[发明专利]欺诈识别方法、装置、电子设备及计算机可读存储介质

说明书

本申请提供了一种欺诈识别方法、装置、电子设备及计算机可读存储介质，应用于音频处理技术领域，其中该方法包括：通过聚类算法对声纹特征池中的各个声纹特征进行分团聚类处理得到至少一个分团，并根据各个分团的相似度对各个分团进行排序，然后根据排序结果确定欺诈识别对象，解决了如何识别一人冒充多人身份进行欺诈申请的问题，实现了欺诈识别的自动化处理；此外，基于当前申请人的声纹特征与历史申请人的声纹特征的聚类分析，解决了历史申请中欺诈申请的识别问题，提升了欺诈申请识别的准确度。

技术领域

本申请涉及音频处理技术领域，具体而言，本申请涉及一种欺诈识别方法、装置、电子设备及计算机可读存储介质。

背景技术

随着我国信用卡业务的发展和发卡量的大量增长，信用卡的风险也日益凸显，信用卡坏账率呈上升走势，其中欺诈申请造成的坏账占比很大，如何有效识别这些欺诈申请成为了一个问题。

目前，信用卡欺诈申请是通过身份认证的方式实现的，即业务人员对信用卡申请人员提供的信息进行审核，如果提供的是虚假信息，则会被认定为欺诈申请。然而，现有的通过身份认证识别欺诈申请的方式，不能识别出一人冒充多人身份进行信用卡的欺诈申请情形。

发明内容

本申请提供了一种欺诈识别方法、装置、电子设备及计算机可读存储介质，用于解决一人冒充多人身份的欺诈申请识别问题，以及历史申请中欺诈申请的识别问题本申请采用的技术方案如下：

第一方面，提供了一种欺诈识别方法，该方法包括，

获取多个目标对象的音频信息；

基于多个目标对象的音频信息，通过预训练的第一深度学习模型提取各个目标对象的声纹特征得到声纹特征池；

通过聚类算法对声纹特征池中的各个声纹特征进行分团聚类处理得到至少一个分团，并根据各个分团的相似度对各个分团进行排序；

基于各个分团的排序结果确定欺诈目标对象。

其中，聚类算法为贪心聚类算法。

可选地，获取多个目标对象的音频信息，之前包括：

获取目标对象与相应客服之间的通话语音信息；

基于相应的语音分离算法将目标对象与相应客服的通话语音信息进行语音分离；

基于目标对象与相应客服之间的通话语音信息语音分离后的音频，确定目标对象的音频信息。

可选地，基于相应的语音分离算法将目标对象与相应客服的通话语音信息进行语音分离，包括以下至少一项：

通过卷积神经网络与循环神经网络，将各个目标对象与相应客服的通话语音信息进行语音分离；

通过滑窗法与K-Means聚类算法，将各个目标对象与相应客服的通话语音信息进行语音分离。

可选地，通过卷积神经网络与循环神经网络，将各个目标对象与相应客服的通话语音信息进行语音分离，包括：

获取目标对象与相应客服的通话语音信息对应的声谱图；

基于预训练的卷积神经网络提取声谱图的三维特征，三维特征包括时间维度特征、频率维度特征、通道维度特征；

对三维特征在频率维度进行平均池化处理，得到池化处理后的特征；

将池化处理后的特征输入至预训练的循环神经网络，得到时间维度上的分割标签；

基于时间维度上的分割标签对目标通话音频进行语音分离。

可选地，通过滑窗法与K-Means聚类算法，将各个目标对象与相应客服的通话语音信息进行语音分离，包括：