[发明专利]一种基于APP列表分析的诈骗嫌疑识别方法和装置

权利要求书

1.一种基于APP列表分析的诈骗嫌疑识别方法，其特征在于：所述方法包括：

获取APP列表数据；

构建诈骗嫌疑的分值计算模型，以及

基于所述APP列表数据利用所述诈骗嫌疑的分值计算模型输出总的诈骗嫌疑分值并进行诈骗嫌疑判定，输出诈骗嫌疑判定结果；

所述构建诈骗嫌疑的分值计算模型具体包括以下步骤：

S1：设定关键词组，所述关键词组包括正向关键词组和反向关键词组，

S2：设定关键词组中的每个关键词对应的诈骗嫌疑分值，其中所述正向关键词组中的关键词对应的诈骗嫌疑分值为正数，所述反向关键词组中的关键词对应的诈骗嫌疑分值为负数，

S3：识别每个所述关键词命中的APP的数量，

S4：对每个所述关键词对应的诈骗嫌疑分值及其命中的APP的数量进行加权累计得到该关键词对应的诈骗嫌疑分值，

S5：将所有关键词的诈骗嫌疑分值相加得出总的诈骗嫌疑分值。

2.根据权利要求1所述的方法，其特征在于：每个所述关键词对应的诈骗嫌疑分值的计算方法包括：根据功能对所述关键词进行分类，设定每个所述分类的分类阈值，并设定每个所述分类下的每个所述关键词的权重，计算每个所述分类的诈骗嫌疑分值。

3.根据权利要求2所述的方法，其特征在于：每个所述分类的诈骗嫌疑分值的计算公式为：

其中i为大于1的自然数，f(i)为第i个分类的诈骗嫌疑分值，a为该分类的关键词数量，m为该分类下某个关键词对应的诈骗嫌疑分值，T_n为该关键词命中的APP数量。

4.根据权利要求3所述的方法，其特征在于：所述f(i)均设置有对应的阈值，当以上公式计算出的所述f(i)的分值超出所对应的阈值时，将所述f(i)取值为其对应的阈值，当所述阈值为正数时，所述阈值为所述f(i)的最大值，当所述阈值为负数时，所述阈值为所述f(i)的最小值。

5.根据权利要求4所述的方法，其特征在于：所述总的诈骗嫌疑分值的计算方式为各个分类的诈骗嫌疑分值相加所得，计算公式为：

其中F(i)为总的诈骗嫌疑分值，b为分类数量，f(i)为某个分类的诈骗嫌疑分值。

6.根据权利要求2所述的方法，其特征在于：针对每个所述分类下设有若干子分类，将所述分类下的每个所述关键词归属于其中一个所述子分类，被归属于同一个所述子分类的关键词具有相同的诈骗嫌疑分值。

7.根据权利要求1所述的方法，其特征在于：所述总的诈骗嫌疑分值具有第一阈值和第二阈值，当所述总的诈骗嫌疑分值大于所述第一阈值时，计所述总的诈骗嫌疑分值等于所述第一阈值，当所述总的诈骗嫌疑分值低于所述第二阈值时，计所述总的诈骗嫌疑分值等于所述第二阈值。

8.根据权利要求7所述的方法，其特征在于：所述总的诈骗嫌疑分值还具有第一中间阈值和第二中间阈值，当所述总的诈骗嫌疑分值大于等于所述第一中间阈值且小于等于所述第一阈值时判定为第一结果，当所述总的诈骗嫌疑分值大于等于所述第二中间阈值且小于所述第一中间阈值时判定为第二结果，当所述总的诈骗嫌疑分值大于等于所述第二阈值且小于等于所述第二中间阈值时判定为第三结果。

9.根据权利要求1所述的方法，其特征在于：所述诈骗嫌疑判定结果包括嫌疑度高、嫌疑度中和嫌疑度低。

10.根据权利要求1所述的方法，其特征在于：所述诈骗嫌疑的分值计算模型中设有第三中间阈值，当正向关键词组内的关键词对应的诈骗嫌疑分值之和大于所述第三中间阈值时，计反向关键词组对应的诈骗嫌疑分值之和为零。