[发明专利]一种电信诈骗受害人风险评估系统及方法

权利要求书

1.一种电信诈骗受害人风险评估系统，其特征在于：所述的系统包括：数据库构建模块，用于提取指定区域内的电信诈骗受害人的数据信息和该区域内常住人口的数据信息后建立模型样本集，并按照70%和30%的比例分为训练集和测试集两个部分；

特征辨识模块，提取训练集作为训练测试样本导入算法模型，把样本数据以众多决策树形式集中在一起，形成一个很强的分类器并从中提取有效特征目标，按照每个特征数据的重要性并排序选最优；

模型构建模块，以指定特征值对样本数据进行预测模型训练，确定容易受电信诈骗的风险概率。

2.根据权利要求1所述的一种电信诈骗受害人风险评估系统 ，其特征在于：还包括模型参数优化模块，所述的模型参数优化模块用于调节模型算法的参数，用以提高模型的学习速率和准确性，模型学习速率是指模型在训练是对数据样本集中数据的采样条目数，理论上将每一条数据都通过模型进行遍历读取，得到最准确的分析结果，预测模型在学习速率调参优化方面，采用了学习速率退火方法，即从一个比较高的学习速率，通过制定“步衰减”表来逐步中降低学习速率。

3.根据权利要求2所述的一种电信诈骗受害人风险评估系统 ，其特征在于：还包括模型测试模块，所述的模型测试模块用于衡量数据模型，在特定刺激条件下，以被试在不同判断标准下所得的虚报概率P（y/N）为横坐标，以击中概率P（y/SN）为纵坐标作出接受者操作特性曲线（ROC曲线），通过所述的接受者操作特性曲线（ROC曲线）计算出AUC。

4.根据权利要求3所述的一种电信诈骗受害人风险评估系统 ，其特征在于：当出现新的电信诈骗受害人时，会提取其数据信息，并对模型样本集进行更新。

5.一种电信诈骗受害人风险评估方法，其特征在于：所述的方法包括：

提取指定区域内的电信诈骗受害人的数据信息和该区域内常住人口的数据信息后建立模型样本集；

提取训练集作为训练测试样本导入算法模型，把样本数据以众多决策树形式集中在一起，形成一个很强的分类器并从中提取有效特征目标，按照每个特征数据的重要性并排序选最优；

以指定特征值对样本数据进行预测模型训练，确定容易受电信诈骗的风险概率。

6.根据权利要求5所述的一种电信诈骗受害人风险评估方法，其特征在于：还需要调节模型算法的参数，用以提高模型的学习速率和准确性，模型学习速率是指模型在训练是对数据样本集中数据的采样条目数，理论上将每一条数据都通过模型进行遍历读取，得到最准确的分析结果，预测模型在学习速率调参优化方面，采用了学习速率退火方法，即从一个比较高的学习速率，通过制定“步衰减”表来逐步中降低学习速率。

7.根据权利要求6所述的一种电信诈骗受害人风险评估方法，其特征在于：需要衡量数据模型，在特定刺激条件下，以被试在不同判断标准下所得的虚报概率P（y/N）为横坐标，以击中概率P（y/SN）为纵坐标作出接受者操作特性曲线（ROC曲线），通过所述的接受者操作特性曲线（ROC曲线）计算出AUC,通过AUC作为衡量数据模型的评价指标。

8.根据权利要求5所述的一种电信诈骗受害人风险评估方法，其特征在于：当出现新的电信诈骗受害人时，会提取其数据信息，并对模型样本集进行更新。

9.根据权利要求5所述的一种电信诈骗受害人风险评估方法，其特征在于：将所述的模型样本集按照70%和30%的比例分为训练集和测试集两个部分。

10.根据权利要求7的所述的一种电信诈骗受害人风险评估方法，其特征在于：在具体的评价中，以AUC值是否超过标准值0.85为依据，判断是否完全满足风险预测的实际需要。