基于鲁棒声纹特征的信用卡申请反欺诈的方法、系统、终端设备及存储介质技术方案

本发明专利技术提供了一种基于鲁棒声纹特征的信用卡申请反欺诈的方法、系统、终端设备及存储介质，涉及计算机系统领域，本发明专利技术相对现有技术增强了声纹特征的鲁棒性，削弱了背景噪声等环境因素对聚类结果的负面影响，使得聚类结果可以更加精准；相对现有技术减少了很多因声音相似被聚到一起的电话录音，从而减少了业务人员的工作量，可以节约很大的人力成本。可以节约很大的人力成本。可以节约很大的人力成本。

【技术实现步骤摘要】
基于鲁棒声纹特征的信用卡申请反欺诈的方法、系统、终端设备及存储介质


[0001]本专利技术涉及计算机系统领域，具体而言，涉及一种基于鲁棒声纹特征的信用卡申请反欺诈的方法、系统、终端设备及存储介质。

技术介绍

[0002]在银行业中，大部分坏账来自于以黑中介为首的产业链骗局。为了核验信用卡申请件的真实性，银行信用卡中心通常会采用电话审核的方式来对申请件的真实性进行审核。但是专业的黑中介团伙通常会将申请信息进行包装，使得电话审核很难起到该有的作用。由于黑中介团伙的声纹特征基本保持不变，因此本专利技术通过对电话录音的声纹特征进行N:N的聚类，找出哪些信用卡申请进件的电话是同一个人接听的，从而可以找出可疑的信用卡申请进件加以审核，以达到反欺诈的效果。本专利技术主要是基于声纹模型提取说话人语音的声纹特征，进而对一个人进行标识。目前，卷积神经网络是在说话人识别应用中应用的最流行的特征提取网络。
[0003]在声纹识别技术的实际使用中，有很多种因素可能会影响到声纹特征的有效性，从而对声纹识别效果产生消极影响。如果能够提高声纹模型所提取出来的特征的鲁棒本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于鲁棒声纹特征的信用卡申请反欺诈的方法，其特征在于，具体步骤依次包括电话录音，接着对采集到的录音进行数据预处理，随后利用添加了注意力机制的CBAM
‑
ResNet网络对说话人语音进行特征提取得到鲁棒的声纹特征进行首次聚类，并且接着筛选出首次聚类结果中的电话录音进行上述数据预处理步骤，最后基于GE2E
‑
LSTM模型的进行二次聚类，最终得到聚类结果。2.根据权利要求1所述的方法，其特征在于，所述数据预处理的处理方法具体步骤包括：首先判断录音是否为双通道，若不是双通道音频则进行语音分割以得到客户音轨，若是双通道音频则可以直接提取客户音轨；然后通过计算客户语音的噪声信噪比；然后再根据计算所得的信噪比来确定其是否需要经过降噪处理，若信噪比低于设定阈值则进行降噪处理，若信噪比高于设定阈值则跳过降噪步骤；接着基于VAD等方法切除掉客户语音中的静音片段以及切除掉客户语音中的铃声片段；最终得到可进行特征提取的客户语音。3.根据权利要求1所述的方法，其特征在于，CBAM
‑
ResNet网络对说话人语音进行特征提取得到鲁棒的声纹特征进行首次聚类的方法，其步骤包括：基于CBAM
‑
ResNet网络提取数据预处理后的客户录音的声纹特征；接着基于提取的声纹特征进行谱聚类，得到首次聚类结果。4.根据权利要求1所述的方法，其特征在于，基于GE2E
‑
...

【专利技术属性】
技术研发人员：陈晓铭，冉佳，陈文，左为，
申请(专利权)人：中信银行股份有限公司，
类型：发明
国别省市：