CN102647740A - 基于熵的自学习式话务异常分析模型的实现方法 - Google Patents
基于熵的自学习式话务异常分析模型的实现方法 Download PDFInfo
- Publication number
- CN102647740A CN102647740A CN2012100646039A CN201210064603A CN102647740A CN 102647740 A CN102647740 A CN 102647740A CN 2012100646039 A CN2012100646039 A CN 2012100646039A CN 201210064603 A CN201210064603 A CN 201210064603A CN 102647740 A CN102647740 A CN 102647740A
- Authority
- CN
- China
- Prior art keywords
- traffic
- entropy
- self
- telephone traffic
- information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供一种基于熵的自学习式话务异常分析模型的实现方法,将历史话务输入到自学习式话务异常分析模型,通过对历史话务的自学习分析,并对话务信息进行信息熵化,通过信息熵的变化判断话务是否存在异常;通过告警的方式通知,将损失降低到最小。
Description
技术领域
本发明涉及一种基于熵的自学习式话务异常分析模型的实现方法,属于电信通信技术领域。
背景技术
随着电信运营商对IMS网络的推动,VOIP的应用越来越普及,特别是在企业通信领域。
VOIP使用TCP/IP网络承载语音,比原有的电路交换大大降低了企业的通信成本。但是,VOIP带来优越性的同时,由于TCP/IP网络自身的安全缺陷,也会存在一定的风险,比如,通过注册到企业的IP PBX设备上进行盗打电话等。
因此需要一种对企业话务是否异常进行分析的模型,保证能尽早发现异常,并通过告警的方式通知企业,将损失降低到最小。
另外,现有的一些话务分析方法多是针对GSM通信网络中网元间流量的,不适用于企业网话务的分析。
发明内容
本发明的目的是克服现有技术存在的不足,提供一种基于熵的自学习式话务异常分析模型的实现方法。
本发明的目的通过以下技术方案来实现:
基于熵的自学习式话务异常分析模型的实现方法,特点是:将历史话务输入到自学习式话务异常分析模型,通过对历史话务的自学习分析,并对话务信息进行信息熵化,通过信息熵的变化判断话务是否存在异常。
进一步地,上述的基于熵的自学习式话务异常分析模型的实现方法,其中,所述对历史话务的自学习分析,是采用对历史话务进行数据挖掘作为训练样本输入到用反向传播算法模型进行训练,随着时间的推移,不断将产生的话务作为训练样本输入到模型中。
更进一步地,上述的基于熵的自学习式话务异常分析模型的实现方法,其中,所述通过信息熵的变化判断话务是否存在异常,是对话务信息进行信息熵化,对于正常话务时期,其信息熵值时基本固定的,如果话务信息的信息熵值发生较大的变化,则表明存在异常话务。
本发明技术方案突出的实质性特点和显著的进步主要体现在:
本发明通过对历史话务的学习,通过话务信息熵的变化尽早发现话务是否存在异常,并通过告警的方式通知,将损失降低到最小。
附图说明
下面结合附图对本发明技术方案作进一步说明:
图1:基于熵的自学习式话务异常分析模型的流程示意图。
具体实施方式
本发明基于熵的自学习式话务异常分析模型的实现方法,将历史话务输入到自学习式话务异常分析模型,通过对历史话务的自学习分析,并对话务信息进行信息熵化,通过信息熵的变化判断话务是否存在异常。
对历史话务的自学习分析,是采用对历史话务进行数据挖掘作为训练样本输入到用BP(Back Propagation:反向传播)算法模型进行训练,随着时间的推移,不断将产生的话务作为训练样本输入到模型中。
通过信息熵的变化判断话务是否存在异常,是对话务信息进行信息熵化,对于正常话务时期,其信息熵值时基本固定的,如果话务信息的信息熵值发生较大的变化,则表明存在异常话务。
如图1所示,基于熵的自学习式话务异常分析模型的流程,将新的话务信息输入到自学习分析模型,然后再对话务信息进行信息熵话,通过话务信息熵值的变化判断话务是否存在异常,如果存在异常则产生告警信息,反之,则不作任何处理。
综上所述,本发明通过对企业的历史话务的学习,通过话务信息熵的变化尽早发现话务是否存在异常,并通过告警的方式通知,将损失降低到最小。
需要理解到的是:以上所述仅是本发明的优选实施方式,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以作出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (3)
1.基于熵的自学习式话务异常分析模型的实现方法,其特征在于:通过对历史话务的自学习分析,并对话务信息进行信息熵化,通过信息熵的变化判断话务是否存在异常。
2.根据权利要求1所述的基于熵的自学习式话务异常分析模型的实现方法,其特征在于:所述对历史话务的自学习分析,是采用对历史话务进行数据挖掘作为训练样本输入到用反向传播算法模型进行训练,随着时间的推移,不断将产生的话务作为训练样本输入到模型中。
3.根据权利要求1所述的基于熵的自学习式话务异常分析模型的实现方法,其特征在于:所述通过信息熵的变化判断话务是否存在异常,是对话务信息进行信息熵化,对于正常话务时期,其信息熵值时基本固定的,如果话务信息的信息熵值发生较大的变化,则表明存在异常话务。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012100646039A CN102647740A (zh) | 2012-03-13 | 2012-03-13 | 基于熵的自学习式话务异常分析模型的实现方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012100646039A CN102647740A (zh) | 2012-03-13 | 2012-03-13 | 基于熵的自学习式话务异常分析模型的实现方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102647740A true CN102647740A (zh) | 2012-08-22 |
Family
ID=46660275
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2012100646039A Pending CN102647740A (zh) | 2012-03-13 | 2012-03-13 | 基于熵的自学习式话务异常分析模型的实现方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102647740A (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101917309A (zh) * | 2010-08-27 | 2010-12-15 | 电子科技大学 | 软交换平台下公共服务号码的拒绝服务攻击检测方法 |
-
2012
- 2012-03-13 CN CN2012100646039A patent/CN102647740A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101917309A (zh) * | 2010-08-27 | 2010-12-15 | 电子科技大学 | 软交换平台下公共服务号码的拒绝服务攻击检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2019114288A1 (zh) | 车站终端故障风险预警方法、装置、终端及存储介质 | |
CN103701999A (zh) | 呼叫中心语音通话的监控方法与系统 | |
EP2311284A4 (en) | SYSTEMS, METHODS, AND COMPUTER-READABLE MEDIA FOR ROUTING / FILTERING BASED ON MOBILE LOCATION WITHOUT TRIGGERING | |
CN104113869B (zh) | 一种基于信令数据的潜在投诉用户预测方法及系统 | |
WO2010060087A3 (en) | Systems, methods, and computer readable media for location-sensitive called-party number translation in a telecommunications network | |
CN106911675B (zh) | 一种手机恶意软件预警方法和装置 | |
CN112333709B (zh) | 一种跨网络涉诈关联分析方法、系统及计算机存储介质 | |
DE60327562D1 (de) | Überwachung in einem telekommunikationsnetz | |
US11770475B2 (en) | Computerized system and method for robocall steering | |
CN101917309B (zh) | 软交换平台下公共服务号码的拒绝服务攻击检测方法 | |
CN114169438A (zh) | 一种电信网络诈骗识别方法、装置、设备及存储介质 | |
JPH07212480A (ja) | 切断シグナリング検出装置 | |
CN101316427B (zh) | 一种利用通话社会网络的垃圾短信发送用户识别方法及系统 | |
CN113055523B (zh) | 一种骚扰电话拦截方法、装置、电子设备和存储介质 | |
CN102647740A (zh) | 基于熵的自学习式话务异常分析模型的实现方法 | |
CN1933510A (zh) | 一种通过分析电路通话时长检测电路单通的方法 | |
CN101321365B (zh) | 一种利用短信回复频率的垃圾短信发送用户识别方法 | |
CN101917445B (zh) | 软交换平台下号码段的拒绝服务攻击检测方法 | |
CN101741617A (zh) | 实现故障定位的方法和装置 | |
CN1878371A (zh) | 短信监控系统 | |
CN105376423A (zh) | 一种呼叫检测方法、设备及系统 | |
CN104717370A (zh) | 一种网间拨号业务的监控方法及装置 | |
CN107018067A (zh) | 一种基于僵尸网络监控的恶意邮件预警方法及系统 | |
CN103685779A (zh) | 一种用户满意度管理系统及其进行呼叫管理的方法 | |
CN101437231A (zh) | 一种移动通信话务分流方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20120822 |