一种电信诈骗检测的方法、系统、设备及可读存储介质技术方案

本申请公开了一种电信诈骗检测的方法，包括：获取电信诈骗案例数据，并对电信诈骗案例数据进行预处理，得到训练数据；建立神经网络，并利用训练数据对神经网络进行训练，得到多媒体电信诈骗检测模型；获取应用服务中的行为数据，并利用多媒体电信诈骗检测模型对行为数据进行电信诈骗检测。本申请利用已有的电信诈骗案例提供的相关数据提取诈骗手段特征，并将特征进行分类识别与综合防护，在面对多媒体形式的诈骗手段时，能够利用多媒体电信诈骗检测模型对行为数据进行电信诈骗检测，极大的提高了电信诈骗检测的准确度。本申请同时还提供了一种电信诈骗检测的系统、设备及可读存储介质，具有上述有益效果。

A method, system, device and readable storage medium for telecommunication fraud detection

【技术实现步骤摘要】
一种电信诈骗检测的方法、系统、设备及可读存储介质
本申请涉及电信诈骗检测领域，特别涉及一种电信诈骗检测的方法、系统、设备及可读存储介质。
技术介绍
随着电子信息与网络通信技术的不断更新发展，电信技术为人们带来了便捷的通讯、购物、社交、游戏等新功能体验。然而，电信技术的不断发展变化，与之同步更新变化的还有电信诈骗方法和手段。电信诈骗的手段从简单的文字、语音、链接欺骗等单一方法，发展到如今复杂的语音、文字、图片、视频等混合方法。除了手段变化之外还有针对受骗者的心理、习惯等形式的更新。虽然，现在有些运营商和智能手机的防护功能已经从技术层面提供了部分识别与拦截功能，但是依然无法防范更多混合方法与新形式的电信诈骗手段与方法。电信诈骗自从电信技术的发展之初就已经存在，尤其是每一代电信技术发展到高峰阶段，电信诈骗案件就会越多。带来该问题的主要原因是电信技术发展普及使得大众消费者的警惕性降低(或者说大众消费者本身警惕性就不足)，造成电信诈骗的波及范围变大，受众防范意识降低。现有技术中，已有的电信诈骗检测手段是利用来电显示或手机管家等手机应用来对诈骗电话号码进行标注，以起到提醒用户的作用，然而该类手段都是基于已标记的诈骗号码做出判断，真正的核心是依托于大量的公共诈骗号码的数据，而对于文字、图片、二维码、链接、语音、视频等多媒体形式的诈骗手段，则无法进行检测。因此，如何对多媒体形式的电信诈骗手段进行检测是本领域技术人员目前需要解决的技术问题。
技术实现思路
本申请的目的是提供一种电信诈骗检测的方法、系统、设备及可读存储介质，用于对多媒体形式的电信诈骗手段进行检测。为解决上述技术问题，本申请提供一种电信诈骗检测的方法，该方法包括：获取电信诈骗案例数据，并对所述电信诈骗案例数据进行预处理，得到训练数据；其中，所述电信诈骗案例数据为多媒体复合类型的数据；建立神经网络，并利用所述训练数据对所述神经网络进行训练，得到多媒体电信诈骗检测模型；获取应用服务中的行为数据，并利用所述多媒体电信诈骗检测模型对所述行为数据进行电信诈骗检测。可选的，对所述电信诈骗案例数据进行预处理，得到训练数据，包括：对所述电信诈骗案例数据按照多媒体形式进行分类，并对分类后的所述电信诈骗案例数据进行特征标注；其中，所述电信诈骗案例数据的类型包括文字类型、语音类型、视频类型、图像类型、链接类型中的至少两项；对特征标注后的所述电信诈骗案例数据进行格式化处理，得到所述训练数据。可选的，建立神经网络，并利用所述训练数据对所述神经网络进行训练，得到多媒体电信诈骗检测模型，包括：根据所述电信诈骗案例数据的类型建立对应类型的神经网络；利用所述训练数据对每种类型的所述神经网络进行训练，得到对应类型的电信诈骗检测模型；获取模型混合权重，并选择对应的电信诈骗检测模型根据所述模型混合权重搭建所述多媒体电信诈骗检测模型；利用所述训练数据对所述多媒体电信诈骗检测模型中的所述模型混合权重进行优化。可选的，利用所述多媒体电信诈骗检测模型对所述行为数据进行电信诈骗检测，包括：将所述多媒体电信诈骗检测模型部署在应用服务器中，以使所述多媒体电信诈骗检测模型对所述应用服务器中的行为数据进行实时检测。可选的，利用所述多媒体电信诈骗检测模型对所述行为数据进行电信诈骗检测，包括：接收终端发送的模型选择命令；根据所述模型选择命令对所述多媒体电信诈骗检测模型进行裁剪及压缩，得到离线应用；将所述离线应用安装在所述终端，以使所述离线应用对所述终端中的行为数据进行实时检测。可选的，在利用所述多媒体电信诈骗检测模型对所述行为数据进行电信诈骗检测之后，还包括：当检测到的行为数据为电信诈骗行为数据时，发出提示信息。可选的，在发出提示信息之后，还包括：接收用户输入的反馈结果，并根据所述反馈结果对所述多媒体电信诈骗检测模型进行优化。本申请还提供一种电信诈骗检测的系统，该系统包括：获取模块，用于获取电信诈骗案例数据，并对所述电信诈骗案例数据进行预处理，得到训练数据；其中，所述电信诈骗案例数据为多媒体复合类型的数据；建立模块，用于建立神经网络，并利用所述训练数据对所述神经网络进行训练，得到多媒体电信诈骗检测模型；检测模块，用于获取应用服务中的行为数据，并利用所述多媒体电信诈骗检测模型对所述行为数据进行电信诈骗检测。本申请还提供一种电信诈骗检测设备，该电信诈骗检测设备包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现如上述任一项所述电信诈骗检测的方法的步骤。本申请还提供一种可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一项所述电信诈骗检测的方法的步骤。本申请所提供电信诈骗检测的方法，包括：获取电信诈骗案例数据，并对电信诈骗案例数据进行预处理，得到训练数据；其中，电信诈骗案例数据为多媒体复合类型的数据；建立神经网络，并利用训练数据对神经网络进行训练，得到多媒体电信诈骗检测模型；获取应用服务中的行为数据，并利用多媒体电信诈骗检测模型对行为数据进行电信诈骗检测。本申请所提供的技术方案，通过建立神经网络，并利用训练数据对神经网络进行训练，得到多媒体电信诈骗检测模型，使得能够利用已有的电信诈骗案例提供的相关数据提取诈骗手段特征，并将特征进行分类识别与综合防护，在面对多媒体形式的诈骗手段时，能够利用多媒体电信诈骗检测模型对行为数据进行电信诈骗检测，极大的提高了电信诈骗检测的准确度。本申请同时还提供了一种电信诈骗检测的系统、设备及可读存储介质，具有上述有益效果，在此不再赘述。附图说明为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。图1为本申请实施例所提供的一种电信诈骗检测的方法的流程图；图2为本申请实施例所提供的一种标准数据收集平台的示意图；图3为图1所提供的一种电信诈骗检测的方法中S102的一种实际表现方式的流程图；图4为本申请实施例所提供的一种神经网络的示意图；图5为本申请实施例所提供的一种的混合防诈骗网络框架的示意图；图6为本申请实施例所提供的一种电信诈骗检测的系统的结构图；图7为本申请实施例所提供的一种电信诈骗检测设备的结构图。具体实施方式本申请的核心是提供一种电信诈骗检测的方法、系统、设备及可读存储介质，用于对多媒体形式的电信诈骗手段进行检测。为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分本文档来自技高网...

【技术保护点】
1.一种电信诈骗检测的方法，其特征在于，包括：/n获取电信诈骗案例数据，并对所述电信诈骗案例数据进行预处理，得到训练数据；其中，所述电信诈骗案例数据为多媒体复合类型的数据；/n建立神经网络，并利用所述训练数据对所述神经网络进行训练，得到多媒体电信诈骗检测模型；/n获取应用服务中的行为数据，并利用所述多媒体电信诈骗检测模型对所述行为数据进行电信诈骗检测。/n

【技术特征摘要】
1.一种电信诈骗检测的方法，其特征在于，包括：
获取电信诈骗案例数据，并对所述电信诈骗案例数据进行预处理，得到训练数据；其中，所述电信诈骗案例数据为多媒体复合类型的数据；
建立神经网络，并利用所述训练数据对所述神经网络进行训练，得到多媒体电信诈骗检测模型；
获取应用服务中的行为数据，并利用所述多媒体电信诈骗检测模型对所述行为数据进行电信诈骗检测。


2.根据权利要求1所述的方法，其特征在于，对所述电信诈骗案例数据进行预处理，得到训练数据，包括：
对所述电信诈骗案例数据按照多媒体形式进行分类，并对分类后的所述电信诈骗案例数据进行特征标注；其中，所述电信诈骗案例数据的类型包括文字类型、语音类型、视频类型、图像类型、链接类型中的至少两项；
对特征标注后的所述电信诈骗案例数据进行格式化处理，得到所述训练数据。


3.根据权利要求2所述的方法，其特征在于，建立神经网络，并利用所述训练数据对所述神经网络进行训练，得到多媒体电信诈骗检测模型，包括：
根据所述电信诈骗案例数据的类型建立对应类型的神经网络；
利用所述训练数据对每种类型的所述神经网络进行训练，得到对应类型的电信诈骗检测模型；
获取模型混合权重，并选择对应的电信诈骗检测模型根据所述模型混合权重搭建所述多媒体电信诈骗检测模型；
利用所述训练数据对所述多媒体电信诈骗检测模型中的所述模型混合权重进行优化。


4.根据权利要求1所述的方法，其特征在于，利用所述多媒体电信诈骗检测模型对所述行为数据进行电信诈骗检测，包括：
将所述多媒体电信诈骗检测模型部署在应用服务器中，以使所述多媒体电信诈骗检测模型对所述应用服务器中的行为数据进行实时检测。

【专利技术属性】
技术研发人员：李雪雷，吴楠，赵雅倩，李仁刚，
申请(专利权)人：苏州浪潮智能科技有限公司，
类型：发明
国别省市：江苏;32