[发明专利]网络反诈骗主动巡检与预警系统

说明书

本发明属于公共安全领域，具体涉及一种网络反诈骗主动巡检与预警系统，旨在解决网络、电话预防诈骗技术预防鲁棒性差的问题。本发明系统包括：自动巡检模块，配置为构建可以诈骗线索群聚空间；在线甄选模块，配置为通过拓扑排序、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；可信度评估模块，配置为通过分层无标网络综合评价方法对可疑诈骗线索进行评估；主动预警模块，配置为将权重大于设定预警阈值的可疑诈骗线索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。本发明通过主动捕获网络、电话诈骗交互结构，锁定诈骗线索，提高了网络、电话诈骗预防的鲁棒性。

技术领域

本发明属于公共安全领域，具体涉及一种网络反诈骗主动巡检与预警系统。

背景技术

随着电信移动互联网4G/5G和智能多媒体终端快速普及，截至2016年底，我国手机网民数达到6.88亿，用户规模位居全球第一。庞大电信用户交互信息不仅成为催生新型信息消费服务业、发现和处理民生问题、制定有效政策提供重要的辅助决策依据，同时也成为不法分子或组织肆意组织实施电话网络诈骗、网络恐怖和违法犯罪等恶性事件首选对象。现有网络、电话诈骗的手段隐蔽性、通信方式多样性和事件线索随着用户群体互动的动态演化和情绪漂移等技术挑战，使得现有预防网络、电话诈骗技术难以有效获取用户群体动态交互拓扑结构，无法准确识别出网络、电话诈骗线索等问题。使得我国电信网络诈骗事件愈演愈烈，犯罪手段层出不穷，同时电信网络诈骗跟高利贷、网络传销和非法集资等犯罪事件交织在一起，衍生出所谓“校园贷”、“热点点赞”和“众筹创业”等新型犯罪事件，由此引发社会犯罪率逐年上升，给社会公共安全带来前所未有的挑战。

发明内容

为了解决现有技术中的上述问题，即为了解决现有网络、电话诈骗预防技术难以有效获取用户群体动态交互拓扑结构，无法准确识别出网络、电话诈骗线索，导致预防鲁棒性差的问题，本发明第一方面，提出了一种网络反诈骗主动巡检与预警系统，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；

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。

在一些优选的实施方式中，该系统还包括数据采集模块、在线预处理模块、自动抽取模块、逻辑关系在线生成模块；

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、视频数据、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；