[发明专利]一种基于大数据和机器学习的电信诈骗上当人发现方法

说明书

本发明涉及通讯信息安全技术领域，尤其涉及一种基于大数据和机器学习的电信诈骗上当人发现方法。该方法包括以下步骤：获取原始电话记录单，筛选出其中的诈骗电话事件；分析诈骗电话事件中被叫的特征和场景以得到多维度特征表，并作为预处理数据进行存储；对预处理数据进行清理，得到待转换数据；将待转换数据转换成训练样本；利用训练样本生成分类器模型；将被叫为分析对象的电话记录单数据代入分类器模型，进行预警。本发明在分析被叫的特征和场景的基础上建立分类器模型，对被叫为分析对象的电话进行电信诈骗预警，具有准确、有效的优点。

技术领域

本发明涉及通讯信息安全技术领域，尤其涉及一种基于大数据和机器学习的电信诈骗上当人发现方法。

背景技术

机器学习包括无监督学习和监督学习，其中随机森林是一种重要的基于Bagging(是一种用来提高学习算法准确度的方法，这种方法通过构造一个预测函数系列，然后以一定的方式将它们组合成一个预测函数)的集成学习方法，随机森林是一个包含多个决策树的分类器，并且其输出的类别是由个别树输出的类别的众数而定，可以用来做分类、回归及聚类等问题，优点是：具有极高的准确率；由于随机性的引入，使得随机森林不容易过拟合，且具有很好的抗噪声能力；能够用来处理很高维的数据，并且不用做特征选择；随机森林算法既能够用来处理离散型数据，也能用来处理连续性数据，无须规范化；训练速度很快，可以得到变量重要性排序，容易实现并行化。但是随机森林算法也有缺点：当其中的决策树个数很多的时候，训练需要的时间空间较大；且可解释性较弱。随机森林的构建过程如下：

从原始训练集中使用Bootstraping方法(指的就是利用有限的样本资料经由多次重复抽样，重新建立起足以代表母体样本分布的新样本)，随机有放回采样选出m个样本，共进行n_tree次采样，生成n_tree个训练集；对于n_tree个训练集，我们分别训练n_tree个决策树模型；对于单个决策树模型，假设训练样本特征的个数为n，那么每次分裂时根据信息增益/信息增益比/基尼指数选择最好的特征进行分裂；每棵树都一直这样分裂下去，直到该节点的所有训练样例都属于同一类。在决策树的分裂过程中不需要剪枝；将生成的多棵决策树组成随机森林。对于分类问题，按多棵树分类器投票决定最终分类结果；对于回归问题，由多棵树预测值的均值决定最终预测结果。

目前已有一种基于大数据和机器学习的防范电信诈骗系统及方法，该方法是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；也有一种诈骗电话号码的分析方法，其采用随机森林算法建立不同类型的诈骗电话检测模型，周期性地对诈骗电话号码分类模型进行离线的训练，然后在现网中进行准实时的检测判定，从大量话单信息中甄别出诈骗电话事件和号码；也有一种基于深度学习的电信诈骗识别与防御系统，将深度学习技术与国密算法相结合，采取来电监听与语音识别等技术，来识别诈骗电话。

上述已有方法在电信诈骗识别与防范方面各有侧重，但以上方法均是针对诈骗方进行的识别和预防，对于潜在的被诈骗人方面没有预防措施，不能提前做到防止潜在被诈骗人上当受骗。

因此，急需一种基于大数据和机器学习的电信诈骗上当人发现方法。

发明内容

本发明提供了一种基于大数据和机器学习的电信诈骗上当人发现方法，以便于使用随机森林算法与关联规则算法，在大数据平台上根据原始话单数据分析发现上当人，找出规律，挖掘潜在上当人。

本发明提供了一种基于大数据和机器学习的电信诈骗上当人发现方法，包括以下步骤：

获取原始电话记录单，筛选出其中的诈骗电话事件；

分析诈骗电话事件中被叫的特征和场景以得到多维度特征表，并作为预处理数据进行存储；

对预处理数据进行清理，得到待转换数据；

将待转换数据转换成训练样本；