CN106804038A - 用于识别被恶意扣费用户的方法和系统 - Google Patents
用于识别被恶意扣费用户的方法和系统 Download PDFInfo
- Publication number
- CN106804038A CN106804038A CN201510836300.8A CN201510836300A CN106804038A CN 106804038 A CN106804038 A CN 106804038A CN 201510836300 A CN201510836300 A CN 201510836300A CN 106804038 A CN106804038 A CN 106804038A
- Authority
- CN
- China
- Prior art keywords
- user
- business
- fees
- maliciously
- complaint
- 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.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
- H04W12/12—Detection or prevention of fraud
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/24—Accounting or billing
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Computer Security & Cryptography (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种用于识别被恶意扣费用户的方法和系统,属于信息安全领域。其中在接收到用户投诉后,将相应投诉业务列入灰名单,在核实投诉业务为恶意扣费业务时,将投诉业务转入黑名单。根据黑名单内业务的扣费特征和定购关系,筛选出疑似被恶意扣费用户,根据疑似被恶意扣费用户的用户标签和历史消费行为信息,从疑似被恶意扣费用户中确定被恶意扣费用户。本发明通过对恶意扣费建立特征指标,从而能主动发现和识别被恶意扣费用户,以有效减少因资费问题导致的用户投诉。
Description
技术领域
本发明涉及信息安全领域,特别涉及一种用于识别被恶意扣费用户的方法和系统。
背景技术
移动终端恶意扣费主要是通过在终端上预装或下载的特定代码或应用软件,在用户不知情的情况下订购业务,同时屏蔽运营商的二次确认信息,从而使整个过程不被察觉。例如,在老人机终端预置了订购三个移动梦网短信业务的代码,从而在老人不知情的情况下被恶意扣费。
为了克服这一缺陷,在现有技术中对此进行了相应尝试。例如可在短信中心判断订购业务在黑白灰名单中的归属,从而防止恶意扣费行为,但存在的问题是有可能存在黑名单中的误杀或白名单中的漏杀;例如还可利用智能终端监控统一网络下的其他终端联网行为,可避免网络流量的耗费及恶意扣费,但仍无法有效避免订购SP业务造成的恶意扣费。
发明内容
本发明实施例提供一种用于识别被恶意扣费用户的方法和系统,通过对恶意扣费建立特征指标,从而能主动发现和识别被恶意扣费用户,以有效减少因资费问题导致的用户投诉。
根据本发明的一个方面,提供一种用于识别被恶意扣费用户的方法,包括:
在接收到用户投诉后,将相应投诉业务列入灰名单;
核实投诉业务是否为恶意扣费业务;
若核实投诉业务为恶意扣费业务,则将投诉业务转入黑名单;
根据黑名单内业务的扣费特征和定购关系,筛选出疑似被恶意扣费用户;
根据疑似被恶意扣费用户的用户标签和历史消费行为信息,从疑似被恶意扣费用户中确定被恶意扣费用户。
在一个实施例中,在接收到用户投诉后,将相应投诉业务列入灰名单的步骤包括:
在接收到用户投诉后,判断投诉业务被投诉总量是否超过预定门限;
若投诉业务被投诉总量未超过预定门限,则将投诉业务列入灰名单;
若投诉业务被投诉总量已超过预定门限,则执行将投诉业务转入黑名单的步骤。
在一个实施例中,根据黑名单内业务的扣费特征和定购关系,筛选出疑似被恶意扣费用户的步骤包括:
提取黑名单内业务的扣费特征;
提取黑名单内业务的定购关系;
利用扣费特征,对与定购关系相关联的定购用户进行匹配;
将与扣费特征相匹配的定购用户作为疑似被恶意扣费用户。
在一个实施例中,黑名单内业务的扣费特征包括扣费标签;
根据疑似被恶意扣费用户的用户标签和历史消费行为信息,从疑似被恶意扣费用户中确定被恶意扣费用户的步骤包括:
提取疑似被恶意扣费用户的用户标签和历史行为信息;
从疑似被恶意扣费用户中,筛选出用户标签与扣费标签相匹配的用户作为候选用户;
对候选用户的历史消费行为进行分析,以便从候选用户中确定被恶意扣费用户。
在一个实施例中,将黑名单内业务的扣费特征纳入恶意扣费特征库中。
在一个实施例中,根据恶意扣费特征库,对发起定购的业务进行筛查;
若发起定购的业务为恶意扣费业务,则对恶意扣费业务发起的定购进行拦截。
根据本发明的另一方面,提供一种用于识别被恶意扣费用户的系统,包括接收单元、灰名单管理单元、业务核实单元、黑名单管理单元、疑似用户筛选单元和用户确定单元,其中:
接收单元,用于接收用户投诉;
灰名单管理单元,用于在接收单元接收到用户投诉后,将相应投诉业务列入灰名单;
业务核实单元,用于核实投诉业务是否为恶意扣费业务;
黑名单管理单元,用于根据业务核实单元的核实结果,若核实投诉业务为恶意扣费业务,则将投诉业务转入黑名单;
疑似用户筛选单元,用于根据黑名单内业务的扣费特征和定购关系,筛选出疑似被恶意扣费用户;
用户确定单元,用于根据疑似被恶意扣费用户的用户标签和历史消费行为信息,从疑似被恶意扣费用户中确定被恶意扣费用户。
在一个实施例中,灰名单管理单元具体在接收单元接收到用户投诉后,判断投诉业务被投诉总量是否超过预定门限;若投诉业务被投诉总量未超过预定门限,则将投诉业务列入灰名单;若投诉业务被投诉总量已超过预定门限,则指示黑名单管理单元执行将投诉业务转入黑名单的操作。
在一个实施例中,疑似用户筛选单元具体提取黑名单内业务的扣费特征,提取黑名单内业务的定购关系,利用扣费特征,对与定购关系相关联的定购用户进行匹配,将与扣费特征相匹配的定购用户作为疑似被恶意扣费用户。
在一个实施例中,黑名单内业务的扣费特征包括扣费标签;
用户确定单元具体提取疑似被恶意扣费用户的用户标签和历史行为信息,从疑似被恶意扣费用户中,筛选出用户标签与扣费标签相匹配的用户作为候选用户,对候选用户的历史消费行为进行分析,以便从候选用户中确定被恶意扣费用户。
在一个实施例中,系统还包括恶意扣费特征库,其中:
恶意扣费特征库,用于收纳黑名单内业务的扣费特征。
在一个实施例中,系统还包括业务筛查单元,其中:
业务筛查单元,用于根据恶意扣费特征库,对发起定购的业务进行筛查,若发起定购的业务为恶意扣费业务,则对恶意扣费业务发起的定购进行拦截。
通过以下参照附图对本发明的示例性实施例的详细描述,本发明的其它特征及其优点将会变得清楚。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明用于识别被恶意扣费用户的方法一个实施例的示意图。
图2为本发明用于识别被恶意扣费用户的方法另一实施例的示意图。
图3为本发明用于识别被恶意扣费用户的系统一个实施例的示意图。
图4为本发明用于识别被恶意扣费用户的系统另一实施例的示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本发明及其应用或使用的任何限制。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
同时,应当明白,为了便于描述,附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为授权说明书的一部分。
在这里示出和讨论的所有示例中,任何具体值应被解释为仅仅是示例性的,而不是作为限制。因此,示例性实施例的其它示例可以具有不同的值。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
图1为本发明用于识别被恶意扣费用户的方法一个实施例的示意图,其中:
步骤101,在接收到用户投诉后,将相应投诉业务列入灰名单。
其中,若该业务为首次投诉,则列入灰名单,若该业务已经被多次投诉,则可直接将该业务列入黑名单中。
步骤102,核实投诉业务是否为恶意扣费业务。
步骤103,若核实投诉业务为恶意扣费业务,则将投诉业务转入黑名单。
步骤104,根据黑名单内业务的扣费特征和定购关系,筛选出疑似被恶意扣费用户。
步骤105,根据疑似被恶意扣费用户的用户标签和历史消费行为信息,从疑似被恶意扣费用户中确定被恶意扣费用户。
基于本发明上述实施例提供的用于识别被恶意扣费用户的方法,通过对恶意扣费建立特征指标,从而能主动发现和识别被恶意扣费用户,以有效减少因资费问题导致的用户投诉。
图2为本发明用于识别被恶意扣费用户的方法另一实施例的示意图,其中:
步骤201,接收用户投诉。
步骤202,判断投诉业务被投诉总量是否超过预定门限。若投诉业务被投诉总量未超过预定门限,则执行步骤203;若投诉业务被投诉总量已超过预定门限,则执行步骤205。
步骤203,将投诉业务列入灰名单。
步骤204,核实投诉业务是否为恶意扣费业务。若核实投诉业务为恶意扣费业务,则执行步骤205;若核实投诉业务不是恶意扣费业务,则不再执行本实施例的其它步骤。
步骤205,将投诉业务转入黑名单。
步骤206,提取黑名单内业务的扣费特征及黑名单内业务的定购关系。
其中,相应的扣费特征如表1所示。
序号 | 参数 | 类型 | 描述 |
1 | SP_Name | Char | SP名称 |
2 | SP_Service | Char | SP业务 |
3 | Service_Tag | Char | 业务标签 |
4 | Service_No | Long | 订购号 |
5 | Start_Time | Time | 起始时间 |
6 | End_Time | Time | 结束时间 |
7 | Terminal_Company | Char | 终端厂商 |
8 | Terminal_Model | Char | 终端型号 |
9 | OS | Char | 操作系统 |
10 | OS_Version | Char | 系统版本 |
11 | …… |
表1
步骤207,利用扣费特征,对与定购关系相关联的定购用户进行匹配。
步骤208,将与扣费特征相匹配的定购用户作为疑似被恶意扣费用户。
步骤209,提取疑似被恶意扣费用户的用户标签和历史行为信息。
步骤210,从疑似被恶意扣费用户中,筛选出用户标签与扣费标签相匹配的用户作为候选用户。其中,黑名单内业务的扣费特征包括扣费标签。
步骤211,对候选用户的历史消费行为进行分析,以便从候选用户中确定被恶意扣费用户。
优选的,在本发明中,在确定被恶意扣费用户的同时,还可将黑名单内业务的扣费特征纳入恶意扣费特征库中。从而可根据恶意扣费特征库,对发起定购的业务进行筛查。若发起定购的业务为恶意扣费业务,则对恶意扣费业务发起的定购进行拦截,从而有效避免发生恶意扣费。
图3为本发明用于识别被恶意扣费用户的系统一个实施例的示意图。如图3所示,该系统可包括接收单元301、灰名单管理单元302、业务核实单元303、黑名单管理单元304、疑似用户筛选单元305和用户确定单元306。其中:
接收单元301用于接收用户投诉。
灰名单管理单元302用于在接收单元301接收到用户投诉后,将相应投诉业务列入灰名单。
优选的,灰名单管理单元302具体在接收单元301接收到用户投诉后,判断投诉业务被投诉总量是否超过预定门限;若投诉业务被投诉总量未超过预定门限,则将投诉业务列入灰名单;若投诉业务被投诉总量已超过预定门限,则指示黑名单管理单元304执行将投诉业务转入黑名单的操作。
业务核实单元303用于核实投诉业务是否为恶意扣费业务。
黑名单管理单元304用于根据业务核实单元303的核实结果,若核实投诉业务为恶意扣费业务,则将投诉业务转入黑名单。
疑似用户筛选单元305用于根据黑名单内业务的扣费特征和定购关系,筛选出疑似被恶意扣费用户。
优选的,疑似用户筛选单元305具体提取黑名单内业务的扣费特征,提取黑名单内业务的定购关系,利用扣费特征,对与定购关系相关联的定购用户进行匹配,将与扣费特征相匹配的定购用户作为疑似被恶意扣费用户。
用户确定单元306用于根据疑似被恶意扣费用户的用户标签和历史消费行为信息,从疑似被恶意扣费用户中确定被恶意扣费用户。
优选的,用户确定单元306具体提取疑似被恶意扣费用户的用户标签和历史行为信息,从疑似被恶意扣费用户中,筛选出用户标签与扣费标签相匹配的用户作为候选用户,对候选用户的历史消费行为进行分析,以便从候选用户中确定被恶意扣费用户。其中,黑名单内业务的扣费特征包括扣费标签。
基于本发明上述实施例提供的用于识别被恶意扣费用户的系统,通过对恶意扣费建立特征指标,从而能主动发现和识别被恶意扣费用户,以有效减少因资费问题导致的用户投诉。
图4为本发明用于识别被恶意扣费用户的系统另一实施例的示意图。其中,接收单元401、灰名单管理单元402、业务核实单元403、黑名单管理单元404、疑似用户筛选单元405和用户确定单元406与图3所示的接收单元301、灰名单管理单元302、业务核实单元303、黑名单管理单元304、疑似用户筛选单元305和用户确定单元306相同。此外,在图4中还包括恶意扣费特征库407,用于收纳黑名单内业务的扣费特征。
优选的,如图4所示,该系统还包括业务筛查单元408。其中:
业务筛查单元408用于根据恶意扣费特征库407,对发起定购的业务进行筛查,若发起定购的业务为恶意扣费业务,则对恶意扣费业务发起的定购进行拦截,从而可直接避免发生恶意扣费。
通过实施本发明,可以得到以下有益效果:
1)本发明对于疑似被恶意扣费用户的判断是基于扣费特征、用户标签、业务标签、用户历史消费行为等综合判断,避免了对SP业务划分黑白名单方式造成的错判;
2)本发明所描述的方案无需在用户终端上安装软件或代码,也无需监控用户终端联网行为,通过对确认的恶意扣费案例进行深度分析即可进一步主动发现其他被恶意扣费的用户,可有效降低电信运营商的资费纠纷和投诉。
3)本发明可实现对已有在网终端的全覆盖,对未来上市的终端也无任何定制需求;基于运营商沉淀的大数据(例如终端信息、短信日志、消费信息、用户特征、定购关系等)进行分析,可实现对所有在网用户的全覆盖。
4)本发明通过新增的扣费特征,可进一步主动找出其他被恶意扣费的用户;对纳入恶意扣费特征库的,在恶意扣费应用发起订购之时,即可进行拦截,可直接避免发生恶意扣费。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
本发明的描述是为了示例和描述起见而给出的,而并不是无遗漏的或者将本发明限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显然的。选择和描述实施例是为了更好说明本发明的原理和实际应用,并且使本领域的普通技术人员能够理解本发明从而设计适于特定用途的带有各种修改的各种实施例。
Claims (12)
1.一种用于识别被恶意扣费用户的方法,其特征在于,包括:
在接收到用户投诉后,将相应投诉业务列入灰名单;
核实所述投诉业务是否为恶意扣费业务;
若核实所述投诉业务为恶意扣费业务,则将所述投诉业务转入黑名单;
根据黑名单内业务的扣费特征和定购关系,筛选出疑似被恶意扣费用户;
根据疑似被恶意扣费用户的用户标签和历史消费行为信息,从疑似被恶意扣费用户中确定被恶意扣费用户。
2.根据权利要求1所述的方法,其特征在于,
在接收到用户投诉后,将相应投诉业务列入灰名单的步骤包括:
在接收到用户投诉后,判断所述投诉业务被投诉总量是否超过预定门限;
若所述投诉业务被投诉总量未超过预定门限,则将所述投诉业务列入灰名单;
若所述投诉业务被投诉总量已超过预定门限,则执行将所述投诉业务转入黑名单的步骤。
3.根据权利要求2所述的方法,其特征在于,
根据黑名单内业务的扣费特征和定购关系,筛选出疑似被恶意扣费用户的步骤包括:
提取黑名单内业务的扣费特征;
提取黑名单内业务的定购关系;
利用所述扣费特征,对与所述定购关系相关联的定购用户进行匹配;
将与所述扣费特征相匹配的定购用户作为疑似被恶意扣费用户。
4.根据权利要求3所述的方法,其特征在于,
黑名单内业务的扣费特征包括扣费标签;
根据疑似被恶意扣费用户的用户标签和历史消费行为信息,从疑似被恶意扣费用户中确定被恶意扣费用户的步骤包括:
提取疑似被恶意扣费用户的用户标签和历史行为信息;
从疑似被恶意扣费用户中,筛选出用户标签与扣费标签相匹配的用户作为候选用户;
对候选用户的历史消费行为进行分析,以便从候选用户中确定被恶意扣费用户。
5.根据权利要求1-4中任一项所述的方法,其特征在于,还包括:
将黑名单内业务的扣费特征纳入恶意扣费特征库中。
6.根据权利要求5所述的方法,其特征在于,还包括:
根据恶意扣费特征库,对发起定购的业务进行筛查;
若发起定购的业务为恶意扣费业务,则对恶意扣费业务发起的定购进行拦截。
7.一种用于识别被恶意扣费用户的系统,其特征在于,包括接收单元、灰名单管理单元、业务核实单元、黑名单管理单元、疑似用户筛选单元和用户确定单元,其中:
接收单元,用于接收用户投诉;
灰名单管理单元,用于在接收单元接收到用户投诉后,将相应投诉业务列入灰名单;
业务核实单元,用于核实所述投诉业务是否为恶意扣费业务;
黑名单管理单元,用于根据业务核实单元的核实结果,若核实所述投诉业务为恶意扣费业务,则将所述投诉业务转入黑名单;
疑似用户筛选单元,用于根据黑名单内业务的扣费特征和定购关系,筛选出疑似被恶意扣费用户;
用户确定单元,用于根据疑似被恶意扣费用户的用户标签和历史消费行为信息,从疑似被恶意扣费用户中确定被恶意扣费用户。
8.根据权利要求7所述的系统,其特征在于,
灰名单管理单元具体在接收单元接收到用户投诉后,判断所述投诉业务被投诉总量是否超过预定门限;若所述投诉业务被投诉总量未超过预定门限,则将所述投诉业务列入灰名单;若所述投诉业务被投诉总量已超过预定门限,则指示黑名单管理单元执行将所述投诉业务转入黑名单的操作。
9.根据权利要求8所述的系统,其特征在于,
疑似用户筛选单元具体提取黑名单内业务的扣费特征,提取黑名单内业务的定购关系,利用所述扣费特征,对与所述定购关系相关联的定购用户进行匹配,将与所述扣费特征相匹配的定购用户作为疑似被恶意扣费用户。
10.根据权利要求9所述的系统,其特征在于,
黑名单内业务的扣费特征包括扣费标签;
用户确定单元具体提取疑似被恶意扣费用户的用户标签和历史行为信息,从疑似被恶意扣费用户中,筛选出用户标签与扣费标签相匹配的用户作为候选用户,对候选用户的历史消费行为进行分析,以便从候选用户中确定被恶意扣费用户。
11.根据权利要求7-10中任一项所述的系统,其特征在于,还包括恶意扣费特征库,其中:
恶意扣费特征库,用于收纳黑名单内业务的扣费特征。
12.根据权利要求11所述的系统,其特征在于,还包括业务筛查单元,其中:
业务筛查单元,用于根据恶意扣费特征库,对发起定购的业务进行筛查,若发起定购的业务为恶意扣费业务,则对恶意扣费业务发起的定购进行拦截。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510836300.8A CN106804038B (zh) | 2015-11-26 | 2015-11-26 | 用于识别被恶意扣费用户的方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510836300.8A CN106804038B (zh) | 2015-11-26 | 2015-11-26 | 用于识别被恶意扣费用户的方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106804038A true CN106804038A (zh) | 2017-06-06 |
CN106804038B CN106804038B (zh) | 2019-11-29 |
Family
ID=58976772
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510836300.8A Active CN106804038B (zh) | 2015-11-26 | 2015-11-26 | 用于识别被恶意扣费用户的方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106804038B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112449062A (zh) * | 2019-08-12 | 2021-03-05 | 中国移动通信集团广东有限公司 | 一种恶意扣费的识别方法、装置及电子设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101262648A (zh) * | 2008-04-24 | 2008-09-10 | 中兴通讯股份有限公司 | 一种处理垃圾短信的方法和系统 |
CN101730118A (zh) * | 2008-10-31 | 2010-06-09 | 中国移动通信集团广西有限公司 | 一种监控客户投诉的方法及装置 |
CN102186152A (zh) * | 2011-05-19 | 2011-09-14 | 深圳市五巨科技有限公司 | 一种防止移动终端恶意扣费的方法和装置 |
CN102480722A (zh) * | 2010-11-24 | 2012-05-30 | 中国移动通信集团甘肃有限公司 | 吸费终端识别方法、装置及系统 |
CN103974259A (zh) * | 2013-02-01 | 2014-08-06 | 中国电信股份有限公司 | 恶意扣费的防范方法、防范装置和防范系统 |
CN104796877A (zh) * | 2015-03-23 | 2015-07-22 | 广东欧珀移动通信有限公司 | 一种防恶意扣费的方法和装置 |
-
2015
- 2015-11-26 CN CN201510836300.8A patent/CN106804038B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101262648A (zh) * | 2008-04-24 | 2008-09-10 | 中兴通讯股份有限公司 | 一种处理垃圾短信的方法和系统 |
CN101730118A (zh) * | 2008-10-31 | 2010-06-09 | 中国移动通信集团广西有限公司 | 一种监控客户投诉的方法及装置 |
CN102480722A (zh) * | 2010-11-24 | 2012-05-30 | 中国移动通信集团甘肃有限公司 | 吸费终端识别方法、装置及系统 |
CN102186152A (zh) * | 2011-05-19 | 2011-09-14 | 深圳市五巨科技有限公司 | 一种防止移动终端恶意扣费的方法和装置 |
CN103974259A (zh) * | 2013-02-01 | 2014-08-06 | 中国电信股份有限公司 | 恶意扣费的防范方法、防范装置和防范系统 |
CN104796877A (zh) * | 2015-03-23 | 2015-07-22 | 广东欧珀移动通信有限公司 | 一种防恶意扣费的方法和装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112449062A (zh) * | 2019-08-12 | 2021-03-05 | 中国移动通信集团广东有限公司 | 一种恶意扣费的识别方法、装置及电子设备 |
CN112449062B (zh) * | 2019-08-12 | 2021-10-08 | 中国移动通信集团广东有限公司 | 恶意扣费的识别方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN106804038B (zh) | 2019-11-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110460594B (zh) | 威胁情报数据采集处理方法、装置及存储介质 | |
CN104283918B (zh) | 一种无线局域网终端类型获取方法及系统 | |
Becker et al. | Fraud detection in telecommunications: History and lessons learned | |
CN109120429B (zh) | 一种风险识别方法及系统 | |
CN106228410A (zh) | 一种直播平台中虚拟礼物任务防刷系统及方法 | |
CN101686444B (zh) | 垃圾短信发送号码实时检测系统及方法 | |
CN101510879A (zh) | 一种垃圾内容过滤的方法及装置 | |
CN108683687A (zh) | 一种网络攻击识别方法及系统 | |
CN104836781A (zh) | 区分访问用户身份的方法及装置 | |
CN108667854A (zh) | 网络漏洞检测方法及装置、网络漏洞自动发布系统 | |
CN108881263A (zh) | 一种网络攻击结果检测方法及系统 | |
CN109120428B (zh) | 一种用于风控分析的方法及系统 | |
CN112733045B (zh) | 用户行为的分析方法、装置及电子设备 | |
CN110717189A (zh) | 数据泄露识别方法、装置及设备 | |
CN103415004A (zh) | 一种检测垃圾短消息的方法及装置 | |
CN110909384B (zh) | 确定泄露用户信息的业务方的方法及装置 | |
CN111126928B (zh) | 对发布内容审核的方法和装置 | |
CN108090359A (zh) | 一种应用程序监测方法及应用服务器 | |
CN101389085B (zh) | 基于发送行为的垃圾短消息识别系统及方法 | |
CN112445787A (zh) | 一种基于实时业务的数据稽核方法和系统 | |
CN107172622A (zh) | 伪基站短信的识别和分析方法、装置及系统 | |
CN106804038A (zh) | 用于识别被恶意扣费用户的方法和系统 | |
CN106571971A (zh) | 检测空壳网站的方法、装置及系统 | |
CN106156093A (zh) | 广告内容的识别方法和装置 | |
CN110825609B (zh) | 服务的测试方法、装置和系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |