[发明专利]基于用户隐私保护的电信欺诈检测系统及方法

说明书

本发明提供一种基于用户隐私保护的电信欺诈检测系统及方法，能够提供一种多个运营商系统合作来检测诈骗的新方式，由此借助参考运营商系统中的已知诈骗者数据，能够找出隐藏在其他运营商系统中的可能诈骗者；而且通过LDA模型以及MMD计算方式，既可以找出传统的电信诈骗者，也可以找出变化多端的电信诈骗者，检测准确率大大提高；此外，还应用了差分隐私的方式来保证在检测诈骗者的同时限制多个运营商系统之间的数据传阅，从而不会泄露某些特殊用户账号的隐私记录和数据。

技术领域

本发明涉及电信欺诈检测技术领域，尤其涉及一种基于用户隐私保护的电信欺诈检测系统及方法。

背景技术

随着移动运营商的用户数量激增，电信诈骗对用户以及运营商都造成了严重的损失。为了检测出电信诈骗活动，许多研究学者提出了很多诸如机器学习、数据模型以及其他方式来解决问题，例如Bolton R.J.【Bolton R.J.,Hand D.J.,Statistical frauddetection:A review,Statisticalscience,2002:235-249】描述了如何使用数据模型来帮助运营商检测诈骗；Weatherford M.【Weatherford M.,Mining for fraud,IEEEIntelligent Systems,2002,17(4):4-6】专注于使用神经网络模型并结合历史记录生成正常用户长期的使用模式来检测电信诈骗活动。而目前更有许多公司开发了相应的软件来检测电信诈骗，例如TransNexus公司开发了一个叫做NexOSS的软件系统，该软件系统使用VoIP网络来检测诈骗活动。

随着移动运营商的服务范围的扩大，检测和识别移动运营商中的诈骗者及其行为也越来越重要，由此使得学术界对于检测和识别移动运营商中的诈骗者也越来越感兴趣，并且提出了许多策略来防止诈骗者的攻击和诈骗活动，例如Becker R.A.【Becker R.A.,Volinsky C.,Wilks A.R.,Fraud detection in telecommunications:History andlessons learned,Technometrics,2012】提出的多种电信诈骗检测方法中的一种为EarlyThreshold-Based Alerting检测方法，该检测方法使用历史数据来找到一个界限来区分正常用户和诈骗用户，然而现实场景中由于用户有着许多不同的行为，导致此种检测方法会错误地将正常用户界定为诈骗用户；Becker R.A.【Becker R.A.,Volinsky C.,WilksA.R.,Fraud detection in telecommunications:History and lessons learned,Technometrics,2012】提出的另一种电信诈骗检测方法为Signature-Based Alerting检测方法，它的基本思路是描述移动运营商用户的行为，并根据用户行为找到一个界限来区分正常用户和诈骗用户，这就需要一种能够准确且高效的描述方式。另外，Yusoff M.I.M.【Yusoff M.I.M.,Mohamed I.,Bakar M.R.A.,Fraud detection in telecommunicationindustry using Gaussian mixed model,2013International Conference on Researchand Innovation in Information Systems(ICRIIS).IEEE,2013:27-32】提出了使用诸如Gaussian Mixed Model等数据模型，来描述用户，以检测和识别移动运营商中的诈骗者。

尽管目前已有很多检测和识别电信诈骗的技术，但是在此领域中依然存在许多挑战：