CN101461224A - 用于识别voip的spit或者垃圾信息的方法 - Google Patents

Abstract

本发明涉及一种用于计算机辅助识别通信网络(互联网)中第一类型(Spam)VoIP呼叫类别的方法，其中，通信网络具有数量N的第一用户(Tn1－1、…、Tn1－5)和数量M的第二用户(Tn2－1、…、Tn2－7)并为第一和第二用户分别分配明确的标志(IP地址、电话号码、电子邮件地址)，其中：为第一用户(Tn1－1、…、Tn1－5)中的至少一些分别分配至少一个列表(White list、Black list)，这些列表包括第二用户的至少一个明确的标志；在第二用户之一呼叫第一用户之一时检查该第二用户的标志是否包含在第一用户的列表上，其中，在该第二用户未包含在被叫第一用户的列表上的情况下，考虑其他第一用户的列表用于判断该呼叫是否被分类为第一类型的呼叫(垃圾信息发送者或者可信赖的主叫方)。

Description

用于识别VOIP的SPIT或者垃圾信息的方法

技术领域

本发明涉及一种计算机和一种用于计算机辅助识别通信网络中第一类型呼叫类别的方法，其中，通信网络具有数量N的第一用户和数量M的第二用户并为第一和第二用户分别分配明确的标志(Kennzeichner)。

背景技术

在本说明书中，用户是指在特别是按照互联网协议(IP)进行通信的通信网络中的通信设备。这种通信设备例如可以是计算机、例如像固网电话或者移动电话的电信终端设备或者类似设备。

在下面的说明书中，概念“呼叫”是指建立第二用户至第一用户的通信连接的尝试。

在电子邮件方面，垃圾信息(Spam)成为大的问题，其限制了电子邮件系统的实用性和可靠性并同时提高了运行成本和用于运行电子邮件对通信网络的保养费用。如果通过这种通信网络进行的呼叫的数量和用户的数量达到了显著的高度，那么在通过互联网的通话(Voice over IP(基于IP的语音)，VoIP)方面预期到类似情况。含有这种不希望的例如广告的呼叫也称为“SPIT”(Spamover IP-Telephony(IP电话垃圾信息))。

与电子邮件垃圾信息相反，SPIT由于呼叫的本性而更具有干扰性。如果通信设备信令化呼叫，则干扰已经开始。但只有在被叫用户接受呼叫后，也就是建立通信连接后，消息的内容才可用。这种情况使得很难使被叫用户不受SPIT影响。

为使通信网络的用户免受SPIT影响，因此仅仅提供在呼叫的信令化的范围内在主叫用户与被叫用户之间所交换的信息。只有在对不存在SPIT的检查和确定结束之后，才允许信令化呼叫。

发明内容

本发明的目的因此在于，提供一种方法和计算机，利用其可以可靠识别通信网络中第一类型呼叫的类别，以提供通信网络的无干扰运行。

该目的通过一种具有权利要求1所述特征的方法、一种具有权利要求21所述特征的计算机程序产品以及一种具有权利要求22所述特征的计算机得以实现。具有优点的扩展方案分别由从属权利要求得出。

依据本发明用于计算机辅助识别通信网络中第一类型呼叫类别的方法，其中该通信网络具有数量N的第一用户和数量M的第二用户并为第一和第二用户分别分配明确的标志，所述方法包括以下步骤：为第一用户中的至少一些分别分配至少一个列表，所述列表包括第二用户的至少一个明确的标志。在第二用户之一呼叫第一用户之一时检查该第二用户的标志是否包含在该第一用户的列表内，其中，在该第二用户未包含在被叫第一用户的列表上的情况下，考虑其他第一用户的列表用以判断该呼叫是否被分类为第一类型的呼叫。

从技术角度出发，第一和第二用户没有区别，而正如开头已经介绍的那样，都是通信网络的通信设备。从功能上看，第二用户是启动呼叫的这种用户。第一用户是被第二用户呼叫的用户。

第一类型呼叫的类别在本说明书的框架内是指垃圾信息，但这并非强制性的。如果依据互联网协议(IP)进行呼叫的传输，这正如依据本发明的实施方式所规定的那样，那么第一类型呼叫的类别称为SPIT(Spam over IP-Telefony(IP电话垃圾信息))。

本发明基于以下构思：使通信网络的第一用户免受垃圾信息或者SPIT影响，其方式是，为所述第一用户分配个性化的列表，在所述列表内含有关于其他用户的信息并考虑列表内所包含的信息用于判断呼叫是否包含垃圾信息或者SPIT。

分配给第一用户的列表在此可以包括启动第一类型呼叫或者与其不同的第二类型呼叫的第二用户的标志。这些列表在本领域也以黑名单(Blacklist)或白名单(Whitelist)的名称公知。黑列表(黑名单)是与其他实例相比处于不利地位的实例(例如人员、电话端口(Telefonanschluss)、IP地址)的列表。与黑名单相对应的是白名单(Blacklist)，其中列表上所称的实例与其余的实例相比受到优选。在本发明的框架内，为第一用户既分配黑名单也分配白名单，甚至分配两种列表。

为取得识别第一类型呼叫的准确性，此外依据本发明规定，在第二用户未包含在被叫第一用户的列表上的情况下，以间接方式通过检查其他第一用户的列表来确定是不是可能涉及第一类型的呼叫。为确定是否存在第一类型的呼叫，本发明因此对具有优选或者以不同方式标记的用户的个性化列表分析处理。

依据本发明的实施形式，如果列表是黑名单，那么在第二用户包含在被叫第一用户的列表上的情况下，在第一与第二用户之间不建立通信。依据另一种变型方案，如果列表是白名单，那么在包含在第一用户之一的列表上的这种第二用户呼叫时，第一与第二用户之间建立通信。在两种变型方案中，在第二用户、也就是主叫方未包含在被叫第一用户的列表上的情况下，按照开头介绍的方式主叫方被分类为第一类型的主叫方或者第二类型的主叫方。

呼叫是否被分类为第一类型的确定通过协作过滤法进行。协作过滤法在此方面可以按照基于存储器的方法工作或者按照基于模型的方法工作。协作过滤法此外可选地可以按照使用基于第一用户的方式(所谓基于用户的方式/User-based Approach)或者使用基于第二用户的方式(所谓基于对象的方式/Item-based Approach)的方法工作。

对模式(Muster)在第一用户列表内的重合依据本发明的实施方式以统计的方式评估。如果两个第二用户包含在用于分析处理的多个列表内，则推断出两个第二用户之间的关系。在此方面本发明基于这种方案，即通过比较多个第一用户的列表可以找出两个第一用户的相似列表。如果两个第一用户配属于具有高度一致性的列表，那么从中可以推断出，呼叫的分类通过第一用户按照相似的原则进行。因此从第一用户的列表信息中可以以一定概率推断出其他被叫第一用户的所期望的行为(Verhalten)。因此可以判断是否以高的概率涉及第一或者第二类型的呼叫。

在依据本发明的方法中确定值、特别是概率值，借助其可判断呼叫是否被分类为第一类型的呼叫。优选地在使用也称为马尔可夫随机游走的马尔可夫链情况下来确定概率值。

此外，变换所确定的值或所确定的概率值，其中，借助在此方面产生的变换值(Transformationswert)判断呼叫是否分类为第一类型的呼叫。变换在此可以以事先规定的变换规则为基础。

依据本发明方法的实施形式可以通过相关的第一用户建立列表。可以在第一用户处局部地存储列表，但也可以在通信网络的计算机上集中地进行。

此外存在可以如何对待被分类为第一类型呼叫的呼叫的各种可能性：可以将分类为第一类型呼叫的呼叫转向语音播放或者记录装置上。可以将呼叫借助确定的信令类型用信号通知给第一用户，例如借助确定的振铃信号(所谓“区别铃声(distinctive ringing)”)。在可以进行分类的情况下，也可以将呼叫用信号通知给第一用户。后一种变型方案特别是可以在超过说明存在第一类型呼叫的概率值的情况下使用。这可以通过定义简单规则形式的相应干预指令实现。被叫第一用户特别是随意阻挡呼叫、接收呼叫(也就是与第二用户建立连接)、存储呼叫或者为主叫第二用户分配确定的信令类型(特别是对未来的呼叫)。

依据本发明用于识别通信网络中第一类型呼叫类别的计算机可连接在该通信网络上。通信网络具有数量N的第一用户和数量M的第二用户，其中，为第一和第二用户分别分配明确的特征符。为第一用户中的至少一些分别分配至少一个列表，所述列表具有第二用户的至少一个明确的标志，其中，所述计算机被构造用于，其中第二用户之一呼叫第一用户之一时检查该第二用户的标志是否包含在第一用户的列表上，并在该第二用户未包含在被叫第一用户列表上的情况下，使用其他第一用户的列表判断该呼叫是否被分类为第一类型的呼叫。

依据本发明的计算机可以可选地布置在第一用户中或者通信网络的参与例如交换或者建立在主叫第二用户与被叫第一用户之间的通信连接的任意计算机中。

本发明所基于的问题此外通过一种计算机程序产品得以实现，所述计算机程序产品可以直接装载到数字计算机的内部存储器中并包括软件代码段，其中如果程序在计算机上运行，则利用所述软件代码段执行按前述权利要求之一所述的步骤。

附图说明

下面借助附图对本发明进行详细说明。其中：

图1示出说明实现本发明所基于问题的图示；

图2示出说明依据本发明所基于的方法的第一表格；

图3a、b示出可被考虑用于对呼叫分类的概率分布；

图4示出说明本发明方法的实施方式的第二表格；以及

图5示出直观说明在图4的第二表格中所包含的信息的图形。

具体实施方式

借助图1可以最好地看出本发明所基于的问题和所选择的解决方案。示出两个X-Y图表，其中，分别在X轴上示出第二用户(主叫方)的明确标志并在Y轴上示出第一用户(被叫用户)的明确标志。X-Y图表中的每个点表示第一用户的列表(例如黑名单)中的项。该图表出于图解的目的包括N＝10000第一用户和M＝3000第二用户。这一点示范性地为主叫方998和被叫第一用户6103示出。根据第二用户998的明确标志的项在第一用户6103黑名单中，该第二用户对第一用户的呼叫不被接通。

在左侧的图表中可以看出在第一用户列表中项的均匀分布，而图1的右半部分则示出项被重新分组之后的X-Y图表。但出于概览的原因放弃以未分类的方式通过X和Y轴示出相应的明确标志。更确切地说，也以分类的顺序示出。

正如毫无问题看出的那样，采用附图符号1标注的第二用户组包含在第一用户的几乎全部黑名单内。而采用附图符号2标注的第二用户组则仅包含在一组第一用户的黑名单上。此外可以看出与块2相应的多个其他组，其中，相应的第二用户分配给某一组第一用户。实验表明，几乎始终可以采用在附图右半部分中所示的图示进行这种重新分类。

这种情况的分析表明，在使用协作过滤法的情况下，如果第二用户未处于第一用户的(黑)列表上，可以对可认为第二用户的呼叫在何种程度上与第一用户相关进行分类。这一点可以通过将被叫第一用户的(黑)列表与其他第一用户的多个(黑)列表进行比较来实现，检查与被叫第一用户的(黑)列表的相似性。

为对在依据互联网协议通信的通信网络中第二用户对第一用户的呼叫是否是第一类型的呼叫、例如SPIT进行分类，本发明利用用户定义的黑名单和/或者白名单。为更容易地理解，下面只探讨黑名单，其中，可替代地也可以在白名单或者黑名单和白名单的情况下使用该原理。

提供用户定义的列表可以实现两种类型的功能。

1.如果下面也称为主叫方或者呼叫方(Caller)的第二用户处于下面也称为被叫用户或者订户的第一用户的黑名单上，主叫方的所有呼叫在被叫用户处均被阻挡。这意味着，在主叫方与被叫用户之间不进行通信连接。

2.分配给被叫用户的列表此外可以确定由主叫方启动的呼叫是否是SPIT的概率，如果该主叫方不处于分配给被叫用户的列表上的话。概率的确定在此方面在其他第一用户列表的基础上进行。

确定呼叫是否是SPIT的概率在借助协作过滤技术的情况下来确定。在此方面所依据的猜想在于，具有相似黑名单的第一用户倾向于在判断主叫方是否是IP电话垃圾信息发送者(Spitter)方面具有相似的见解。

下面借助图2对这一点进行详细说明。列表举例示出M＝7的第二用户Tn2-1、...、Tn2-7，它们分别形成表格的列标题。行标题通过示范性N＝5的第一用户Tn1-1、...、Tn1-5表示。第二用户也称为呼叫方，因此列标题以C1、...、C7进行补充。行标题以相应的方式以附图符号S1、...、S5进行补充，据此第一用户也称为订户(Subscriber)。行项例如分别为第一用户Tn1-1、...、Tn1-5的黑名单。

表格行中的勾表示所分配的第二用户Tn2-1、...、Tn2-7被视为所谓IP电话垃圾信息发送者。列表中的空白项表示在相关的第二用户对第一用户的呼叫方面，不通过第一用户主动进行作为SPIT的分类，在依据本发明的框架内高SPIT概率也不被确定。灰色和用x标注的表格项表示存在相关第二用户的呼叫视为相关第一用户的SPIT的显著概率。

依据本发明的方法，第二用户Tn2-4对第一用户Tn1-1的呼叫被分类为SPIT，因为第一用户Tn1-1和Tn1-2具有相似的黑名单。从这种相似性中可以推断出，也存在对第二用户Tn2-4的相似见解。

第二用户Tn2-7的主叫方以相应的方式在第一用户Tn1-4处被分类为SPIT，因为第一用户Tn1-3和Tn1-4具有相似的黑名单。第二用户Tn2-1对第一用户Tn1-5的呼叫视为可疑的，因为其他第一用户、特别是用户Tn1-1和Tn1-2将第二用户Tn2-1分类为IP电话垃圾信息发送者。相应地在第一用户Tn1-5方面适用于第二用户Tn2-2。依据本发明的方法因此第二用户Tn2-1和Tn2-2对第一用户Tn1-5的呼叫被分类为SPIT。

因此，如果SPIT的主叫方全局地、也就是被多个第一用户标记为IP电话垃圾信息发送者，也就是处于其列表中的话，依据本发明的方法能够识别所述SPIT的主叫方。此外，本发明可以将第二用户不仅全局地标记为IP电话垃圾信息发送者，而且更确切地说是第二与第一用户之间个性化的分配，由此考虑到多个第一用户的不同利益。

协作过滤首先被用于开发个性化建议系统。该技术成功地被用在例如像亚马逊(Amazon)的商家对消费者(Business-to-Customer，B2C)平台中。协作过滤算法利用N-M矩阵X工作，其中每行均被分配给用户和每列均被分配给对象(产品)。每个矩阵项X_ij于是说明用户i对产品j的观点。

在本发明情况的相应应用中，每个用户相当于第一用户和每个产品相当于第二用户或其相应的明确标志。这种矩阵X因此可以非常大并具有很少的矩阵项，据此每个第一用户存储其对非常小数量的第二用户的观点。这种矩阵形成协作过滤的出发点，以便预测第一用户在缺少的矩阵项方面的观点。在此方面特别是确定概率。这种概率通过变量x表达。变量x要么是用数字表示的值，例如1-7，如图3a)中所示，要么采用二进制值，例如标准(Normal)和SPIT(参阅图3b)。此外在这种情况下考察最后所称的情况。

变量x取决于第二用户j和第一用户i。协作过滤的目标因此是确定概率分布P(x|i，j，X)。这一点在图3a)和3b)中示出。图3a)中以数字形式示出第一用户偏好(

)的示例性预期概率分布。该分布不仅说明预期值(在本情况下为5)，而且也说明这种评估的不确定性。在图3b)的举例中，概率值可以仅采用两个值(标准或者SPIT)，其中，概率分布说明所检验的呼叫以多大概率为SPIT。

在P(x|i，j，X)的形式主义中，i、j和X的要求意味着第一用户与第一用户和第二用户与第二用户的预测不同。

协作过滤的算法因此可以视为用于填充矩阵X所有空缺元素的途径。在实践中填充与大的存储器成本和大的处理度复杂性相关联，因为常用的存储器不能包含具有数百万个元素、与数十万个(Hunderten von Tausenden)元素相乘的整个矩阵。此外，矩阵在确定的时间间隔内不能被填满。实践中的另一种困难在于，并非所有第一用户均对通信网络中上级实例(Instanz)对更新矩阵的询问做出应答。为提高性能，因此可能需要以前所确定的概率值的中间存储(Cashing(高速缓冲存储))。在这方面，可以确定，在对第二用户相对于第一用户是否被视为IP电话垃圾信息发送者作出预测的情况下，一般情况下对由第一用户所建立的列表不进行改变。

协作过滤可以要么在基于模型的方法上要么在基于存储器的方法上进行。基于存储器的方法作为“Memory-based Method”，基于模型的方法作为“Modell-based Method”在本领域内是公知的。协作过滤的概念早期仅涉及基于存储器的方法。这一点基于以下考虑，即人们通常信任相似想法的熟人(Bekannte)的建议。这些方法使用最近近邻相似方案(“Nearest-Neighbour-like”方案)，用以基于相似想法的用户评定来预测用户评定。概念“基于存储器”因此是指提供具有用户项的数据库和其中所存储的内容的处理仅在需要预测时才进行。与本发明的相关联，这意味着，如果第一用户接收呼叫，依据基于存储器的方法考虑第一用户的列表，以便找到具有相似列表的第一用户，并检查主叫第二用户是否同样包含在这些相似的列表内。

学习紧凑模型(kompaktes Modell)的基于模型的协作过滤与之相反，所述基于模型的协作过滤以所观察的矩阵X为基础并使用所学习的模型进行预测。在此，存在以下方法，所述方法对矩阵X系数化(Faktorisierung)，以便将非常大的矩阵X划分成多个较小矩阵。因此每个用户数据组可以被变换成更小维的潜在子空间。在这些潜在子空间描述第一与第二用户之间的关系后，可以使用描述用户数据组的子空间，用以预测第一用户与第二用户相关的用户利益。

基于存储器的方法在无需特别的训练阶段(Trainingsphase)的意义上也称为“惰性学习(Lazy-Leaming)”。基于存储器的方法可以通过单纯补充到矩阵来操作新的数据。与此相反，基于模型的方法在计算时间上取得重要优势，从而可以非常迅速地进行预测。另一方面，模型的步进补充是重要的。

协作过滤算法的基于存储器以及基于模型的方法，均可以要么在基于第一用户的方案中要么在基于第二用户的方案中得以使用。基于第一用户的方案在本领域也公知为基于用户的方法(User-based method)，基于第二用户的方案公知为基于项的方法(Item-based method)。在基于存储器的过滤方法的上下文中进行以下简要说明。

存在矩阵X。因此可以比较对象或第二用户之间的相似性。如果矩阵X中对应的列相似，则两个对象或第二用户相似。这意味着，每个用户倾向于对两个对象或第二用户具有相似的见解(Auffassung)。

现借助图4的示例对这种实施方式进一步说明。假设第二用户Tn2-4与第二用户Tn2-1、Tn2-2和Tn2-3相似，其中这种假设基于其他第一用户的列表项，可能的是，第一用户关于这四个第二用户具有相似的评价。如果第一用户已将第二用户Tn2-1、Tn2-2和Tn2-3列入其黑名单，那么第二用户Tn2-4对于该确定的第一用户来说，以高的概率是IP电话垃圾信息发送者。

在第一用户的数量动态地和明显大于第二用户的数量情况下，基于项的方法出于计算技术原因优选。

因此在本发明的框架内，尝试将第二用户在第一用户列表中的统计重合模型化。两个第二用户之间的关系通过这些用户经常同时出现在第一用户的相同黑名单中的情景来反映。这种实施方式与基于用户的方式等效，虽然它看似是基于项的方式(item-based approach)。为使第二用户的重合模型化，考虑技术人员常用的马尔可夫链，其也作为马尔可夫随机游走(Markov Random Walk)而公知。为此考虑不定向的图形G(V，E，W)，其中，V表示一组节点，E表示将节点V相互连接的一组边和W表示邻接矩阵，其为每条边[i，j]分配边加权W_ij≥0。指数(Indizes)[i，j]在此方面称为将节点V_i与节点V_j相互连接的边。马尔可夫链从V_i向V_j的转移概率定义为：

P_ij＝W_ij/D_i，其中D_i＝∑_jW_ij

边加权W_ij可以作为V_i与V_j之间转移(Transition)的频率来解释。因此P_{i j}可以视为涉及节点V_i的所有转移的部分与从V_i向V_j的转移相比是多大。

转移因此对两个相互连接的节点的重合模式(Zusammentreffensmuster)进行编码。具有高的值的边加权W_ij表明两个节点的频繁重合。因此如果V_i出现，P_ij编码V_i有多大可能同样出现的条件概率。使用这种条件概率，用以与全部第一用户的列表相关地推断出新的第二用户的SPIT概率。

第一用户黑名单的数据基直接描述第一用户和第二用户对的重合。图5示出不定向的图形的例子，其考虑图4中所包含的矩阵信息。在此方面，第一用户Tn1-1至Tn1-4通过节点S1至S4表示，第二用户Tn2-1至Tn2-7通过节点C1至C7表示。

在该图形的基础上可以按照基于用户的方式(User based Approach)实施协作过滤。在下面的例子中认为，第一用户(图中表示为S1)的SPIT概率可以采用下列步骤来预测。

1.初始化(t＝0)。因为预测集中于第一用户Tn1-1，所以总的概率测度被置于节点S1上。这意味着P_t＝0(S1)＝1。

2.第一跳t＝1：在该步骤中，从节点S1向节点C1、C2和C3跳，所述节点通过边与节点S1连接。转移的概率分别为三分之一：P_t＝1(C1)＝1/3，P_t＝1(C2)＝1/3和P_t＝1(C3)＝1/3。

3.第二跳t＝2：在链(随机游走)的延续中，与节点C1、C2和C3连接的节点S1、S2和S3又接收概率测度。在此得出P_t＝2(S2)＝1/3·1/3+1/3·1/2+1/3·1/2＝4/9，P_t＝2(S3)＝1/3·1/3＝1/9，P_t＝2(S4)＝0。这由以下产生，即节点S4不与节点C1、C2和C3通过边连接。

4.第三跳t＝3：如果进行进一步转移，那么得出：P_t＝3(C4)＝4/9·1/4＝1/9，P_t＝3(C5)＝P_t＝3(C6)＝P_t＝3(C7)＝1/36。

因此得出的结果是，对于节点S1(第一用户)Tn1-1来说，节点C4(用户Tn2-4)的SPIT概率明显高于未处于第一用户Tn1-1黑名单中的其他第二用户的概率。

马尔可夫链的方法如上所述可以视为基于用户的方案，因为用户相似性通过用户之间的转移来测量。第一用户之间的相似性通过在图5中的图形上的两步骤转移产生，即从第一用户向第二用户返回到第一用户。

马尔可夫方法可以以等效的方式视为基于对象的方案，其中对象或第二用户的相似性通过产品或第二用户之间的转移来测量。这种相似性通过在图5中的图形上的两步骤转移产生，即从第二用户向第一用户和最后返回到第二用户。

在上述的例子中，基于对象的方案可以视为马尔可夫链(随机游走)，从t＝1开始，其中概率测度为：P_t＝1(C1)＝1/3，P_t＝1(C2)＝1/3和P_t＝1(C3)＝1/3。在对节点S1给出黑名单后，作为初始状态可以进行如下设置：P_t＝1(C1)＝1，P_t＝1(C2)＝1和P_t＝1(C3)＝1。其他第二用户的SPIT概率为：P_t＝3(C4)＝1/3，P_t＝3(C5)＝P_t＝3(C6)＝P_t＝3(C7)＝1/12。因此差仅为系数3。

在第一用户的数量明显大于主叫第二用户数量的情况下，基于对象的方案更加有效。该实施方式在此方面与前面所介绍的实施方式相同。

本发明因此提出一种用于计算机辅助识别IP电话范围内的确定的类别(特别是垃圾信息或SPIT)的呼叫的方法。在此方面，特别是可以以个性化的方式、也就是为每个单个被叫第一用户避免这种呼叫。为此目的，本发明利用由用户所定义的列表，其可以被构成为黑名单或者白名单，以便可以推断出第一用户的可能行为。本发明使用协作过滤法，其被应用于由用户所定义的列表。

Claims (23)

1.用于计算机辅助识别通信网络中第一类型(Spam)呼叫类别的方法，其中，通信网络具有数量N的第一用户(Tn1-1、...、Tn1-5)和数量M的第二用户(Tn2-1、...、Tn2-7)并为第一和第二用户分别分配明确的标志，其中：

-为第一用户(Tn1-1、...、Tn1-5)中的至少一些分别分配至少一个列表，所述列表包括第二用户的至少一个明确的标志，

-在第二用户之一呼叫第一用户之一时检查该第二用户的标志是否包含在该第一用户的列表上，其中，在该第二用户未包含在被叫第一用户的列表上的情况下，考虑其他第一用户的列表用以判断该呼叫是否被分类为第一类型的呼叫。

2.按权利要求1所述的方法，其特征在于，分配给第一用户(Tn1-1、...、Tn1-5)的列表包括启动第一类型呼叫的第二用户(Tn2-1、...、Tn2-7)的标志。

3.按权利要求1所述的方法，其特征在于，在第二用户(Tn2-1、...、Tn2-7)包含在被叫第一用户(Tn1-1、...、Tn1-5)的列表上的情况下，第一与第二用户之间不建立通信。

4.按前述权利要求之一所述的方法，其特征在于，分配给第一用户(Tn1-1、...、Tn1-5)的列表包括启动第二类型呼叫的第二用户(Tn2-1、...、Tn2-7)的标志。

5.按权利要求4所述的方法，其特征在于，在包含在第一用户(Tn1-1、...、Tn1-5)之一的列表上的这种第二用户(Tn2-1、...、Tn2-7)呼叫时，在第一与第二用户之间建立通信。

6.按前述权利要求之一所述的方法，其特征在于，通过协作过滤法确定该呼叫是否被分类为第一类型的呼叫。

7.按前述权利要求之一所述的方法，其特征在于，协作过滤法按照基于存储器的方法工作。

8.按权利要求6或7之一所述的方法，其特征在于，协作过滤法按照基于模型的方法工作。

9.按权利要求6-8之一所述的方法，其特征在于，协作过滤法按照使用基于第一用户的方式(基于用户的方式)的方法工作。

10.按权利要求6-8之一所述的方法，其特征在于，协作过滤法按照使用基于第二用户的方式(基于对象的方式)的方法工作。

11.按前述权利要求之一所述的方法，其特征在于，对模式在第一用户(Tn1-1、...、Tn1-5)的列表内的重合以统计的方式来评估。

12.按前述权利要求之一所述的方法，其特征在于，如果两个所述第二用户(Tn2-1、...、Tn2-7)包含在用于分析处理所考虑的多个列表中，则推断出两个所述第二用户(Tn2-1、...、Tn2-7)之间的关系。

13.按前述权利要求之一所述的方法，其特征在于，确定值、特别是概率值，借助其可判断该呼叫是否被分类为第一类型的呼叫。

14.按权利要求13所述的方法，其特征在于，概率值在使用马尔可夫链(马尔可夫随机游走)的情况下来确定。

15.按权利要求13或14所述的方法，其特征在于，变换所确定的值或概率值，其中，借助在此产生的变换值判断呼叫是否被分类为第一类型的呼叫。

16.按前述权利要求之一所述的方法，其特征在于，通过相关的第一用户建立列表。

17.按前述权利要求之一所述的方法，其特征在于，将分类为第一类型呼叫的呼叫转向语音播放或记录装置。

18.按前述权利要求之一所述的方法，其特征在于，将分类为第一类型呼叫的呼叫借助确定的信令类型用信号通知给第一用户。

19.按前述权利要求之一所述的方法，其特征在于，在可以进行分类的情况下，将分类为第一类型呼叫的呼叫用信号通知给第一用户。

20.按前述权利要求之一所述的方法，其特征在于，通信网络的两个用户之间的通信按照互联网协议(IP)进行。

21.计算机程序产品，其可以直接被装载到数字计算机的内部存储器并包括软件代码段，当该产品在计算机上运行时利用所述软件代码段执行按前述权利要求之一所述的步骤。

22.用于识别通信网络中第一类型呼叫的类别的计算机，该计算机可连接在通信网络上，其中，通信网络具有数量N的第一用户和数量M的第二用户，其中，为第一和第二用户分别分配明确的标志，为第一用户中的至少一些分别分配至少一个列表，所述列表具有第二用户的至少一个明确的标志，其中，所述计算机被构造用于在第二用户之一呼叫第一用户之一时检查该第二用户的标志是否包含在该第一用户的列表上，在该第二用户未包含在被叫第一用户的列表上的情况下，考虑其他第一用户的列表用以判断该呼叫是否被分类为第一类型的呼叫。

23.按权利要求22所述的计算机，其特征在于，该计算机被构造用于执行按权利要求2-20之一所述的步骤。

Images