[发明专利]电信诈骗检测方法及装置

权利要求书

1.一种电信诈骗检测方法，其特征在于，包括：

获取在用户电信通话所在平台获取通话语音的用户授权，并获取电信诈骗概率大于设定值的情况下切断用户电信通话的用户授权；

在用户电信通话过程中，根据历史语音通话过程中记录的通过终端设备语音通话的一个或多个用户的声音特征或声纹特征，将用户的通话语音从电信通话语音中区分出来，从而获取用户的通话语音；

提取用户的通话语音的语气相关声学特征；

根据提取的语气相关声学特征生成输入数据；

将生成的输入数据输入至预先训练得到的电信诈骗分类器进行分类，得到电信诈骗检测结果；电信诈骗检测结果为本次用户电信通话为电信诈骗的概率；

根据电信诈骗检测结果输出提示消息，其中，不同电信诈骗检测结果得到的电信诈骗概率对应输出的提示消息不同，并在根据电信诈骗检测结果得到的电信诈骗概率大于设定值的情况下，切断用户电信通话；

所述根据提取的语气相关声学特征生成输入数据，包括：

依据语音声学特征列表将提取的语气相关声学特征转换为第一特征向量；

对第一特征向量进行降维处理，得到第二特征向量，作为输入数据；

所述语音声学特征列表包括：韵律特征、构造特征、个性化语音声学特征及非个性化语音情感特征；

所述韵律特征包括：基频相关特征、能量相关特征及时长相关特征；所述构造特征包括：时间构造、振幅构造、基频构造、共振峰构造及MFCC系数；所述个性化语音声学特征包括：时间构造、振幅构造、基频构造、共振峰构造、MFCC系数及Mel频谱能量动态系数；所述非个性化语音情感特征包括：时间构造、振幅构造、基频构造、共振峰构造及MFCC系数。

2.如权利要求1所述的电信诈骗检测方法，其特征在于，将生成的输入数据输入至预先训练得到的电信诈骗分类器进行分类之前，还包括：

对初始分类器模型进行训练得到电信诈骗分类器，所述初始分类器模型为隐马尔科夫模型或支持向量机模型。

3.如权利要求1所述的电信诈骗检测方法，其特征在于，对第一特征向量进行降维处理，得到第二特征向量，包括：

利用主成分分析法或线性判别分析法对第一特征向量进行降维处理，得到第二特征向量。

4.一种电信诈骗检测装置，其特征在于，包括：

用户授权单元，与通话语音获取单元连接，用于获取在用户电信通话所在平台获取通话语音的用户授权，并获取电信诈骗概率大于设定值的情况下切断用户电信通话的用户授权；

通话语音获取单元，用于在用户电信通话过程中，根据历史语音通话过程中记录的通过终端设备语音通话的一个或多个用户的声音特征或声纹特征，将用户的通话语音从电信通话语音中区分出来，从而获取用户的通话语音；

声学特征提取单元，用于提取用户的通话语音的语气相关声学特征；

输入数据生成单元，用于根据提取的语气相关声学特征生成输入数据；

检测结果生成单元，用于将生成的输入数据输入至预先训练得到的电信诈骗分类器进行分类，得到电信诈骗检测结果；电信诈骗检测结果为本次用户电信通话为电信诈骗的概率；

消息提示单元，该消息提示单元与检测结果生成单元连接，用于根据电信诈骗检测结果输出提示消息，其中，不同电信诈骗检测结果得到的电信诈骗概率对应输出的提示消息不同，并在根据电信诈骗检测结果得到的电信诈骗概率大于设定值的情况下，切断用户电信通话；

所述根据提取的语气相关声学特征生成输入数据，包括：

依据语音声学特征列表将提取的语气相关声学特征转换为第一特征向量；

对第一特征向量进行降维处理，得到第二特征向量，作为输入数据；

所述语音声学特征列表包括：韵律特征、构造特征、个性化语音声学特征及非个性化语音情感特征；

所述韵律特征包括：基频相关特征、能量相关特征及时长相关特征；所述构造特征包括：时间构造、振幅构造、基频构造、共振峰构造及MFCC系数；所述个性化语音声学特征包括：时间构造、振幅构造、基频构造、共振峰构造、MFCC系数及Mel频谱能量动态系数；所述非个性化语音情感特征包括：时间构造、振幅构造、基频构造、共振峰构造及MFCC系数。