[发明专利]一种用于识别诈骗短信的深度学习算法在审
| 申请号： | 201710327007.8 | 申请日： | 2017-05-10 |
| 公开（公告）号： | CN107239504A | 公开（公告）日： | 2017-10-10 |
| 发明（设计）人： | 邹福泰;张成伟;王祺文;俞汤达;张哲迪;李林森 | 申请（专利权）人： | 上海交通大学 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30;G06N3/08;H04W4/14;H04W12/12 |
| 代理公司： | 上海旭诚知识产权代理有限公司31220 | 代理人： | 郑立 |
| 地址： | 200240 *** | 国省代码： | 上海;31 |
| 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 用于 识别 诈骗 短信 深度 学习 算法 | ||
1.一种用于识别诈骗短信的深度学习算法，其特征在于，包括深度学习模块、交互模块、预处理模块和比较模块，所述交互模块将获取的短信发送至所述预处理模块，所述预处理模块提取短信的特征向量，所述深度学习模块根据样本集形成深度学习模型，所述比较模块比较短信的特征向量与所述深度学习模型，所述比较模块将比较结果发送至所述交互模块，所述交互模块将比较结果反馈给使用者，所述短信包括短信文本和/或URL。
2.如权利要求1所述的用于识别诈骗短信的深度学习算法，其特征在于，所述深度学习模型包括短信文本深度学习模型和/或URL深度学习模型。
3.如权利要求2所述的用于识别诈骗短信的深度学习算法，其特征在于，所述短信文本深度学习模型的形成过程包括所述预处理模块提取短信的短信文本为特征向量，所述深度学习模块将短信文本特征向量导入DBN中形成短信文本深度学习模型。
4.如权利要求2所述的用于识别诈骗短信的深度学习算法，其特征在于，所述URL深度学习模型的形成过程包括所述预处理模块提取短信的URL为特征向量，所述深度学习模块将URL特征向量导入DBN中形成URL深度学习模型。
5.如权利要求1所述的用于识别诈骗短信的深度学习算法，其特征在于，所述预处理模块提取短信的特征向量包括短信文本特征向量和/或URL特征向量。
6.如权利要求5所述的用于识别诈骗短信的深度学习算法，其特征在于，所述短信文本特征向量的形成方式为，所述预处理模块将短信文本分离，将分离得到的所述短信文本导入Woed2vec中导出得到短信文本特征向量。
7.如权利要求6所述的用于识别诈骗短信的深度学习算法，其特征在于，所述URL特征向量的形成方式为，所述预处理模块将URL分离，将分离得到的URL利用提取规则得到URL特征向量。
8.如权利要求1所述的用于识别诈骗短信的深度学习算法，其特征在于，所述比较模块比较短信的特征向量与所述深度学习模型，包括比较短信文本特征向量与短信文本深度学习模型和/或URL特征向量与URL深度学习模型。
9.如权利要求8所述的用于识别诈骗短信的深度学习算法，其特征在于，比较短信文本特征向量与短信文本深度学习模型时，将所述短信文本特征向量导入所述深度学习模块的短信文本深度学习分类器，分类之后的结果与所述深度学习模块设定的阈值比较，并反馈结果给交互模块。
10.如权利要求8所述的用于识别诈骗短信的深度学习算法，其特征在于，比较URL特征向量与URL深度学习模型时，将所述URL特征向量导入所述深度学习模块的URL深度学习分类器，分类之后的结果与所述深度学习模块设定的阈值比较，并反馈结果给交互模块。
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上海交通大学，未经上海交通大学许可，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/201710327007.8/1.html，转载请声明来源钻瓜专利网。
- 上一篇：视频展示方法及装置
- 下一篇：集群镜像同步方法和系统
