[发明专利]目标对象类别的确认方法及装置、存储介质、电子装置在审

专利信息
申请号: 201911185368.9 申请日: 2019-11-27
公开(公告)号: CN110866049A 公开(公告)日: 2020-03-06
发明(设计)人: 许德明;陈秀坤;王欢 申请(专利权)人: 北京明略软件系统有限公司
主分类号: G06F16/2458 分类号: G06F16/2458;G06Q50/18
代理公司: 北京康信知识产权代理有限责任公司 11240 代理人: 王晓婷
地址: 100086 北京市海淀区*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 目标 对象 类别 确认 方法 装置 存储 介质 电子
【说明书】:

发明提供了目标对象类别的确认方法及装置、存储介质、电子装置,其中,上述方法包括:获取目标对象的特征数据,其中,所述特征数据至少包括以下之一:IMSI数据,MAC数据,人像数据,轨迹数据,话单数据;根据所述特征数据对异常模型进行训练;根据训练后的异常模型对待分析的目标对象进行分析,以确定所述待分析的目标对象是否属于目标对象类别,采用上述技术方案,解决了相关技术中,确定目标对象的目标对象类别的方式存在的准确性低等问题,提升了数据结果的准确性,减少了错误数据的产生。

技术领域

本发明涉及通信领域,具体而言,涉及一种目标对象类别的确认方法及装置、存储介质、电子装置。

背景技术

由于通信和网络行业的快速发展,社会各行业蓬勃发展,蒸蒸日上。与此同时,违法犯罪案件也相应的增多,层出不群。电信诈骗在我国人口基数大,贫富差距大的现实国情下,更是如社会之癌一样,到处扩散,屡屡打击不绝。

对于电诈人员的打击,大部分都是在受害者报案之后,公安机关采取的事发后侦查打击。电诈行为具有较大的隐蔽性和距离感,犯罪证据的抓获和固定较难。事前预防和针对非特定群体的电诈人员识别则显得难度颇大。现有大部分厂商主要采取对于人员进行异常度分析,按照异常积分阈值来实现主动预警。

存在以下问题:1、每条规则对应的积分值,大部分是纯主观经验值,并不都科学合理;2、阈值难以确定,按照大量案件统计分布区间计算的均值指标,对于个案不具有指导意义。3、基于以上规则产生的预警人员名单,命中率较低。

针对相关技术中,相关技术中,确定目标对象的目标对象类别的方式存在的准确性低等问题,尚未提出有效的技术方案。

发明内容

本发明实施例提供了目标对象类别的确认方法及装置、存储介质、电子装置,以至少解决相关技术中相关技术中,确定目标对象的目标对象类别的方式存在的准确性低等问题。

根据本发明的一个实施例,提供了一种目标对象类别的确认方法,包括:获取目标对象的特征数据,其中,所述特征数据至少包括以下之一:国际移动用户识别码(International Mobie Subscriber Identity,简称为IMSI数据,媒体接入控制(MediaAccess Control,简称为MAC)数据,人像数据,轨迹数据,话单数据;根据所述特征数据对异常模型进行训练;根据训练后的异常模型对待分析的目标对象进行分析,以确定所述待分析的目标对象是否属于目标对象类别。

可选的,根据特征数据对异常模型进行训练,包括:获取特征数据的所有特征信息,以及设置特征数据的置信度;对所有特征信息进行归一化处理,得到归一化后的训练特征矩阵;根据训练特征矩阵和置信度对异常训练模型进行训练。。

可选的,根据训练后的异常模型对待分析的目标对象进行分析,以确定待分析的目标对象是否属于目标对象类别,包括:根据训练后的异常模型对待分析的目标对象的特征数据进行分析,输出目标置信度;根据目标置信度确定待分析的目标对象是否属于目标对象类别。

可选的,根据目标置信度确定待分析的目标对象是否属于目标对象类别,包括:根据以下公式确定待分析的目标对象是否属于目标对象类别是否属于目标对象类别:Y=A*X1+B*X2+C*X3+D*X4+E*X5,其中,A表示待分析的目标对象的IMSI数据所对应的值,B表示待分析的目标对象的MAC数据所对应的值,C表示待分析的目标对象的人像数据所对应的值,D表示待分析的目标对象的轨迹数据所对应的值,E表示待分析的目标对象的话单数据所对应的值X1,X2,X3,X4,X5分别为A,B,C,D,E对应的目标置信度。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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北京明略软件系统有限公司,未经北京明略软件系统有限公司许可,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/201911185368.9/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top