CN107506776A - 一种诈骗电话号码的分析方法 - Google Patents

Abstract

本发明属于通信网络安全及机器学习领域，公开了一种诈骗电话号码的分析方法，该方法包括：根据相关诈骗案例经验和各种电信诈骗事件的原始话单信息，分析诈骗电话事件中的行为特征和行为场景，针对不同的行为场景对原始话单进行筛选。针对不同的诈骗类型，提取和建立多维度的特征集，采用随机森林算法建立不同类型的诈骗电话检测模型，周期性地对诈骗电话号码分类模型进行离线的训练，然后在现网中进行准实时的检测判定，从大量话单信息中甄别出诈骗电话事件和号码，最后采用相应的手段对其进行上报和处理，维护电信网安全。本发明实现了对通信中诈骗电话号码的有效、准确识别。

Description

一种诈骗电话号码的分析方法

技术领域

本发明属于通信网络安全及机器学习领域，尤其涉及一种诈骗电话号码的分析方法。

背景技术

近年来利用电话进行的诈骗方式呈爆发趋势，受骗面广，金额巨大，通信诈骗成为巨大的用户痛点。2013年，全国通信诈骗案30余万起，群众被骗100亿元；2014年，全国通信诈骗案40余万起，群众损失107亿元；2015年全国公安机关共立电信诈骗案件59万起，同比上升32.5％，造成经济损失222亿元。今年1月至8月，全国共立电信诈骗案件35.5万起，同比上升36.4％，造成损失114.2亿元。报告显示，近一年来，因个人信息泄露、垃圾信息、诈骗信息等原因，导致网民总体损失约805亿元，人均124元，其中约4500万网民近一年遭受的经济损失在1000元以上。这些损失的背后影射出了移动黑产的存在，移动黑产是一条完整的链条，涉及到多个环节，仅仅靠某一方的力量，无法达到有效的打击目的，需要联合各方资源，一起发力。

近10年来，我国电信诈骗案件每年以20％－30％的速度快速增长。全国共发生被骗千万元以上的电信诈骗案件104起，百万元以上的案件2392起。很多群众的“养老钱”“救命钱”被骗，倾家荡产、家破人亡；有的企业资金被骗，破产倒闭，引发群体性事件。

鉴于上述电信诈骗案率频发的现状，如何从众多的电话号码中，分析出垃圾号码，识别出诈骗电话，以帮助打击日益猖獗的电信诈骗行为，维护电信网的安全以及电信用户的利益，便成为了目前亟待解决的技术问题。

此外，目前的诈骗电话手段多样，常通过软件进行改号，并仿冒银行，运营商，熟人，社保等进行欺诈行为。对个别的电话号码进行分析，很难识别其是否为诈骗电话，而且识别准确度不高。

发明内容

本发明的目的是，提供一种诈骗电话号码的分析方法，以实现对通信中诈骗电话号码的有效和准确识别。

本发明采用的技术方案如下：

一种诈骗电话号码的分析方法，所述方法包括：

步骤S1，特征分析和提取；根据相关诈骗案例经验分析诈骗电话的原始话单信息，分析诈骗电话号码事件中的行为特征和行为场景，选取后续需要的特征并从原始话单中采集所需的特征数据集；

步骤S2，疑似类型筛选；根据不同行为场景对需要分析的话单进行筛选，得出疑似诈骗电话号码及其疑似类型，并在之后根据不同的疑似类型采用具有针对性的分析模型进行分析；

步骤S3，诈骗电话号码分类模型的训练；根据已知的正常号码、诈骗电话通话记录样本选取所需特征数据集，利用随机森林算法训练诈骗电话号码分类模型；

步骤S4，现网数据的检测和反馈；使用经过训练得到的诈骗电话号码分类模型，对经过筛选后的疑似诈骗电话号码进行检测，通过检测识别出其中的诈骗电话号码及正常电话号码，保存并输出上述各个分类的电话号码的信息。

进一步地，在上述步骤S1中，所述行为场景为诈骗者对受骗者行骗的手段，该手段包括仿冒公检法的行为场景、仿冒银行的行为场景、仿冒电商客服的行为场景。以下所示为仿冒公检法的行为场景，比如诈骗者要求受骗者拨打查询某个地区的公安号码，之后使用仿冒该公安号码的号码拨打受骗者进行行骗。根据不同的行为场景建立不同的分析模型，筛选出疑似类型后进行针对性分析。

进一步地，在上述步骤S2中，所述疑似类型包括仿冒公检法、仿冒银行、仿冒电商客服等。筛选方式为根据不同诈骗场景，只采集场景相关的话单记录。

进一步地，在上述步骤S3中，还包括：通过新的数据训练样本对诈骗电话号码分类模型进行离线训练，不断修正分类模型的判断依据。

进一步地，在上述步骤S4中，还包括：对检测识别出的上述各个分类的电话号码的信息进行人工确认及修正后，作为新的训练样本导入至原训练样本中对分类模型进行训练。

进一步地，所述诈骗电话号码的特征数据集是根据大量已知的诈骗电话号码，抽象出它们共同的行为特征形成的。

进一步地，所述行为特征包括号码所在地、主叫通话时长、与手机通话次数与总通话次数占比、是否与仿冒号码通话、主要呼叫地区、呼叫中陌生号码占比等。

进一步地，通过随机森林分类算法对诈骗号码进行模型训练和识别的方法包括:

训练过程：获得正常号码的通话记录话单，并按号码提取如上所述的特征数据集，并添加标签；获得诈骗号码的通话记录话单，并按号码提取特征数据集，并添加标签；将上述已经标记好的训练数据集导入随机森林模型当中进行训练，得到经训练的随机森林分类模型。

识别过程：将待检测号码的通话记录话单按号码提取特征数据集，将其输入上述经训练的随机森林分类模型当中；随机森林分类模型将根据每个号码的数据特征，反馈它的分类结果标签是正常号码或是诈骗号码；

与现有技术相比，本发明所提供的一种诈骗电话号码的分析方法，可以对实时系统中的话单进行检测，识别出其中的诈骗电话号码，并将其信息保存导出，供相关部门进行后续处理。

附图说明

图1是本发明实施例所述的诈骗电话号码的分析方法的流程示意图；

图2是本发明实施例所述的诈骗电话号码的分析方法的整体业务流程示意图；

图3是本发明所述的分析模型训练的示意图。

具体实施方式

下面结合附图和具体实施例对本发明做进一步详细说明。

参照图1、图2所示，本发明实施例所公开的一种诈骗电话号码的分析方法，所述方法包括如下步骤：

步骤S1，特征分析和提取；根据相关诈骗案例经验分析诈骗电话的原始话单信息，分析诈骗电话号码事件中的行为特征和行为场景，选取后续需要的特征并从原始话单中采集所需数据；

步骤S2，疑似类型筛选；根据不同行为场景对需要分析的话单进行筛选，得出疑似诈骗电话号码及其疑似类型，并在之后根据不同的疑似类型采用具有针对性的分析模型进行分析；

步骤S3，诈骗电话号码分类模型的训练；根据已知的正常号码、诈骗电话通话记录样本选取所需特征数据集，利用随机森林算法训练诈骗电话号码分类模型；

步骤S4，现网数据的检测和反馈；使用经过训练得到的诈骗电话号码分类模型，对经过筛选后的疑似诈骗电话号码进行检测，通过检测识别出其中的诈骗电话号码及正常电话号码，保存并输出上述各个分类的电话号码的信息。

传统的对个别的电话号码进行分析，很难识别其是否为诈骗电话，而本发明所公开的一种分析方法，则综合多方面的数据，从大量历史诈骗电话号码中提取出他们共有的一些行为特征，采用机器学习的分析方式，利用其中的随机森林分类算法训练分类模型，从多个维度全面的分析话单信息，按其匹配的行为特征进行分类，识别出其中的诈骗电话号码，将其信息保存导出以供后续处理。此外，本发明还能从海量的数据当中训练出一个效率高，识别率高的分类模型，实现对诈骗电话的有效准确识别。

其中，在上述步骤S1中，所述行为场景为诈骗者对受骗者行骗的手段，该行骗手段包括仿冒公检法的行为场景、仿冒银行的行为场景、仿冒电商客服的行为场景。以下所示为仿冒公检法的行为场景，诈骗者要求受骗者查询某个地区的公安号码，之后使用仿冒该公安号码的号码拨打受骗者进行行骗。根据不同的行为场景建立不同的分析模型，筛选出疑似类型后进行针对性分析。

其中，在上述步骤S2中，所述疑似类型包括仿冒公检法、仿冒银行、仿冒电商客服等。筛选方式为根据不同诈骗场景，只采集与其对应场景相关的话单记录。

其中，在上述步骤S3中，还包括：通过新的数据训练样本对诈骗电话号码分类模型进行离线训练，不断修正分类模型的判断依据，提高识别率。

其中，在上述步骤S4中，还包括：对检测识别出的上述各个分类的电话号码的信息进行人工确认及修正并作为新的训练样本导入至分类模型进行训练。这样，也能够完善分类模型，进而增加分类模型的判定准确率。

基于大数据分析的优越性，本发明对诈骗电话号码的识别通过随机森林算法进行机器学习，该算法能运用到大型数据库中，而且方法简单、分类准确率高、速度快。

图3是本发明所述的分析模型训练的示意图，从各种渠道获取数据训练样本，然后将数据训练样本以及特征集导入专门进行大数据分析和存储的服务器中使用随机森林算法进行分类模型训练，经过训练后得到分析模型，应用分析模型对现网数据进行分析输出相应的分析结果，并将分析结果中的数据经过人工确认及修正后作为新的训练样本补充添加进原数据训练样本中，以供分类模型反复训练和优化所需。

如果只对特征信息进行简单的分析，很难对诈骗电话进行有效的识别。本发明中，通过结合机器学习中的随机森林分类算法对特征进行分类，以实现对诈骗电话号码的高效、高准确度的识别。

所谓的随机森林分类算法，它通过自助法(bootstrap)重采样技术，从原始训练样本集N中有放回地重复随机抽取k个样本生成新的训练样本集合，然后根据自助样本集生成k个分类树组成随机森林，新数据的分类结果按分类树投票多少形成的分数而定。其实质是对决策树算法的一种改进，将多个决策树合并在一起，每棵树的建立依赖于一个独立抽取的样品，森林中的每棵树具有相同的分布，分类误差取决于每一棵树的分类能力和它们之间的相关性。特征选择采用随机的方法去分裂每一个节点，然后比较不同情况下产生的误差。能够检测到的内在估计误差、分类能力和相关性决定选择特征的数目。单棵树的分类能力可能很小，但在随机产生大量的决策树后，一个测试样品可以通过每一棵树的分类结果经统计后选择最可能的分类。

例如，根据对已知的诈骗案件进行分析，选取号码所在地、通话时长、是否与仿冒号码通话、主要呼叫地区、呼叫中陌生号码占比这几项作为特征；并可以总结出一种仿冒公检法的诈骗场景为：诈骗者要求受骗者拨打114查询某个地区的公安号码，之后使用尾数仿冒该公安号码的号码呼叫受骗者进行行骗。如果某一主叫号码(例如16666110)的尾数与某地公安号码(例如6666110)类似，且其呼叫的被叫号码在之前呼叫了114，则可归为仿冒公检法场景。利用符合此诈骗场景的带有标记的诈骗电话号码话单数据和正常电话号码话单数据作为训练集，提取前文所述的号码所在地、通话时长、是否与仿冒号码通话、主要呼叫地区、呼叫中陌生号码占比数据作为特征，用于对随机森林算法进行训练，得到仿冒公检法场景下的分类模型。对现网话单数据中所有的主叫号码也提取上述特征数据，带入训练得到的分类模型进行分析，分类结果即为其是诈骗电话号码或正常电话号码。对得到的疑似诈骗电话号码进行人工确认和修正后，作为新的训练集对所述分类模型进行迭代优化，提高分析的准确率。

本发明所公开的一种诈骗电话号码的分析方法，根据相关诈骗案例经验分析诈骗电话的原始话单信息，分析诈骗电话号码的行为特征，抽象出多维度的特征集，并使用机器学习的随机森林分类算法实现诈骗电话分类模型，对实时话单进行分析，按其匹配的行为特征进行分类，识别出其中的诈骗电话号码，将其信息保存导出以供后续处理。

值得注意的是，以上所述仅为本发明的较佳实施例，并非因此限定本发明的专利保护范围，本发明还可以对上述各种零部件的构造进行材料和结构的改进，或者是采用技术等同物进行替换。故凡运用本发明的说明书及图示内容所作的等效结构变化，或直接或间接运用于其他相关技术领域均同理皆包含于本发明所涵盖的范围内。

Claims (8)

1.一种诈骗电话号码的分析方法，其特征在于，所述方法包括：

步骤S1，特征分析和提取；根据相关诈骗案例经验分析诈骗电话的原始话单信息，分析诈骗电话事件中的行为特征和行为场景，选取后续需要的特征并从原始话单中采集所需的特征数据集；

步骤S2，疑似类型筛选；根据不同行为场景对需要分析的现网全量话单进行筛选，得出疑似诈骗电话号码及其疑似类型，并在之后根据不同的疑似类型采用具有针对性的分析模型进行分析；

步骤S3，诈骗电话号码分类模型的训练；根据已知的正常号码、诈骗电话通话记录样本选取所需特征数据集，利用随机森林算法训练诈骗电话号码分类模型；

步骤S4，现网数据的检测和反馈；使用经过训练得到的诈骗电话号码分类模型，对经过筛选后的疑似诈骗电话号码进行检测，通过检测识别出其中的诈骗电话号码及正常电话号码，保存并输出上述各个分类的电话号码的信息。

2.如权利要求1所述的诈骗电话号码的分析方法，其特征在于，所述行为场景为诈骗者对受骗者行骗的手段，该手段包括仿冒公检法的行为场景、仿冒银行的行为场景、仿冒电商客服的行为场景。

3.如权利要求2所述的诈骗电话号码的分析方法，其特征在于，在步骤S2中，所述疑似类型包括仿冒公检法、仿冒银行、仿冒电商客服，筛选方式为根据不同行为场景，只采集与其对应场景相关的话单记录。

4.如权利要求1所述的诈骗电话号码的分析方法，其特征在于，在步骤S3中，还包括：通过新的数据训练样本对诈骗电话号码分类模型进行反复离线训练，不断修正分类模型的判断依据。

5.如权利要求4所述的诈骗电话号码的分析方法，其特征在于，在步骤S4中，还包括：对检测识别出的上述各个分类的电话号码的信息进行核对修正后作为新的训练样本补充进原训练样本中对诈骗电话号码分类模型进行训练。

6.如权利要求1所述的诈骗电话号码的分析方法，其特征在于，在步骤S1中，所述用于诈骗电话号码分析的特征数据集是根据大量已知的诈骗电话号码的话单数据，抽象出它们共同的行为特征形成的。

7.如权利要求6所述的诈骗电话号码的分析方法，其特征在于，所述行为特征包括号码所在地、通话时长、与手机通话次数与总通话次数占比、是否与仿冒号码通话、主要呼叫地区、呼叫中陌生号码占比等。

8.如权利要求6所述的诈骗电话号码的分析方法，其特征在于，通过随机森林分类模型对诈骗电话号码进行模型训练和识别的方法具体包括:

训练过程：获得正常号码的通话记录话单，并按号码提取所属的特征数据集，并添加标签；获得诈骗号码的通话记录话单，并按号码提取所属的特征数据集，并添加标签；将上述已经标记好的训练数据集导入随机森林模型当中进行训练，得到经训练的随机森林分类模型；

识别过程：将待检测号码的通话记录话单按号码提取所属的特征数据集，将其输入上述经训练的随机森林分类模型当中；随机森林分类模型将根据每个号码的数据特征，反馈它的分类结果标签是正常号码或是诈骗号码。