一种基于机器学习的电信诈骗潜在受害者预测方法技术

本发明专利技术涉及电信诈骗预防领域，具体涉及一种基于机器学习的电信诈骗潜在受害者预测方法，其中包括样本构建方法，将受害者和普通人在单位时间内的APP使用情况作为样本；模型构建方法：基于不同受害类型构建若干机器学习分类模型；应用所构建的样本对所述若干机器学习分类模型进行训练和验证，得到不同受害类型的电信诈骗潜在受害者预测模型。通过APP使用情况，可以全面了解用户的生活习惯和个人需求，从而更加精准地判断出潜在受害者，为事前防诈骗宣传提供了准确的目标，在进行防诈骗宣传时重点针对潜在受害者进行，提高了效率同时节约了成本。了成本。了成本。

【技术实现步骤摘要】
一种基于机器学习的电信诈骗潜在受害者预测方法


[0001]本专利技术涉及电信诈骗预防领域，更具体地，涉及一种基于机器学习的电信诈骗潜在受害者预测方法。

技术介绍

[0002]随着我国经济的持续高速成长，金融业、通讯和网络技术的迅猛发展，电信诈骗犯罪近年也随之快速的蔓延增长。电诈犯罪手段复杂多变且更新迅速，地域跨度广，社会危害性和打击难度相对较大。为避免电信诈骗类犯罪频繁发生危害社会，司法行政部门专门针对此类案件出台并实施了相关措施，但打击效果不尽如人意，案件破获率较低，其发展态势有增无减。这种犯罪已经成为严重危害我国社会治安秩序和人民财产安全的重大热点和难点问题，俨然成为一种新的社会公害。
[0003]相较于案发后的拦截与追赃，做好有效预防工作，更能从根源遏制电诈案件的发生。但是当前防诈骗宣传只是采用传统的线下宣讲，无目标、无重点，宣讲往往开销巨大、收效甚微。

技术实现思路

[0004]本专利技术旨在克服上述现有技术的至少一种缺陷(不足)，提供一种基于机器学习的电信诈骗潜在受害者预测方法，通过获取受害者和普通人在单位时间本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器学习的电信诈骗潜在受害者预测的样本构建方法，其特征在于，将受害者和普通人在单位时间内的APP使用情况作为样本。2.根据权利要求1所述的一种基于机器学习的电信诈骗潜在受害者预测的样本构建方法，其特征在于，步骤包括：S1、采集受害者和普通人在单位时间内的APP使用情况，并根据受害者的受害类型设置不同的受害类型标签；S2、通过不同受害类型的受害者的APP使用情况得到各APP基于受害类型标签的支持度、置信度、提升度，根据支持度、置信度、提升度以及实际情况选取若干APP作为该受害类型的关联APP；S3、根据关联APP对S1采集的APP使用情况进行处理，得到关联APP使用情况数据表，作为训练电信诈骗潜在受害者预测模型的样本。3.根据权利要求2所述的一种基于机器学习的电信诈骗潜在受害者预测的样本构建方法，其特征在于，S1所述的单位时间为受害者报警前20天至40天。4.根据权利要求2所述的一种基于机器学习的电信诈骗潜在受害者预测的样本构建方法，其特征在于，S2所述的通过不同受害类型的受害者的APP使用情况得到各APP基于受害类型标签的支持度、置信度、提升度，具体为：将APP名称与受害类型标签组成项集，对项集使用频繁模式挖掘算法，得到以APP名称为前件，受害类型标签为后件的关联规则，及其支持度、置信度和提升度。5.根据权利要求2所述的一种基于机器学习的电信诈骗潜在受害者预测的样本构建方法，其特征在于，S2所述根据支持度、置信度、提升度以及实际情况选取若干APP作为该受害类型的关联APP，具体为：以提升度为主要判断指标，对各APP进行排序，并结合实际情况，选出与受害类型标签关联度最高的若干APP作为该受害类型标签下的关联APP。6.根据权利要求2所述的一种基于机器学习的电信诈骗潜在受害者预测的样本构建方法，其特征在于，S3步骤具体包括：S301、根据受害者的受害类型，将受害者样本添加受害类型标签，将普通人样本添加普通人标签；S302、根据受害者样本和普通人样本构建APP使用情况数据表；S...

【专利技术属性】
技术研发人员：马成，
申请(专利权)人：联通广东产业互联网有限公司，
类型：发明
国别省市：