[发明专利]基于可疑行为识别的通讯诈骗实时检测方法和系统

摘要

本发明公布了一种基于可疑行为识别的通讯诈骗实时检测方法和系统，包括离线模型训练阶段与实时诈骗检测阶段；建立动作特征识别模型和动作特征风险预测模型，通过分析陌生来电的通话语音和短信内容，检测其异常的、可疑的行为来进行诈骗预测。来电语音通过语音转文字的方式将来电主叫方的通话内容转变成文字信息，与短信内容同时使用自然语言处理方法提取出动作行为特征，并判断对话中出现的动作行为特征中是否有包含隐私信息询问和恶意命令等在内的可疑行为的可能性。利用本发明所实现的实时通讯诈骗检测技术方案，能够实现快速准确的防通讯诈骗检测，降低用户被欺诈的可能性。

主权项

1.一种通讯诈骗实时检测方法，通过识别可疑行为进行诈骗检测，包括离线模型训练阶段与实时诈骗检测阶段；所述离线模型训练阶段包括动作特征识别训练过程和动作特征风险预测过程；所述动作特征识别训练过程包括如下步骤：11)获取通话录音数据、短信和对应的标注内容，所述标注内容包含时间信息和动作实体信息；将通话录音进行分段，得到多段录音；将多段录音的语音内容转换为文本信息，称为录音文本；根据所述时间信息，将所述录音文本和短信一起构成一个按照时间先后排序的时间序列数组，并且所述时间序列数组关联相应的动作实体信息，由此生成动作特征数据集；所述动作特征表示为三元组<动作主体，动作类型，实体信息>；12)将得到的数据集分为训练集和测试集，利用机器学习的方法对训练集进行训练，得到实体识别模型，然后将测试集输入到上述得到的实体识别模型中，得到预测结果集；进一步可评估所述实体识别模型的识别效果；13)多次重复步骤12)，再选出评估最优的模型，作为最终的实体识别模型；动作特征风险预测过程包括如下步骤：21)设置通讯诈骗中的关键特征规则，所述关键特征规则由一系列包含动作的主体、动作的类型和实体信息的动作行为构成；每个关键特征规则均相应设置一个危险分数，用于表示该关键特征规则出现在通讯诈骗中的可能性；所述关键特征规则的危险分数的取值为大于0小于等于1；22)同时设置不存在通讯诈骗行为的正常规则，所述正常规则的表达方式与所述关键特征规则相同；所述正常规则的危险分数取值为0；23)将步骤21)得到的关键特征规则和步骤22)得到的正常规则数据进行混合后随机排序，构成一个规则识别数据集，将所述规则识别数据集随机划分为训练数据集和测试数据集，利用训练数据集和机器学习的回归方法训练得到动作特征风险预测模型；然后将测试数据集输入所述动作特征风险预测模型，得到预测结果集；可进一步通过计算R²和均方误差来评估所述动作特征风险预测模型的预测效果；24)多次重复步骤23)，并选出R²最高且均方误差最小的模型作为最终的动作特征风险预测模型；(二)实时诈骗检测阶段31)开发客户端软件，用户下载客户端软件，在移动电话端上完成客户端软件相应的安装、配置及授权；所述客户端软件将诈骗识别特征规则内置其中，形成规则库；32)所述客户端软件通过实时监听陌生来电主叫方的语音和短信，将其中的语音部分转化为文字信息，将语音转化的文字信息和短信信息进行相应的文字信息修正以及预处理，得到按时间顺序实时输出的通讯内容；33)当客户端获得当前实时输出的文本信息后，利用已经离线训练好的动作特征识别模型，在文字信息上抽取主叫方通话行为动作实体，表示主叫方和被叫方通话中出现的某一个具体动作以及动作的主体和对象；34)将主叫方通话行为动作实体按照时间先后放入一个时序数组，称为通讯序列数据，并按顺序利用离线训练好的动作特征风险预测器进行检索和预测，识别该动作其是否属于某种可疑行为，并获得可疑行为的危险性打分，累加到当前可疑行为总分当中；设定风险系数阈值，由此检测通讯中存在的可疑诈骗行为。