一种异常电话的识别方法、装置、设备及存储介质制造方法及图纸

本发明专利技术实施例公开了一种异常电话的识别方法、装置、设备及存储介质。该方法包括获取样本集；确定每个样本的样本特征，根据异常样本集与正常样本集中各样本特征之间的差异性，确定显著异常样本筛选条件；根据显著异常样本筛选条件，在异常样本集中，筛选得到目标异常样本集，根据目标异常样本集，训练得到异常电话识别模型；将实时获取的测试数据集输入至异常电话识别模型中，得到与测试数据集对应的异常电话识别结果。本发明专利技术实施例的技术方案提供一种基于大数据分析与离线建模实现异常电话识别的新方法，提高模型迭代优化效率，缩短模型固化周期，确保识别准确率的同时还可以有效应对诈骗行为特征随犯罪分子警惕性提高而不断变化的情况。变化的情况。变化的情况。

【技术实现步骤摘要】
一种异常电话的识别方法、装置、设备及存储介质


[0001]本专利技术实施例移动通信电话反诈
，尤其涉及一种异常电话的识别方法、装置、设备及存储介质。

技术介绍

[0002]目前，电话诈骗案件借助移动互联网的普及，在诈骗手段方面层出不穷，在诈骗场景方面不断延伸，在诈骗数量方面依旧高发。
[0003]仿冒类诈骗是犯罪分子比较惯用的诈骗形式之一，通过系统性的剧本和明确的人员分工，将受害人逐步引入陷阱，此类诈骗一般为团伙作案，具备较高的专业性和警惕性。目前常用的行为特征检测方法不能及时针对性更新反诈规则库，而基于内容的检测方法比较依赖用户隐私数据，并且需要较大的语音分析设备投入，目前的检测方法已经不能满足随诈骗手段随犯罪分子警惕性提高而不断变化的反诈需求。

技术实现思路

[0004]本专利技术实施例提供了一种异常电话的识别方法、装置、设备及存储介质，提供一种基于大数据分析与离线建模实现异常电话识别的新方法，提高模型迭代优化效率，缩短模型固化周期，确保识别准确率的同时还可以有效应对诈骗行为特征随犯罪分子警惕性提高而不断变化的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种异常电话的识别方法，其特征在于，包括：获取样本集，所述样本集中包括：异常样本集和正常样本集，每个样本中包括样本号码和与样本号码在预设历史时间区间内的话单；根据各话单中的话单字段，确定每个样本的样本特征，并根据异常样本集与正常样本集中各样本特征之间的差异性，确定显著异常样本筛选条件；根据显著异常样本筛选条件，在异常样本集中，筛选得到目标异常样本集，并根据目标异常样本集，训练得到异常电话识别模型；将实时获取的测试数据集输入至所述异常电话识别模型中，得到与测试数据集对应的异常电话识别结果。2.根据权利要求1所述的方法，其特征在于，根据异常样本集与正常样本集中各样本特征之间的差异性，确定显著异常样本筛选条件，包括：根据与所述异常样本集和正常样本集分别对应的各样本特征，通过4分位分析法，计算与各样本特征分别对应的异常门限值；根据所述异常门限值，从所述异常样本集和正常样本集中筛选得到备选异常样本集和备选正常样本集；根据所述备选异常样本集和备选正常样本集中各样本特征之间的差异性，确定显著异常样本筛选条件。3.根据权利要求2所述的方法，其特征在于，根据所述备选异常样本集和备选正常样本集中各样本特征之间的差异性，确定显著异常样本筛选条件，包括：分别计算备选异常样本集和备选正常样本集中各样本在每个样本特征下的分布特征，选择分布特征之间差异度超过预设差异阈值的样本特征作为目标样本特征；将备选异常样本集中目标样本特征的分布特征，作为显著异常样本筛选条件。4.根据权利要求1所述的方法，其特征在于，根据目标异常样本集，训练得到异常电话识别模型，包括：根据目标异常样本集，分别对多个由机器学习算法构建的各备选异常电话识别模型进行离线训练；对比各训练后的备选异常电话识别模型的识别效果，确定目标异常电话识别模型；对所述目标异常电话识别模型进行固化处理，得到异常电话识别模型。5.根据权利要求1所述的方法，其特征在于，将实时获取的测试数据集输入至所述异常电话识别模型中，得到与测试数据集对...

【专利技术属性】
技术研发人员：崔鹏翔，李智，董玉强，尚程，潘宝宝，卢桂龙，傅强，梁彧，蔡琳，杨满智，王杰，田野，金红，陈晓光，
申请(专利权)人：恒安嘉新北京科技股份公司，
类型：发明
国别省市：