[发明专利]一种电信诈骗检测的方法、系统、设备及可读存储介质在审
申请号: | 202010108899.4 | 申请日: | 2020-02-21 |
公开(公告)号: | CN111371749A | 公开(公告)日: | 2020-07-03 |
发明(设计)人: | 李雪雷;吴楠;赵雅倩;李仁刚 | 申请(专利权)人: | 苏州浪潮智能科技有限公司 |
主分类号: | H04L29/06 | 分类号: | H04L29/06;H04W12/12;G06N3/08 |
代理公司: | 北京集佳知识产权代理有限公司 11227 | 代理人: | 王晓坤 |
地址: | 215100 江苏省苏州市吴*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 电信 诈骗 检测 方法 系统 设备 可读 存储 介质 | ||
1.一种电信诈骗检测的方法,其特征在于,包括:
获取电信诈骗案例数据,并对所述电信诈骗案例数据进行预处理,得到训练数据;其中,所述电信诈骗案例数据为多媒体复合类型的数据;
建立神经网络,并利用所述训练数据对所述神经网络进行训练,得到多媒体电信诈骗检测模型;
获取应用服务中的行为数据,并利用所述多媒体电信诈骗检测模型对所述行为数据进行电信诈骗检测。
2.根据权利要求1所述的方法,其特征在于,对所述电信诈骗案例数据进行预处理,得到训练数据,包括:
对所述电信诈骗案例数据按照多媒体形式进行分类,并对分类后的所述电信诈骗案例数据进行特征标注;其中,所述电信诈骗案例数据的类型包括文字类型、语音类型、视频类型、图像类型、链接类型中的至少两项;
对特征标注后的所述电信诈骗案例数据进行格式化处理,得到所述训练数据。
3.根据权利要求2所述的方法,其特征在于,建立神经网络,并利用所述训练数据对所述神经网络进行训练,得到多媒体电信诈骗检测模型,包括:
根据所述电信诈骗案例数据的类型建立对应类型的神经网络;
利用所述训练数据对每种类型的所述神经网络进行训练,得到对应类型的电信诈骗检测模型;
获取模型混合权重,并选择对应的电信诈骗检测模型根据所述模型混合权重搭建所述多媒体电信诈骗检测模型;
利用所述训练数据对所述多媒体电信诈骗检测模型中的所述模型混合权重进行优化。
4.根据权利要求1所述的方法,其特征在于,利用所述多媒体电信诈骗检测模型对所述行为数据进行电信诈骗检测,包括:
将所述多媒体电信诈骗检测模型部署在应用服务器中,以使所述多媒体电信诈骗检测模型对所述应用服务器中的行为数据进行实时检测。
5.根据权利要求1所述的方法,其特征在于,利用所述多媒体电信诈骗检测模型对所述行为数据进行电信诈骗检测,包括:
接收终端发送的模型选择命令;
根据所述模型选择命令对所述多媒体电信诈骗检测模型进行裁剪及压缩,得到离线应用;
将所述离线应用安装在所述终端,以使所述离线应用对所述终端中的行为数据进行实时检测。
6.根据权利要求1所述的方法,其特征在于,在利用所述多媒体电信诈骗检测模型对所述行为数据进行电信诈骗检测之后,还包括:
当检测到的行为数据为电信诈骗行为数据时,发出提示信息。
7.根据权利要求6所述的方法,其特征在于,在发出提示信息之后,还包括:
接收用户输入的反馈结果,并根据所述反馈结果对所述多媒体电信诈骗检测模型进行优化。
8.一种电信诈骗检测的系统,其特征在于,包括:
获取模块,用于获取电信诈骗案例数据,并对所述电信诈骗案例数据进行预处理,得到训练数据;其中,所述电信诈骗案例数据为多媒体复合类型的数据;
建立模块,用于建立神经网络,并利用所述训练数据对所述神经网络进行训练,得到多媒体电信诈骗检测模型;
检测模块,用于获取应用服务中的行为数据,并利用所述多媒体电信诈骗检测模型对所述行为数据进行电信诈骗检测。
9.一种电信诈骗检测设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至7任一项所述电信诈骗检测的方法的步骤。
10.一种可读存储介质,其特征在于,所述可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述电信诈骗检测的方法的步骤。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于苏州浪潮智能科技有限公司,未经苏州浪潮智能科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010108899.4/1.html,转载请声明来源钻瓜专利网。