CN107872772A - 诈骗短信的检测方法及装置 - Google Patents
诈骗短信的检测方法及装置 Download PDFInfo
- Publication number
- CN107872772A CN107872772A CN201711373240.6A CN201711373240A CN107872772A CN 107872772 A CN107872772 A CN 107872772A CN 201711373240 A CN201711373240 A CN 201711373240A CN 107872772 A CN107872772 A CN 107872772A
- Authority
- CN
- China
- Prior art keywords
- short message
- phone number
- sender
- swindle
- detection
- 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
- H04W12/128—Anti-malware arrangements, e.g. protection against SMS fraud or mobile malware
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/12—Messaging; Mailboxes; Announcements
- H04W4/14—Short messaging services, e.g. short message services [SMS] or unstructured supplementary service data [USSD]
-
- 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
Abstract
本发明公开了一种诈骗短信的检测方法及装置,涉及一种短信技术领域,主要目的在于解决现有当诈骗人员通过个人手机发送诈骗短信时,个人手机号码发送的诈骗短信种类繁多,不易识别,降低检测诈骗短信的准确性的问题。主要技术方案:获取待检测短信的发送方手机号码;解析所述发送方手机号码对应的属性特征,以及所述待检测短信的短信内容;根据不同时序下的所述属性特征以及所述短信内容结合诈骗检测预测模型确定诈骗短信的发送方手机号码,所述诈骗检测预测模型用于根据所述属性特征以及所述短信内容检测短信内容存在诈骗行为的发送方手机号码;将所述发送方手机号码进行提示标记。
Description
技术领域
本发明涉及一种短信技术领域,特别是涉及一种诈骗短信的检测方法及装置。
背景技术
短信是指用户通过手机或其他具有电信通讯功能的终端设备发送或接收的文字或数字信息,以便用户之间进行沟通。然而,由于使用短信传递信息的便利性,通过短信进行诈骗行为的用户也越来越多,严重影响了通讯及网络环境的治安。
目前,现有的诈骗短信是通过一个伪基站或网络账号向用户随机发送诈骗短信,以冒充涉及金钱交易的单位来骗取用户资金及信息,诈骗短信发送人的伪账号一般为银行、保险、游戏厂商等,针对这样的诈骗短信,接收人可以通过检测诈骗短信的安全应用程序进行识别,屏蔽掉诈骗短信,但是,当诈骗人员通过个人手机发送诈骗短信时,个人手机发送的诈骗短信种类繁多,不易识别,降低检测诈骗短信的准确性。
发明内容
有鉴于此,本发明提供一种诈骗短信的检测方法及装置,主要目的在于解决现有当诈骗人员通过个人手机发送诈骗短信时,个人手机号码发送的诈骗短信种类繁多,不易识别,降低检测诈骗短信的准确性的问题。
依据本发明一个方面,提供了一种诈骗短信的检测方法,包括:
获取待检测短信的发送方手机号码;
解析所述发送方手机号码对应的属性特征,以及所述待检测短信的短信内容;
根据不同时序下的所述属性特征以及所述短信内容结合诈骗检测预测模型确定诈骗短信的发送方手机号码,所述诈骗检测预测模型用于根据所述属性特征以及所述短信内容检测短信内容存在诈骗行为的发送方手机号码;
将所述发送方手机号码进行提示标记。
进一步地,所述获取待检测短信的发送方手机号码之前,所述方法还包括:
根据时序维度建立具有多个预设神经网络组合结构的诈骗检测预测模型。
进一步地,所述属性特征包括发送时间、接收时间、地理位置、运营商类型,所述解析所述发送方手机号码对应的属性特征,以及所述待检测短信的短信内容之后,所述方法还包括:
配置所述发送方手机号码对应的发送时间、接收时间、地理位置、运营商类型的独热码,并将所述短信内容转换为句子向量。
进一步地,所述根据不同时序下的所述属性特征以及所述短信内容结合诈骗检测预测模型确定诈骗短信的发送方手机号码包括:
将不同时序下的所述独热码及所述句子向量作为所述诈骗检测预测模型中不同时序维度下的预设神经网络的输入进行运算,并通过预设输出函数进行输出,确定短信内容存在诈骗行为的发送方手机号码。
进一步地,所述根据时序维度建立具有多个预设神经网络组合结构的诈骗检测预测模型包括:
根据预设时序个数将预设神经网络进行组合连接,生成双层回归结构的预测网络模型,将所述预测网络模型的输出结构映射连接至全连接层,并结合预设输出函数建立诈骗检测预测模型。
进一步地,所述获取待检测短信的发送方手机号码之前,所述方法还包括:
判断待检测短信的发送方手机号码是否存在于接收方的白名单中;
若存在于接收方的白名单中,将所述发送方手机号码标记为安全方。
进一步地,所述将所述发送方手机号码进行提示标记之后,所述方法还包括:
根据所述发送方手机号码向所述发送方发送告警短信、和\或向所述发送方手机号码对应的运营商发送通讯截断请求。
进一步地,所述方法还包括:
按照预设时间间隔根据确定的诈骗短信的短信内容、发送方手机号码的属性特征对所述诈骗检测预测模型进行模型修正。
依据本发明一个方面,提供了一种诈骗短信的检测装置,包括:
获取单元,用于获取待检测短信的发送方手机号码;
解析单元,用于解析所述发送方手机号码对应的属性特征,以及所述待检测短信的短信内容;
确定单元,用于根据不同时序下的所述属性特征以及所述短信内容结合诈骗检测预测模型确定诈骗短信的发送方手机号码,所述诈骗检测预测模型用于根据所述属性特征以及所述短信内容检测短信内容存在诈骗行为的发送方手机号码;
标记单元,用于将所述发送方手机号码进行提示标记。
进一步地,所述装置还包括:
建立单元,用于根据时序维度建立具有多个预设神经网络组合结构的诈骗检测预测模型。
进一步地,所述所述属性特征包括发送时间、接收时间、地理位置、运营商类型,所述装置还包括:
配置单元,用于配置所述发送方手机号码对应的发送时间、接收时间、地理位置、运营商类型的独热码,并将所述短信内容转换为句子向量。
进一步地,所述确定单元,具体用于将不同时序下的所述独热码及所述句子向量作为所述诈骗检测预测模型中不同时序维度下的预设神经网络的输入进行运算,并通过预设输出函数进行输出,确定短信内容存在诈骗行为的发送方手机号码。
进一步地,所述建立单元,具体用于根据预设时序个数将预设神经网络进行组合连接,生成双层回归结构的预测网络模型,将所述预测网络模型的输出结构映射连接至全连接层,并结合预设输出函数建立诈骗检测预测模型。
进一步地,所述装置还包括:判断单元,
所述判断单元,用于判断待检测短信的发送方手机号码是否存在于接收方的白名单中;
所述标记单元,还用于若存在于接收方的白名单中,将所述发送方手机号码标记为安全方。
进一步地,所述装置还包括:
发送单元,用于根据所述发送方手机号码向所述发送方发送告警短信、和\或向所述发送方手机号码对应的运营商发送通讯截断请求。
进一步地,所述装置还包括:
修正单元,用于按照预设时间间隔根据确定的诈骗短信的短信内容、发送方手机号码的属性特征对所述诈骗检测预测模型进行模型修正。
根据本发明的又一方面,提供了一种存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使处理器执行如上述诈骗短信的检测方法对应的操作。
根据本发明的再一方面,提供了一种终端,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行上述诈骗短信的检测方法对应的操作。
借由上述技术方案,本发明实施例提供的技术方案至少具有下列优点:
本发明提供了一种诈骗短信的检测方法及装置,首先获取待检测短信的发送方手机号码,然后解析所述发送方手机号码对应的属性特征,以及所述待检测短信的短信内容,再根据不同时序下的所述属性特征以及所述短信内容结合诈骗检测预测模型确定诈骗短信的发送方手机号码,所述诈骗检测预测模型用于根据所述属性特征以及所述短信内容检测短信内容存在诈骗行为的发送方手机号码,最后将所述发送方手机号码进行提示标记。与现有当诈骗人员通过个人手机发送诈骗短信时,个人手机号码发送的诈骗短信种类繁多,不易识别相比,本发明实施例通过解析发送方手机号码对应的属性特征及短信内容,并按照不同时序结合诈骗检测预测模型确定短信内容中存在诈骗行为的发送方手机号码,实现根据时序及个人手机号码检测确定诈骗短信,避免因诈骗人员多次发送聊天短信骗取接收人信任而形成的诈骗行为,便于识别不同短信种类进行诈骗,从而提高检测诈骗短信的效率。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了本发明实施例提供的一种诈骗短信的检测方法流程图;
图2示出了本发明实施例提供的另一种诈骗短信的检测方法流程图;
图3示出了本发明实施例提供的一种诈骗检测预测模型示意图;
图4示出了本发明实施例提供的一种输入数据示意图;
图5示出了本发明实施例提供的一种诈骗短信的检测装置框图;
图6示出了本发明实施例提供的另一种诈骗短信的检测装置框图;
图7示出了本发明实施例提供的一种终端示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
本发明实施例提供了一种诈骗短信的检测方法,如图1所示,所述方法包括:
101、获取待检测短信的发送方手机号码。
其中,所述发送方为发送短信的一方,接收方为接收短信的一方,一般的,在接收方使用的移动终端上会安装有具有检测短信是否为诈骗短信的应用程序,可以为安全卫士等应用,本发明实施例不做具体限定。
需要说明的是,在执行本发明实施例中的诈骗短信检测方法时,接收方终端安装的安全卫士在检测到接收短信后,会向当前服务端发送检测请求,当前服务端接收到检测请求后,即执行本发明实施例中获取待检测短信的发送方手机号码。另外,接收方终端在发送检测请求时,会将待检测短信以及发送方手机号码携带在检测请求中,以便服务端进行获取。
102、解析所述发送方手机号码对应的属性特征,以及所述待检测短信的短信内容。
其中,所述属性特征包括发送时间、接收时间、地理位置、运营商类型,具体为发送方发送短信的时间、发送方所在省份及城市、发送方手机号码的运营商类型,以及根据发送方手机号码发送短信的接收方接收短信的时间、接收方所在身份及城市、接收方手机号码的运营商类型,短信内容包括短信中的文字及数据信息,地理位置即包括了发送方所在省份及城市以及接收方所在省份及城市,本发明实施例不做具体限定。
需要说明的是,解析属性特征后,还可以根据接收方接收的时间确定出一天内接收到短信的时间段。由于中国的个人手机号码为11位数字组成,前3位数字可以解析出对应的运营商类型,如联通、电信、移动等,中间数字可以解析出使用者所在城市及省份,具体的,可以根据各个运营商提供的手机号码对照表进行查找确定,还可以进行联网匹配确定,本发明实施例不做具体限定。例如,发送方手机号码为1589838XXXX,根据联网匹配,可以确定出发送方使用的是移动号码,所在辽宁抚顺。另外,解析短信的内容可以根据文字特征、语句语义确定短信内容中是否存在诈骗词汇、或者诈骗逻辑,本发明实施例不做具体限定。
103、根据不同时序下的所述属性特征以及所述短信内容结合诈骗检测预测模型确定诈骗短信的发送方手机号码。
其中,所述诈骗检测预测模型用于根据所述属性特征以及所述短信内容检测短信内容存在诈骗行为的发送方手机号码,所述不同时序为按照时间排序得到的多个时间顺序下的发送方及接收方的属性特征以及短信内容,一般的,为了增加诈骗检测预测模型的预测精度,可以选取20个时序下的属性特征及短信内容,每个时序的时间间隔可以为1小时、5分钟等,本发明实施例不做具体限定。
需要说明的是,诈骗检测预测模型可以由具有分类功能的机器学习算法进行构建,通过将属性特征及短信内容作为模型输入进行回归,确定出诈骗短信的发送方手机号码。例如,神经网络算法中的LSTM(Long Short-Term Memory),即长短期记忆网络,一种时间递归神经网络,本发明实施例不做具体限定。
104、将所述发送方手机号码进行提示标记。
对于本发明实施例,为了提醒接收方接收到的短信是诈骗短信,当前服务端需要对发送方手机号码进行标记,以便接收方根据标记确定发送方为诈骗人员。
本发明提供了一种诈骗短信的检测方法,与现有当诈骗人员通过个人手机发送诈骗短信时,个人手机号码发送的诈骗短信种类繁多,不易识别相比,本发明实施例通过解析发送方手机号码对应的属性特征及短信内容,并按照不同时序结合诈骗检测预测模型确定短信内容中存在诈骗行为的发送方手机号码,实现根据时序及个人手机号码检测确定诈骗短信,避免因诈骗人员多次发送聊天短信骗取接收人信任而形成的诈骗行为,便于识别不同短信种类进行诈骗,从而提高检测诈骗短信的效率。
本发明实施例提供了另一种诈骗短信的检测方法,如图2所示,所述方法包括:
201、根据时序维度建立具有多个预设神经网络组合结构的诈骗检测预测模型。
对于本发明实施例,为了避免通过单一神经网络模型回归得到结果的单一性,可以建立具有多个预设神经网络组合结构的诈骗检测预测模型,其中,为了匹配时序维度,预设神经网络为LSTM,可以更加准确的处理和预测时间序列中间隔和延迟相对较长的事件,时序维度为不同时间顺序下的多个维度关系,如图3所示,针对诈骗短信的检测业务,为诈骗检测预测模型建立20个时序维度的LSTM网络模型,每个LSTM中都加入了一个判断数据是否有用的“处理器”cell,通过cell可以将多个LSTM连接起来,从而建立网络的组合结构的诈骗检测预测模型。
对于本发明实施例,步骤201具体可以为:根据预设时序个数将预设神经网络进行组合连接,生成双层回归结构的预测网络模型,将所述预测网络模型的输出结构映射连接至全连接层,并结合预设输出函数建立诈骗检测预测模型。
对于本发明实施例,为了提高多个时序维度建立网络模型的回归精度,将串联起来的LSTM进行组合连接,生成双层回归结果的预测网络模型,所述预设时序个数可以根据检查诈骗短信的业务需求设定为20个,所述预设输出函数为由以交叉熵函数作为损失函数的Softmax输出层。如图3所示,每一层中的第一个LSTM设定一个初始状态,然后接收输入数据,通过cell将有用的数据专递给下一个LSTM,并将LSTM的输出结果映射至全连接层FC,依次类推,得到全连接层的输出结果,并且,为了使得到的结果更加的体现诈骗短信与非诈骗短信之间的区别,使用Softmax输出层进行输出结果,从而得到完整的诈骗检测预测模型。
202、判断待检测短信的发送方手机号码是否存在于接收方的白名单中。
对于本发明实施例,为了避免将接收方手机通讯录中的手机号码发送的短信标记为诈骗人员,需要预先判断发送方手机号码是否存在于接收方的白名单中,所述白名单可以为手机本地通讯录、也可以为社交应用平台交友通讯录中互联的手机号码、还可以为通过诈骗检测预测模型确定的安全手机号码,本发明实施例不做具体限定。另外,若通过诈骗检测预测模型确定发送方电话号码发送的短信为安全短信,也可以将发送方手机号码添加至白名单中。
203a、若不存在于接收方的白名单中,获取待检测短信的发送方手机号码。
本步骤与图1所示的步骤101方法相同,在此不再赘述。
需要说明的是,如背景介绍中所述的,诈骗短信的检测一般是通过解析诈骗短信是否为伪基站发送,或者诈骗短信内容是否直接涉及银行转账等文字内容,但是,当诈骗人员通过个人手机进行多次短信沟通、聊天后发送可以使接收方进行转账、汇款等操作的短信,目前的安全卫士等应用无法实现,因此,可以通过本发明实施例中的步骤进行检测。
对于本发明实施例,与步骤203a并列的步骤203b、若存在于接收方的白名单中,将所述发送方手机号码标记为安全方。
对于本发明实施例,标记为安全方后,对通过安全方的手机号码发送的短信则不再进行检测,从而减少诈骗检测预测模型运行的次数。
204、解析所述发送方手机号码对应的属性特征,以及所述待检测短信的短信内容。
本步骤与图1所示的步骤102方法相同,在此不再赘述。
205、配置所述发送方手机号码对应的发送时间、接收时间、地理位置、运营商类型的独热码,并将所述短信内容转换为句子向量。
为了将进行诈骗检测预测模型预测的数据转换为模型可识别的数据,以及减少模型运行占据内存的空间,提高检测诈骗短信的效率,需要将带有文字或数据的发送放的发送时间、发送方所在省市、发送方运营商类型、接收方接收时间、接收方所在省市、接收方运营商类型、以及接收到短信的时间段等信息直接配置独热码,并将短信内容转换为句子向量。其中,通过将上述属性特征配置为只有一个比特为1,其他全为0的独特码,可以减少系统的占用,从而加快诈骗检测预测模型的运行速率,对于独特码的具体位数可以为8位或16位,本发明实施例不做具体限定。
206、将不同时序下的所述独热码及所述句子向量作为所述诈骗检测预测模型中不同时序维度下的预设神经网络的输入进行运算,并通过预设输出函数进行输出,确定短信内容存在诈骗行为的发送方手机号码。
对于本发明实施例,如图3及图4所示,为了将属性特征对于的独热码及句子向量作为预设神经网络LSTM的输入,需要将各组时序下的属性特征的独热码、句子向量与双层结构中各个LSTM时序维度匹配对应,按照时间顺序将每个时间点下的独热码及句子向量作为一个LSTM的输入,从而进行模型运算,预设输出函数包括由以交叉熵函数作为损失函数的Softmax输出层,并最终通过Softmax输出短信内容存在诈骗行为的发送方手机号码。其中,Initial State为根据诈骗短信检测业务需求进行设置的初始状态、Final State为通过多个LSTM一次次筛选后的结束状态,本发明实施例不做具体限定。
207、将所述发送方手机号码进行提示标记。
本步骤与图1所示的步骤103方法相同,在此不再赘述。
208、根据所述发送方手机号码向所述发送方发送告警短信、和\或向所述发送方手机号码对应的运营商发送通讯截断请求。
对于本发明实施例,为了进一步处理标记后的发送方手机号码,使得接收方不被诈骗人员骗取金钱或信息,可以向发送方发送告警信息,以便提示发送方的诈骗人员,此手机号码已经被标记为诈骗手机号码,不要再继续进行诈骗行为。还可以向运营商发送通讯截断请求,以便运营商不再传输此手机号码发送的任何短信,从而提高了诈骗短信的出现次数。
209、按照预设时间间隔根据确定的诈骗短信的短信内容、发送方手机号码的属性特征对所述诈骗检测预测模型进行模型修正。
对于本发明实施例,由于进行诈骗检测预测模型确定出的诈骗短信的短信内容、发送方手机号码属性特征具有较强的分类作用,可以按照已确定为诈骗短信对诈骗检测预测模型进行修正。其中所述预设时间间隔可以为1周、1个月等,本发明实施例不做具体限定。所述修正方式可以为根据确定的诈骗短信的对应内容对预设分类器进行迭代训练,从而得到更优的分类器,提高诈骗短信的检测效率。
本发明提供了另一种诈骗短信的检测方法,本发明实施例通过建立具有时序维度的多个神经网络组合结构的诈骗检测预测模型,将按照不同时序下的发送方及接收方的属性特征及短信内容作为时序维度中不同神经网络的输入,并将输出结果进行分类运算,得到存在诈骗行为的诈骗短信对应的手机号码,实现精确的对不同时序下个人手机号码发送的短信内容进行检测,避免因诈骗人员多次发送聊天短信骗取接收人信任而形成的诈骗行为,结合了除了文本之外的特征,将单独的短信内容也作为检测的敏感内容,从而提高检测诈骗短信的效率。
进一步的,作为对上述图1所示方法的实现,本发明实施例提供了一种诈骗短信的检测装置,如图5所示,该装置包括:获取单元31、解析单元32、确定单元33、标记单元34。
获取单元31,用于获取待检测短信的发送方手机号码;所述获取单元31为诈骗短信的检测装置执行获取待检测短信的发送方手机号码的程序模块。
解析单元32,用于解析所述发送方手机号码对应的属性特征,以及所述待检测短信的短信内容;所述解析单元32为诈骗短信的检测装置执行解析所述发送方手机号码对应的属性特征,以及所述待检测短信的短信内容的程序模块。
确定单元33,用于根据不同时序下的所述属性特征以及所述短信内容结合诈骗检测预测模型确定诈骗短信的发送方手机号码,所述诈骗检测预测模型用于根据所述属性特征以及所述短信内容检测短信内容存在诈骗行为的发送方手机号码;所述确定单元33为诈骗短信的检测装置执行根据不同时序下的所述属性特征以及所述短信内容结合诈骗检测预测模型确定诈骗短信的发送方手机号码的程序模块。
标记单元34,用于将所述发送方手机号码进行提示标记。所述标记单元34为诈骗短信的检测装置执行将所述发送方手机号码进行提示标记的程序模块。
本发明提供了一种诈骗短信的检测装置,与现有当诈骗人员通过个人手机发送诈骗短信时,个人手机号码发送的诈骗短信种类繁多,不易识别相比,本发明实施例通过解析发送方手机号码对应的属性特征及短信内容,并按照不同时序结合诈骗检测预测模型确定短信内容中存在诈骗行为的发送方手机号码,实现根据时序及个人手机号码检测确定诈骗短信,避免因诈骗人员多次发送聊天短信骗取接收人信任而形成的诈骗行为,便于识别不同短信种类进行诈骗,从而提高检测诈骗短信的效率。
进一步的,作为对上述图2所示方法的实现,本发明实施例提供了另一种诈骗短信的检测装置,如图6所示,该装置包括:获取单元41、解析单元42、确定单元43、标记单元44、建立单元45、配置单元46、判断单元47、发送单元48、修正单元49。
获取单元41,用于获取待检测短信的发送方手机号码;
解析单元42,用于解析所述发送方手机号码对应的属性特征,以及所述待检测短信的短信内容;
确定单元43,用于根据不同时序下的所述属性特征以及所述短信内容结合诈骗检测预测模型确定诈骗短信的发送方手机号码,所述诈骗检测预测模型用于根据所述属性特征以及所述短信内容检测短信内容存在诈骗行为的发送方手机号码;
标记单元44,用于将所述发送方手机号码进行提示标记。
进一步地,所述装置还包括:
建立单元45,用于根据时序维度建立具有多个预设神经网络组合结构的诈骗检测预测模型。
进一步地,所述所述属性特征包括发送时间、接收时间、地理位置、运营商类型,所述装置还包括:
配置单元46,用于配置所述发送方手机号码对应的发送时间、接收时间、地理位置、运营商类型的独热码,并将所述短信内容转换为句子向量。
具体的,所述确定单元43,具体用于将不同时序下的所述独热码及所述句子向量作为所述诈骗检测预测模型中不同时序维度下的预设神经网络的输入进行运算,并通过预设输出函数进行输出,确定短信内容存在诈骗行为的发送方手机号码。
具体的,所述建立单元45,具体用于根据预设时序个数将预设神经网络进行组合连接,生成双层回归结构的预测网络模型,将所述预测网络模型的输出结构映射连接至全连接层,并结合预设输出函数建立诈骗检测预测模型。
进一步地,所述装置还包括:判断单元47,
所述判断单元47,用于判断待检测短信的发送方手机号码是否存在于接收方的白名单中;
所述标记单元44,还用于若存在于接收方的白名单中,将所述发送方手机号码标记为安全方。
进一步地,所述装置还包括:
发送单元48,用于根据所述发送方手机号码向所述发送方发送告警短信、和\或向所述发送方手机号码对应的运营商发送通讯截断请求。
进一步地,所述装置还包括:
修正单元49,用于按照预设时间间隔根据确定的诈骗短信的短信内容、发送方手机号码的属性特征对所述诈骗检测预测模型进行模型修正。
本发明提供了另一种诈骗短信的检测装置,本发明实施例通过建立具有时序维度的多个神经网络组合结构的诈骗检测预测模型,将按照不同时序下的发送方及接收方的属性特征及短信内容作为时序维度中不同神经网络的输入,并将输出结果进行分类运算,得到存在诈骗行为的诈骗短信对应的手机号码,实现精确的对不同时序下个人手机号码发送的短信内容进行检测,避免因诈骗人员多次发送聊天短信骗取接收人信任而形成的诈骗行为,结合了除了文本之外的特征,将单独的短信内容也作为检测的敏感内容,从而提高检测诈骗短信的效率。
根据本发明一个实施例提供了一种存储介质,所述存储介质存储有至少一可执行指令,该计算机可执行指令可执行上述任意方法实施例中的诈骗短信的检测方法。
图7示出了根据本发明一个实施例提供的一种终端的结构示意图,本发明具体实施例并不对终端的具体实现做限定。
如图7所示,该终端可以包括:处理器(processor)502、通信接口(CommunicationsInterface)504、存储器(memory)506、以及通信总线508。
其中:处理器502、通信接口504、以及存储器506通过通信总线508完成相互间的通信。
通信接口504,用于与其它设备比如客户端或其它服务器等的网元通信。
处理器502,用于执行程序510,具体可以执行上述诈骗短信的检测方法实施例中的相关步骤。
具体地,程序510可以包括程序代码,该程序代码包括计算机操作指令。
处理器502可能是中央处理器CPU,或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit),或者是被配置成实施本发明实施例的一个或多个集成电路。终端包括的一个或多个处理器,可以是同一类型的处理器,如一个或多个CPU;也可以是不同类型的处理器,如一个或多个CPU以及一个或多个ASIC。
存储器506,用于存放程序510。存储器506可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
程序510具体可以用于使得处理器502执行以下操作:
获取待检测短信的发送方手机号码;
解析所述发送方手机号码对应的属性特征,以及所述待检测短信的短信内容;
根据不同时序下的所述属性特征以及所述短信内容结合诈骗检测预测模型确定诈骗短信的发送方手机号码,所述诈骗检测预测模型用于根据所述属性特征以及所述短信内容检测短信内容存在诈骗行为的发送方手机号码;
将所述发送方手机号码进行提示标记。
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述,构造这类系统所要求的结构是显而易见的。此外,本发明也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的诈骗短信的检测方法及装置中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
本发明的实施例还包括了:
A1、一种诈骗短信的检测方法,包括:
获取待检测短信的发送方手机号码;
解析所述发送方手机号码对应的属性特征,以及所述待检测短信的短信内容;
根据不同时序下的所述属性特征以及所述短信内容结合诈骗检测预测模型确定诈骗短信的发送方手机号码,所述诈骗检测预测模型用于根据所述属性特征以及所述短信内容检测短信内容存在诈骗行为的发送方手机号码;
将所述发送方手机号码进行提示标记。
A2、根据A1所述的方法,所述获取待检测短信的发送方手机号码之前,所述方法还包括:
根据时序维度建立具有多个预设神经网络组合结构的诈骗检测预测模型。
A3、根据A1或A2所述的方法,所述属性特征包括发送时间、接收时间、地理位置、运营商类型,所述解析所述发送方手机号码对应的属性特征,以及所述待检测短信的短信内容之后,所述方法还包括:
配置所述发送方手机号码对应的发送时间、接收时间、地理位置、运营商类型的独热码,并将所述短信内容转换为句子向量。
A4、根据A3所述的方法,所述根据不同时序下的所述属性特征以及所述短信内容结合诈骗检测预测模型确定诈骗短信的发送方手机号码包括:
将不同时序下的所述独热码及所述句子向量作为所述诈骗检测预测模型中不同时序维度下的预设神经网络的输入进行运算,并通过预设输出函数进行输出,确定短信内容存在诈骗行为的发送方手机号码。
A5、根据A2所述的方法,所述根据时序维度建立具有多个预设神经网络组合结构的诈骗检测预测模型包括:
根据预设时序个数将预设神经网络进行组合连接,生成双层回归结构的预测网络模型,将所述预测网络模型的输出结构映射连接至全连接层,并结合预设输出函数建立诈骗检测预测模型。
A6、根据A1-A5任一项所述的方法,所述获取待检测短信的发送方手机号码之前,所述方法还包括:
判断待检测短信的发送方手机号码是否存在于接收方的白名单中;
若存在于接收方的白名单中,将所述发送方手机号码标记为安全方。
A7、根据A1-A5任一项所述的方法,所述将所述发送方手机号码进行提示标记之后,所述方法还包括:
根据所述发送方手机号码向所述发送方发送告警短信、和\或向所述发送方手机号码对应的运营商发送通讯截断请求。
A8、根据A1-A5任一项所述的方法,所述方法还包括:
按照预设时间间隔根据确定的诈骗短信的短信内容、发送方手机号码的属性特征对所述诈骗检测预测模型进行模型修正。
B9、一种诈骗短信的检测装置,包括:
获取单元,用于获取待检测短信的发送方手机号码;
解析单元,用于解析所述发送方手机号码对应的属性特征,以及所述待检测短信的短信内容;
确定单元,用于根据不同时序下的所述属性特征以及所述短信内容结合诈骗检测预测模型确定诈骗短信的发送方手机号码,所述诈骗检测预测模型用于根据所述属性特征以及所述短信内容检测短信内容存在诈骗行为的发送方手机号码;
标记单元,用于将所述发送方手机号码进行提示标记。
B10、根据B9所述的装置,所述装置还包括:
建立单元,用于根据时序维度建立具有多个预设神经网络组合结构的诈骗检测预测模型。
B11、根据B9或B10所述的装置,所述所述属性特征包括发送时间、接收时间、地理位置、运营商类型,所述装置还包括:
配置单元,用于配置所述发送方手机号码对应的发送时间、接收时间、地理位置、运营商类型的独热码,并将所述短信内容转换为句子向量。
B12、根据B11所述的装置,
所述确定单元,具体用于将不同时序下的所述独热码及所述句子向量作为所述诈骗检测预测模型中不同时序维度下的预设神经网络的输入进行运算,并通过预设输出函数进行输出,确定短信内容存在诈骗行为的发送方手机号码。
B13、根据B10所述的装置,
所述建立单元,具体用于根据预设时序个数将预设神经网络进行组合连接,生成双层回归结构的预测网络模型,将所述预测网络模型的输出结构映射连接至全连接层,并结合预设输出函数建立诈骗检测预测模型。
B14、根据B9-B13任一项所述的装置,所述装置还包括:判断单元,
所述判断单元,用于判断待检测短信的发送方手机号码是否存在于接收方的白名单中;
所述标记单元,还用于若存在于接收方的白名单中,将所述发送方手机号码标记为安全方。
B15、根据B9-B13任一项所述的装置,所述装置还包括:
发送单元,用于根据所述发送方手机号码向所述发送方发送告警短信、和\或向所述发送方手机号码对应的运营商发送通讯截断请求。
B16、根据B9-B13任一项所述的装置,所述装置还包括:
修正单元,用于按照预设时间间隔根据确定的诈骗短信的短信内容、发送方手机号码的属性特征对所述诈骗检测预测模型进行模型修正。
C17、一种存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使处理器执行如A1-A8中任一项所述的诈骗短信的检测方法对应的操作。
D18、一种终端,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行如A1-A8中任一项所述的诈骗短信的检测方法对应的操作。
Claims (10)
1.一种诈骗短信的检测方法,其特征在于,包括:
获取待检测短信的发送方手机号码;
解析所述发送方手机号码对应的属性特征,以及所述待检测短信的短信内容;
根据不同时序下的所述属性特征以及所述短信内容结合诈骗检测预测模型确定诈骗短信的发送方手机号码,所述诈骗检测预测模型用于根据所述属性特征以及所述短信内容检测短信内容存在诈骗行为的发送方手机号码;
将所述发送方手机号码进行提示标记。
2.根据权利要求1所述的方法,其特征在于,所述获取待检测短信的发送方手机号码之前,所述方法还包括:
根据时序维度建立具有多个预设神经网络组合结构的诈骗检测预测模型。
3.根据权利要求1或2所述的方法,其特征在于,所述属性特征包括发送时间、接收时间、地理位置、运营商类型,所述解析所述发送方手机号码对应的属性特征,以及所述待检测短信的短信内容之后,所述方法还包括:
配置所述发送方手机号码对应的发送时间、接收时间、地理位置、运营商类型的独热码,并将所述短信内容转换为句子向量。
4.根据权利要求3所述的方法,其特征在于,所述根据不同时序下的所述属性特征以及所述短信内容结合诈骗检测预测模型确定诈骗短信的发送方手机号码包括:
将不同时序下的所述独热码及所述句子向量作为所述诈骗检测预测模型中不同时序维度下的预设神经网络的输入进行运算,并通过预设输出函数进行输出,确定短信内容存在诈骗行为的发送方手机号码。
5.一种诈骗短信的检测装置,其特征在于,包括:
获取单元,用于获取待检测短信的发送方手机号码;
解析单元,用于解析所述发送方手机号码对应的属性特征,以及所述待检测短信的短信内容;
确定单元,用于根据不同时序下的所述属性特征以及所述短信内容结合诈骗检测预测模型确定诈骗短信的发送方手机号码,所述诈骗检测预测模型用于根据所述属性特征以及所述短信内容检测短信内容存在诈骗行为的发送方手机号码;
标记单元,用于将所述发送方手机号码进行提示标记。
6.根据权利要求5所述的装置,其特征在于,所述装置还包括:
建立单元,用于根据时序维度建立具有多个预设神经网络组合结构的诈骗检测预测模型。
7.根据权利要求5或6所述的装置,其特征在于,所述所述属性特征包括发送时间、接收时间、地理位置、运营商类型,所述装置还包括:
配置单元,用于配置所述发送方手机号码对应的发送时间、接收时间、地理位置、运营商类型的独热码,并将所述短信内容转换为句子向量。
8.根据权利要求7所述的装置,其特征在于,
所述确定单元,具体用于将不同时序下的所述独热码及所述句子向量作为所述诈骗检测预测模型中不同时序维度下的预设神经网络的输入进行运算,并通过预设输出函数进行输出,确定短信内容存在诈骗行为的发送方手机号码。
9.一种存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使处理器执行如权利要求1-4中任一项所述的诈骗短信的检测方法对应的操作。
10.一种终端,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行如权利要求1-4中任一项所述的诈骗短信的检测方法对应的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711373240.6A CN107872772B (zh) | 2017-12-19 | 2017-12-19 | 诈骗短信的检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711373240.6A CN107872772B (zh) | 2017-12-19 | 2017-12-19 | 诈骗短信的检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107872772A true CN107872772A (zh) | 2018-04-03 |
CN107872772B CN107872772B (zh) | 2021-02-26 |
Family
ID=61755966
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711373240.6A Active CN107872772B (zh) | 2017-12-19 | 2017-12-19 | 诈骗短信的检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107872772B (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108834149A (zh) * | 2018-06-29 | 2018-11-16 | 联想(北京)有限公司 | 一种处理方法、处理设备及系统 |
CN108900687A (zh) * | 2018-06-14 | 2018-11-27 | 北京奇虎科技有限公司 | 失信号码的显示方法及装置 |
CN109089230A (zh) * | 2018-08-13 | 2018-12-25 | 中国联合网络通信集团有限公司 | 短信可信度的提示方法、装置及可读存储介质 |
CN109219051A (zh) * | 2018-11-28 | 2019-01-15 | 上海大汉三通通信股份有限公司 | 一种虚假号码确定方法、装置、设备及可读存储介质 |
CN109525950A (zh) * | 2018-11-01 | 2019-03-26 | 北京小米移动软件有限公司 | 伪基站短信息处理方法、设备及存储介质 |
CN109756632A (zh) * | 2018-12-19 | 2019-05-14 | 国家计算机网络与信息安全管理中心 | 一种基于多维时间序列的诈骗电话分析方法 |
CN109982272A (zh) * | 2019-02-13 | 2019-07-05 | 北京航空航天大学 | 一种诈骗短信识别方法及装置 |
CN110913353A (zh) * | 2018-09-17 | 2020-03-24 | 阿里巴巴集团控股有限公司 | 短信的分类方法及装置 |
CN111083705A (zh) * | 2019-12-10 | 2020-04-28 | 平安国际智慧城市科技股份有限公司 | 群发诈骗短信检测方法、装置、服务器及存储介质 |
CN111179921A (zh) * | 2018-11-12 | 2020-05-19 | 奇酷互联网络科技(深圳)有限公司 | 数字信息的处理方法、移动终端以及计算机存储介质 |
CN112307464A (zh) * | 2020-10-30 | 2021-02-02 | 维沃移动通信有限公司 | 诈骗识别方法、装置及电子设备 |
CN112995999A (zh) * | 2019-12-02 | 2021-06-18 | 中国移动通信集团浙江有限公司 | 诈骗地点识别方法、装置及计算设备 |
CN113630495A (zh) * | 2020-05-07 | 2021-11-09 | 中国电信股份有限公司 | 涉诈订单预测模型训练方法和装置,订单预测方法和装置 |
CN114980116A (zh) * | 2022-05-17 | 2022-08-30 | 中移互联网有限公司 | 基于5g消息的目标号码识别方法和电子设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7756535B1 (en) * | 2006-07-07 | 2010-07-13 | Trend Micro Incorporated | Lightweight content filtering system for mobile phones |
CN101909261A (zh) * | 2010-08-10 | 2010-12-08 | 中兴通讯股份有限公司 | 一种垃圾短信监控的方法和系统 |
CN105631049A (zh) * | 2016-02-17 | 2016-06-01 | 北京奇虎科技有限公司 | 一种识别诈骗短信的方法和系统 |
CN105975504A (zh) * | 2016-04-28 | 2016-09-28 | 中国科学院计算技术研究所 | 一种基于循环神经网络的社交网络消息爆发检测方法及系统 |
CN106202330A (zh) * | 2016-07-01 | 2016-12-07 | 北京小米移动软件有限公司 | 垃圾信息的判断方法及装置 |
CN106255082A (zh) * | 2016-10-12 | 2016-12-21 | 中国联合网络通信集团有限公司 | 一种垃圾短信的识别方法及系统 |
-
2017
- 2017-12-19 CN CN201711373240.6A patent/CN107872772B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7756535B1 (en) * | 2006-07-07 | 2010-07-13 | Trend Micro Incorporated | Lightweight content filtering system for mobile phones |
CN101909261A (zh) * | 2010-08-10 | 2010-12-08 | 中兴通讯股份有限公司 | 一种垃圾短信监控的方法和系统 |
CN105631049A (zh) * | 2016-02-17 | 2016-06-01 | 北京奇虎科技有限公司 | 一种识别诈骗短信的方法和系统 |
CN105975504A (zh) * | 2016-04-28 | 2016-09-28 | 中国科学院计算技术研究所 | 一种基于循环神经网络的社交网络消息爆发检测方法及系统 |
CN106202330A (zh) * | 2016-07-01 | 2016-12-07 | 北京小米移动软件有限公司 | 垃圾信息的判断方法及装置 |
CN106255082A (zh) * | 2016-10-12 | 2016-12-21 | 中国联合网络通信集团有限公司 | 一种垃圾短信的识别方法及系统 |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108900687A (zh) * | 2018-06-14 | 2018-11-27 | 北京奇虎科技有限公司 | 失信号码的显示方法及装置 |
CN108834149A (zh) * | 2018-06-29 | 2018-11-16 | 联想(北京)有限公司 | 一种处理方法、处理设备及系统 |
CN109089230A (zh) * | 2018-08-13 | 2018-12-25 | 中国联合网络通信集团有限公司 | 短信可信度的提示方法、装置及可读存储介质 |
CN110913353A (zh) * | 2018-09-17 | 2020-03-24 | 阿里巴巴集团控股有限公司 | 短信的分类方法及装置 |
CN110913353B (zh) * | 2018-09-17 | 2022-01-18 | 阿里巴巴集团控股有限公司 | 短信的分类方法及装置 |
CN109525950A (zh) * | 2018-11-01 | 2019-03-26 | 北京小米移动软件有限公司 | 伪基站短信息处理方法、设备及存储介质 |
CN111179921A (zh) * | 2018-11-12 | 2020-05-19 | 奇酷互联网络科技(深圳)有限公司 | 数字信息的处理方法、移动终端以及计算机存储介质 |
CN109219051A (zh) * | 2018-11-28 | 2019-01-15 | 上海大汉三通通信股份有限公司 | 一种虚假号码确定方法、装置、设备及可读存储介质 |
CN109219051B (zh) * | 2018-11-28 | 2023-02-14 | 上海大汉三通通信股份有限公司 | 一种虚假号码确定方法、装置、设备及可读存储介质 |
CN109756632A (zh) * | 2018-12-19 | 2019-05-14 | 国家计算机网络与信息安全管理中心 | 一种基于多维时间序列的诈骗电话分析方法 |
CN109982272B (zh) * | 2019-02-13 | 2020-08-28 | 北京航空航天大学 | 一种诈骗短信识别方法及装置 |
CN109982272A (zh) * | 2019-02-13 | 2019-07-05 | 北京航空航天大学 | 一种诈骗短信识别方法及装置 |
CN112995999A (zh) * | 2019-12-02 | 2021-06-18 | 中国移动通信集团浙江有限公司 | 诈骗地点识别方法、装置及计算设备 |
CN112995999B (zh) * | 2019-12-02 | 2022-12-27 | 中国移动通信集团浙江有限公司 | 诈骗地点识别方法、装置及计算设备 |
CN111083705A (zh) * | 2019-12-10 | 2020-04-28 | 平安国际智慧城市科技股份有限公司 | 群发诈骗短信检测方法、装置、服务器及存储介质 |
CN113630495A (zh) * | 2020-05-07 | 2021-11-09 | 中国电信股份有限公司 | 涉诈订单预测模型训练方法和装置,订单预测方法和装置 |
CN113630495B (zh) * | 2020-05-07 | 2022-08-02 | 中国电信股份有限公司 | 涉诈订单预测模型训练方法和装置,订单预测方法和装置 |
CN112307464A (zh) * | 2020-10-30 | 2021-02-02 | 维沃移动通信有限公司 | 诈骗识别方法、装置及电子设备 |
CN114980116A (zh) * | 2022-05-17 | 2022-08-30 | 中移互联网有限公司 | 基于5g消息的目标号码识别方法和电子设备 |
CN114980116B (zh) * | 2022-05-17 | 2023-09-19 | 中移互联网有限公司 | 基于5g消息的目标号码识别方法和电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN107872772B (zh) | 2021-02-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107872772A (zh) | 诈骗短信的检测方法及装置 | |
CN106357644B (zh) | 基于区块链网络的身份认证方法、系统及服务器 | |
CN103226764B (zh) | 一种快递收发件系统及方法 | |
CN104767613B (zh) | 签名验证方法、装置及系统 | |
CN106372940A (zh) | 基于区块链网络的身份认证方法、服务器及终端设备 | |
CN106549974A (zh) | 预测社交网络账户是否恶意的设备、方法及系统 | |
CN105530175A (zh) | 一种消息处理方法、装置及系统 | |
CN109064146A (zh) | 一种数字货币交易方法、设备、系统、终端及客户端钱包 | |
CN108062303A (zh) | 垃圾短信的识别方法及装置 | |
US20150019408A1 (en) | Firm offers of credit system | |
CN109670974A (zh) | 一种风险监控方法及装置、电子终端 | |
CN106911661A (zh) | 一种短信验证方法、装置、客户端、服务器及系统 | |
CN107862552A (zh) | 广告信息推送方法、装置及系统 | |
CN107657445A (zh) | 一种在线支付方法及在线支付系统 | |
WO2018208190A1 (ru) | Способ проверки подлинности товаров или услуг | |
CN108596695A (zh) | 实体推送方法及系统 | |
CN110377522A (zh) | 交易场景的测试方法、装置、计算设备以及介质 | |
CN108280358A (zh) | 一种信息提醒方法、装置及电子设备 | |
CN110163739A (zh) | 支付申诉方法、装置、服务器及可读存储介质 | |
CN110365711A (zh) | 多平台用户身份关联方法及装置 | |
CN106713235A (zh) | 帐号注册与登入方法及使用所述方法的网络附加存储系统 | |
CN105589846B (zh) | 一种识别数字语义的方法、检测短信类别的方法及装置 | |
CN110163691A (zh) | 基于区块链的发票创建方法和装置、电子设备 | |
CN110222323A (zh) | 一种凭证生成方法、装置、可读存储介质及终端设备 | |
CN107256231B (zh) | 一种团队成员识别设备、方法及系统 |
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 |