[发明专利]电信诈骗事件的识别方法及其装置、计算机可读存储介质

说明书

本发明公开了一种电信诈骗事件的识别方法及其装置、计算机可读存储介质。其中，该方法包括：获取目标电信数据；对目标电信数据进行分析，得到目标电信数据中的目标特征序列；通过信息预测模型，确定与目标特征序列对应的电信数据识别结果，其中，信息预测模型为使用多组训练数据通过机器学习训练得到的，多组训练数据中的每一组训练数据均包括：历史特征序列以及与历史特征序列对应的历史电信数据识别结果，历史特征序列为对历史电信数据进行分析得到的特征序列；基于电信数据识别结果确定目标电信数据是否存在诈骗风险。本发明解决了针对相关技术中识别电信诈骗的手段智能化较低、覆盖面较小以及识别模型准确度不高的技术问题。

技术领域

本发明涉及信息识别领域，具体而言，涉及一种电信诈骗事件的识别方法及其装置、计算机可读存储介质。

背景技术

随着互联网技术的快速发展，人们的生活也在日新月异地更迭变化。电信通讯的不断普及带给人们便捷的购物、转账、社交等新的生活体验，但与之相伴的是诈骗分子利用网络通讯针对性地实施远程非接触式诈骗，诱骗受害者转账或透露个人信息，造成钱财损失或个人隐私泄露。

现有的电信诈骗识别技术大致分为三种：人工标记，专家规则，机器学习模型。人工标记是由用户或手机安全软件进行自主定义标签，这样会存在不确定性和不稳定性；专家规则需要业务人员有很强的业务经验，且覆盖有限，基本都是基于对历史诈骗事件的总结和归纳，无法做到对新诈骗类型的提前感知。机器学习模型使用较为广泛，运用通话或位置数据，采用聚类或分类模型进行识别，但面对多类型的诈骗模式准确率会有所下降，同样单个模型也会因自身能力不足而识别率较低。

因此，上述技术中人工标记和专家规则存在覆盖度小，人力成本高的缺陷，无法满足流程化集群化的需求；单个机器学习模型则存在对于多类型的诈骗模型准确率较低的缺点。

针对上述问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种电信诈骗事件的识别方法及其装置、计算机可读存储介质，以至少解决针对相关技术中识别电信诈骗的手段智能化较低、覆盖面较小以及识别模型准确度不高的技术问题。

根据本发明实施例的一个方面，提供了一种电信诈骗事件的识别方法，包括：获取目标电信数据，其中，所述目标电信数据包括以下至少之一：通话行为数据、短信行为数据、上网流量数据；对所述目标电信数据进行分析，得到所述目标电信数据中的目标特征序列；通过信息预测模型，确定与所述目标特征序列对应的电信数据识别结果，其中，所述信息预测模型为使用多组训练数据通过机器学习训练得到的，所述多组训练数据中的每一组训练数据均包括：历史特征序列以及与所述历史特征序列对应的历史电信数据识别结果，所述历史特征序列为对历史电信数据进行分析得到的特征序列；基于所述电信数据识别结果确定所述目标电信数据是否存在诈骗风险。

可选地，对所述目标电信数据进行分析，得到所述目标电信数据中的目标特征序列，包括：按照预定维度对所述目标电信数据进行特征汇总，得到所述目标电信数据的特征数据；对所述目标电信数据的特征数据进行过滤，得到所述目标特征序列。

可选地，所述目标电信数据中的通话行为数据以及短信行为数据均包括以下至少之一：通话时间、通话次数、呼叫类型、漫游类型、对端号码、归属地；所述目标电信数据中的上网流量数据包括以下至少之一：上网时间、上网时长、上网次数、上网流量字节。

可选地，在通过信息预测模型，确定与所述目标特征序列对应的电信数据识别结果之前，所述方法还包括：获取历史时间段内的历史电信数据；按照所述预定维度对所述历史电信数据进行特征汇总，得到所述历史电信数据的历史特征数据；对所述历史特征数据按照预定时间单位进行整合，得到多组历史特征数据序列；对所述多组历史特征数据序列中的每一组进行过滤，得到多个历史特征序列；确定所述多个历史特征序列对应的历史电信数据识别结果，以得到所述多组训练数据；利用所述多组训练数据对预定网络模型进行训练，得到所述信息预测模型。