第一行为信息输入风险模型，根据所述风险模型的输出结果确定所述第一待筛选用户的第一风险分数。

在一些实施例中，所述第一评价信息包括多项信息，所述多项信息中的每一项对应有预设的权重系数，所述风险模型配置为：对所述多项信息求加权和。