[发明专利]网络反诈骗主动巡检与预警系统

权利要求书

1.一种网络反诈骗主动巡检与预警系统，其特征在于，该系统包括：自动巡检模块、在线甄选模块、可信度评估模块、主动预警模块、数据采集模块、在线预处理模块、自动抽取模块、逻辑关系在线生成模块、自动复盘模块和预警策略构建模块；

所述自动巡检模块，配置为采用预构建的先验规则库对实时获取的第一数据进行特征匹配识别，将匹配度大于设定阈值的第一数据作为可疑诈骗线索，并通过信息熵系数聚合方法构建可疑诈骗线索群聚空间；所述先验规则库包括各类已发生网络及电话诈骗拓扑特征模型；所述第一数据为用户群体在移动社交网络、互联网社交网络、语音电话中的交互数据；

所述在线甄选模块，配置为从所述诈骗线索群聚空间中获取交互影响变量，并通过拓扑排序、条件分布采样得到可疑诈骗线索中主题领袖及附属成员的第一信息的全概率关联分布；所述第一信息包括交互社区结构、归属地、话题内容、网络及电话诈骗置信度以及危害风险系数；

所述可信度评估模块，配置为通过分层无标度网络综合评价方法对可疑诈骗线索全概率关联分布进行评估，获取可疑诈骗线索危害可信度的权重，并构建可疑诈骗线索危害可信度分布知识库；

所述主动预警模块，配置为对所述可疑诈骗线索危害可信度分布知识库中可疑诈骗线索危害可信度权重大于设定预警阈值的可疑诈骗线索，通过协同过滤推荐矩阵算法，主动推送到反诈骗部门人员的手机或者案件排查系统上，并启用电子监察限期排查可疑诈骗线索；

所述数据采集模块，配置为采集样本数据；所述样本数据包括法院电子数据、公安电子数据、运营商数据、互联网社交网络数据、移动社交网络数据、银行征信数据、信贷记录数据、保险数据、电商记录数据、第三方金融支付数据；

所述在线预处理模块，配置为将样本数据分片标记，实时分批次对标记后的样本数据进行预处理，并封装成XML格式；

所述自动抽取模块，配置为通过深度学习的自编码器对XML数据进行编码，自动抽取主题线索及属性，并封装成网络电话诈骗模型；

所述逻辑关系在线生成模块，配置为采用超几何网络关系表示模型，在线测量网络电话诈骗模型间逻辑关系并进行抽象与泛化，实时构建反诈骗图谱，分类保存在设定类型的数据库中，并对新增样本在数据库进行实时更新；

所述自动复盘模块，配置为通过相似度聚类算法和社区结构表示学习方法从反诈骗图谱中复盘出已发生的网络及电话诈骗拓扑分布模型；

所述预警策略构建模块，配置为通过推演方法，从大规模社交网络和电话通信网络数据中，借助已还原已发生网络及电话诈骗拓扑分布模型和人工经验干预的先验特征库，在线主动匹配生成可疑诈骗线索权重系数的分级。

2.根据权利要求1所述的网络反诈骗主动巡检与预警系统，其特征在于，该系统还包括用户管理模块、机构管理模块、模型管理模块、策略管理模块、日志审计模块、运行监控模块；

所述用户管理模块，配置为对网络反诈骗主动巡检与预警系统的用户信息、用户权限进行管理；

所述机构管理模块，配置为对网络反诈骗主动巡检与预警系统的机构信息、机构权限进行管理；

所述模型管理模块，配置为根据机构权限以及用户权限，调整与加载已发生的网络及电话诈骗拓扑分布模型存储、结构更新、参数优化和模型销毁；

所述策略管理模块，配置为对所述预警策略进行加载以及调整；

所述日志审计模块，配置为对网络反诈骗主动巡检与预警系统的日志进行采集、重组、分析处理、存储、异常告警以及展示；

所述运行监控模块，配置为实时监控网络反诈骗主动巡检与预警系统的运行状态。

3.根据权利要求1所述的网络反诈骗主动巡检与预警系统，其特征在于，所述主动预警模块还包括身份异常监测单元、社交行为异常监测单元、通信模式异常监测与预警单元；

所述身份异常监测单元，配置为根据输入诈骗对象的社交网络账号或者联系方式，获取诈骗对象的第一信息，并进行实时监控；所述第一信息包括社会安全信息、犯罪记录、异常消费和不明资金来源信息；

所述行为异常监测单元，配置为根据输入的诈骗对象的身份信息以及设定的时间段，获取待检测目标在设定时间段内的轨迹；所述轨迹包括消费行为轨迹、社交行为轨迹；

所述通信模式异常监测与预警单元，配置为当检测到诈骗对象通信模式异常，则获取诈骗对象在公共场所携带危险品的检测图像，生成诈骗对象危害特征数据，以供公安部门决策。