[发明专利]基于无监督学习的诈骗呼叫序列检测方法

权利要求书

1.基于无监督学习的诈骗呼叫序列检测方法，其特征在于，包括：

从基础电信企业的信令数据库中抽取主叫号码的通话记录，构造主叫呼叫序列，根据呼叫关系构造呼叫二部图，呼叫二部图包括对应主叫号码的主叫节点和对应被叫号码的被叫节点；

以呼叫二部图中随机一个主叫号码对应的主叫节点为起点，在呼叫二部图中进行随机游走过程，基于随机游走过程得到的节点集合，采用Skip-Gram方法推断各主叫号码对应的主叫节点的低维嵌入表示向量；

获取各被叫号码的唯一标识，以主叫号码对应的主叫节点的低维嵌入表示向量以及第M个被叫号码对应的唯一标识为神经网络的输入，以第M+1个被叫号码对应的唯一标识为输出，训练获得神经网络预测模型；

获取待检测主叫呼叫序列中主叫号码对应的主叫节点的低维嵌入表示向量以及各被叫号码对应的唯一标识，并输入所述神经网络预测模型，若得到的预测唯一标识与实际唯一标识的误差大于设定阈值，则判断主叫号码为诈骗号码。

2.如权利要求1所述的基于无监督学习的诈骗呼叫序列检测方法，其特征在于，所述主叫呼叫序列中被叫号码的数量不小于设定阈值。

3.如权利要求1所述的基于无监督学习的诈骗呼叫序列检测方法，其特征在于，在随机游走过程中，在到达一目标节点后，查看当前目标节点与上一目标节点之间的通话时长，若通话时长大于预设时间窗口，则随机游走过程结束。

4.如权利要求1所述的基于无监督学习的诈骗呼叫序列检测方法，其特征在于，被叫号码的唯一标识通过将被叫号码转化为独热编码向量得到。

5.如权利要求4所述的基于无监督学习的诈骗呼叫序列检测方法，其特征在于，将低维嵌入表示向量和独热编码向量连接，形成输入向量输入神经网络。

6.如权利要求1所述的基于无监督学习的诈骗呼叫序列检测方法，其特征在于，所述神经网络为LSTM神经网络。

7.如权利要求1所述的基于无监督学习的诈骗呼叫序列检测方法，其特征在于，还包括：

在训练神经网络过程中选择L_q为损失函数；

c′_t为神经网络输出的唯一标识，c_t为实际的唯一标识，T为主叫呼叫序列中第一个被叫号码与最后一个被叫号码之间的时间间隔，N是总的序列数量。

8.如权利要求1或7所述的基于无监督学习的诈骗呼叫序列检测方法，其特征在于，采用Adam算法训练神经网络。

9.如权利要求7所述的基于无监督学习的诈骗呼叫序列检测方法，其特征在于，计算预测唯一标识与实际唯一标识之间的损失函数数值，若损失函数数值大于设定阈值，则判断主叫号码为诈骗号码。