CN108198086A - 用于依据通信行为特征来识别骚扰源的方法和装置 - Google Patents

Abstract

一种用于依据通信行为特征来识别骚扰源的方法，包括：采集号码的通信行为并提取相应的通信行为特征；将所述号码的通信行为特征与骚扰源识别模型进行比较，以判断所述号码是否是疑似骚扰源；如果是，则提取所述号码的社交关系信息，并基于所述社交关系信息对所述号码的通信行为进行过滤；以及将所述号码的过滤后的通信行为的特征与所述骚扰源识别模型进行比较，以判断所述号码是否是骚扰源。

Description

用于依据通信行为特征来识别骚扰源的方法和装置

技术领域

本发明涉及电信领域，更具体地涉及一种用于依据通信行为特征来识别骚扰源的方法。

背景技术

电信技术(特别是移动通信技术)的迅速普及为人们的生活提供了极大的便利，但是，随之而来的电信骚扰(例如，电话骚扰、短信骚扰等)却始终是个挥之不去的问题。电信骚扰会严重地干扰人们的正常生活，特别是，一些以诈骗为目的的电信骚扰会引发一系列更为严重的社会问题。因此，如何识别骚扰源一直是电信领域中渴望解决的问题。

现行的电信骚扰源识别方法主要是通过如下方式：被骚扰用户主动标记电信骚扰源(例如，将某个电话号码标记为骚扰电话)并向系统上报；系统根据用户的上报结果建立黑名单库；系统通过将来电号码与黑明单库进行匹配比较来判断其是否是电信骚扰源；以及，系统根据判断结果对被叫用户进行提醒。

该方法的不足之处在于需要用户预先安装应用(例如，手机助手)，该应用中相应增值服务还需要交纳服务费，消耗客户端资源，拥有一定使用门槛。而且，该方法严重依赖于上报者的品格及评判原则，存在漏报、误报的情况，且通过黑明单库识别有着广度优势但准确性不足。再者，该方法属于事后处理(上报)，无法及时应对频繁更换手机号码进行骚扰的情况，也无法直接阻断骚扰源。

发明内容

为了更为准确地识别骚扰源，本发明的一个方面涉及一种用于依据通信行为特征来识别骚扰源的方法，该方法包括：采集号码的通信行为并提取相应的通信行为特征；将所述号码的通信行为特征与骚扰源识别模型进行比较，以判断所述号码是否是疑似骚扰源；如果是，则提取所述号码的社交关系信息，并基于所述社交关系信息对所述号码的通信行为进行过滤；以及将所述号码的过滤后的通信行为的特征与所述骚扰源识别模型进行比较，以判断所述号码是否是骚扰源。

优选地，上述方法还包括创建所述骚扰源识别模型。

优选地，通过如下步骤创建所述骚扰源识别模型：获得经确认的骚扰源的号码清单；提取这些号码的通信话单作为样本数据；对所述样本数据进行数据处理；以及针对处理后的样本数据，获得骚扰通信行为特征，从而创建相应的骚扰源识别模型。

优选地，所述骚扰源识别模型中包括人工电话骚扰识别模型，其中，所述人工电话骚扰识别模型考虑了被叫用户所处的地点。

优选地，如果所述号码在一段时间内拨打的多个被叫用户处于同一地点附近，则不将所述号码识别为人工电话骚扰源。

优选地，所述号码的社交关系信息包括：与所述号码发生过双向联系的号码集合。

优选地，所述号码的社交关系信息包括：与所述号码发生过双向电话联系、且平均通话时长大于预定阈值的号码集合。

优选地，所过滤的通信行为包括：与所述号码集合中的任一号码有关的通信行为。

本发明的另一个方面涉及一种用于依据通信行为特征来识别骚扰源的装置，包括处理器和存储器，所述存储器中存储有计算机程序，所述计算机程序在被所述处理器执行时能够用于实现上述方法。

本发明的再一个方面涉及一种存储介质，其中存储有计算机程序，所述计算机程序在被执行时能够用于实现上述方法。

附图说明

以下参照附图对本发明实施例作进一步说明，其中：

图1示出了根据本发明的一个实施例的用于依据通信行为特征来识别骚扰源的方法；

图2示出了根据本发明的一个实施例的创建骚扰源识别模型的方法；以及

图3示出了根据本发明的一个实施例的用户的“社交图谱”。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图通过具体实施例对本发明进一步详细说明。

图1示出了根据本发明的一个实施例的用于依据通信行为特征来识别骚扰源的方法，其主要包括如下步骤：创建骚扰源识别模型(步骤101)；采集号码的通信行为并提取相应的通信行为特征(步骤102)；将号码的通信行为特征与骚扰源识别模型进行比较，以判断该号码是否是疑似骚扰源(步骤103)；如果是，则提取该号码的社交关系信息，并基于该社交关系信息对该号码的通信行为进行过滤(步骤104)；以及，将该号码的过滤后的通信行为的特征与识别模型进行比较，以判断该号码是否是骚扰源(105)。骚扰源可能是用户的移动电话号码、固定电话号码、以及用户的各种社交号码或账号等。

具体地，在步骤101中，创建用于对骚扰源进行识别的骚扰源识别模型。根据本发明的一个实施例的创建骚扰源识别模型的方法如图2所示，具体包括如下步骤：

201、通过网监投诉和/或客户投诉获得某一时间段内发送过垃圾短信和/或拨打过骚扰电话的号码清单；

202、提取这些号码在该时间段内的通信话单作为样本数据，该通信话单优选为这些号码主动发起的通信行为的通信话单；

203、对样本数据进行数据清理，保留一些相关属性，该相关属性例如可以包括下列中的一项或多项：主叫号码、被叫号码、通话时间、通话时长、主叫地理位置、被叫地理位置、短信字符数、等等；

204、对样本数据进行数据转换，以获得一些新属性，该新属性例如可以包括下列中的一项或多项：通话间隔、通话次数、发短信次数、单位时间内通话次数、单位时间内发短信次数、最小通话时长、最大通话时长、平均通话时长、拨打用户数、等等；

205、针对进行了数据清理和数据转换后的样本数据(下文也称为“处理后样本数据”)，通过数据挖掘来获得骚扰通信行为特征，从而创建出相应的骚扰源识别模型。可以采用本领域中已知的任何合适的数据挖掘算法(例如，协方差、分类树、线性回归、等等)来从处理后样本数据中获得骚扰通信行为特征。

可以理解，上述步骤203和204可以合并为一个数据处理步骤，在该步骤中对样本数据进行处理。

在一个实施例中，针对网监投诉和/或客户投诉的三种不同的骚扰通信行为(即，人工电话骚扰、自动电话骚扰和短信骚扰)的样本数据，在进行了数据清理和数据转换后，可以获得例如如下的处理后样本数据(下面的每个表针对某一个骚扰号码，其中，通话间隔和通话时长的单位为秒，“时间范围”字段表示通信行为发生时间的年、月、日以及小时信息，例如，时间范围2016092419表示2016年9月24日19～20点期间(不含20点整))：

人工电话骚扰：

自动电话骚扰：

短信骚扰(1)：

短信骚扰(2)：

可以看出，对于短信骚扰，示出了两个样本数据，这两个样本数据在每次短信的“发送用户数”方面存在区别，这是因为第一个样本数据是人工短信骚扰，其倾向于在每次发送短信时群发给许多用户，而第二个样本数据是自动短信骚扰，其为了规避监测，在大多数情况下每次仅将短信发送给少量用户。

需要说明的是，上述处理后样本数据仅仅为了举例说明，本领域技术人员可以理解，根据实际情形的不同或实际需求的不同，其中的一些属性可以被替换为其他属性，或者其中可以另外包括一些其他属性。

在对上述处理后样本数据进行协方差挖掘后，可以获得例如如下的骚扰通信行为特征：

人工电话骚扰：在连续时间段内(几个小时)，持续地拨打不同号码；

自动电话骚扰：每天择几个时段，仅拨打几次，每次拨通即挂断或被挂断，通话时长短；

人工短信骚扰：在某个时间段内发送一条或多条相同的信息(可以通过短信长度进行判断)，且信息量通常较大，每次群发给许多不同号码；以及

自动短信骚扰：在某个时间段内发送一条或多条相同的信息(可以通过短信长度进行判断)，且信息量通常较大，偶尔群发，通常择几条发给不同号码。

依据上述骚扰通信行为特征，可以相应地创建例如如下的骚扰源识别模型：

1小时内，通话间隔小于3分钟，拨打用户数超过10人为疑似人工电话骚扰；

1天内，通话时长小于5秒，拨打用户数超过2人且超过当天通话次数的50％为疑似自动电话骚扰；

1小时内，发送同样短信长度且长度大于50，发送用户数大于10人为疑似人工短信骚扰；

1周内，发送同样短信长度且长度大于50，发送用户数大于3人为疑似自动短信骚扰。

本领域技术人员可以理解，根据骚扰通信行为的演变以及不同的实际需求，可以对骚扰源识别模型进行调整优化。

在实践过程中发现，从事快递职业的用户群的通信行为很容易被判定为疑似人工电话骚扰，因为他们在到达送货地点后通常会联系附近的多个收件人，这种情况下的通信特征与人工电话骚扰的通信特征很类似(例如，短时间内拨打多个电话，且通话间隔很短)。然而，与人工电话骚扰不同，快递员所拨打的被叫用户通常位于同一地点(可以通过被叫用户通信时所处的基站服务小区(LAC CI)进行判别)附近。因此，可以基于被叫用户的地点对人工电话骚扰的识别模型进行调整，例如，可以将其调整为：1小时内，通话间隔小于3分钟，拨打用户数超过10人且被叫用户不在同一地点附近，为疑似人工电话骚扰。

上文详细描述了一种依据骚扰通信样本数据来创建骚扰源识别模型的具体过程，但本领域技术人员可以理解，也可以根据实际需要使用其他方法来创建该骚扰源识别模型，或者也可以直接采用本领域中比较成熟的一些骚扰源识别模型。因此，可以理解，对于本发明的用于依据通信行为特征来识别骚扰源的方法，步骤101并非必须的。另外，在检测和识别骚扰源的过程中，可根据实际需要通过参数调节进一步优化骚扰源识别模型，以适应新式的骚扰活动。

在创建了骚扰源识别模型后，在步骤102中，可以采集待识别的号码的通信行为，并提取相应的通信行为特征。具体地，电信运营商可以在运营过程中采集任一电话号码的通信行为，并根据这些通信行为提取出该电话号码的通信行为特征。所采集的电话号码的通信行为通常是该电话号码主动发起的通信行为，其例如可以涉及每次通信行为的被叫号码、通话时间、通话时长、被叫地理位置、或者短信字符数等信息。

在步骤103，将号码的通信行为特征与识别模型进行比较，以判断该号码是否是疑似骚扰源。具体地，如果该通信行为特征能够与识别模型中的某一种骚扰通信行为的行为特征匹配，电信运营商可以判断该号码为疑似骚扰源。在一个优选的实施例中，电信运营商可以基于所匹配的骚扰通信行为进一步判断出该号码为哪种骚扰通信行为的疑似骚扰源。

如果在步骤103的判断结果为“是”，则在步骤104，提取该号码的社交关系信息，并基于该社交关系信息对该号码的通信行为进行过滤。

通过基于骚扰源识别模型对各个电话号码的通信行为进行判断，可以对骚扰电话号码进行初步识别，但是，由于现实生活中的用户以及相应的用户行为的千差万别，可能在识别结果中存在一定的错误或遗漏的情形。例如，用户可能在节日期间向亲戚、朋友群发祝福信息、群发通告，在发生紧急事件时频繁与多人进行联系等，这些通信行为与某些骚扰行为类似，极易被误判。

因此，为了进一步改善对骚扰电话号码的识别结果的准确性，本发明进一步考虑了用户的“社交图谱”(也可以称为用户的“社交关系信息”)。用户的每次通话行为、短信行为等，都会产生相应的话单数据。通过对用户的话单数据的增量输入，可以绘制并持续更新用户的“社交图谱”，经过一定时间的积累，便形成了用户的“社交图谱”。在一个实施例中，可以根据话单数据的主叫号码、被叫号码和/或短信的发送方号码、接收方号码，为通信双方建立社交连线。例如，如果号码A仅主动联系了号码B，则A对B形成了主动单向联系；如果号码B仅主动联系了号码A，以A为主体，即A对B形成了被动单向联系；如果号码A、B相互联系过，那么A和B就是双向联系。此处的联系可以是指电话联系、短信联系、电话或短信联系、等等。

图3示出了根据本发明的一个实施例的用户的“社交图谱”，该用户的移动通信号码是1709080****，与该号码存在双向联系的号码以圆形示出，与该号码存在单向联系(可以包括主动单向联系和被动单向联系)的号码以方形示出。本领域技术人员可以理解，图3仅仅为了示例说明，用户的“社交图谱”中可以进一步区分主动单向联系和被动单向联系，也可以包括其他更多的信息，例如，通话次数、通话时长、总通话时间、平均通话时间等等。

用户的正常的通信沟通(例如与亲戚、朋友的通信沟通)通常都是双向联系的(例如，会互相拨打电话，或者互相发送短信)，你来我往，具备社交的友好性。因此，在本发明中可以基于用户的“社交图谱”将用户的这些正常的通信行为过滤掉，以避免在识别骚扰源的过程中出现误判或遗漏的情况。在本发明的一个实施例中，所过滤的通信行为是与下列号码有关的通信行为：与用户号码发生过双向联系的号码。本领域技术人员可以意识到，根据不同的实际情形或需求，可以对所要过滤的通信行为进行调整，例如，所要过滤的通信行为例如也可以是与下列号码有关的通信：(1)与用户号码发生过双向电话联系的号码；(2)与用户号码发生过双向电话联系、且平均通话时长大于预定阈值(例如10秒钟)的号码；等等。特别是，第(2)种方式尤其适用于自动电话骚扰的情形。自动骚扰电话号码经常会主动拨打某一被叫号码并迅速挂断，在某些情况下，被叫号码可能会进行回拨，此时，虽然自动骚扰电话号码与被叫号码建立了双向联系，但是每次通话时长都很短(被叫号码回拨时如果发现对方是骚扰电话通常会很快挂断)，因此，通过进一步考虑平均通话时长，可以更为精确地过滤掉用户的正常通信行为。

在步骤105，将号码的过滤后的通信行为的行为特征与识别模型进行比较，以判断该号码是否是骚扰源。具体地，可以基于号码的过滤后的通信行为来提取相应的行为特征，如果该行为特征能够与识别模型中的某一种骚扰通信行为的行为特征匹配，电信运营商可以判断该号码为电信骚扰源。如果最终判断该号码为电信骚扰源，电信运营商可以执行相应的操作，例如对该号码进行标记、警告、甚至关停服务等。电信运营商在执行相应的操作时，也可以进一步考虑其他用户针对该号码的上报或投诉信息。在一个优选的实施例中，电信运营商可以基于所匹配的骚扰通信行为进一步判断出该号码为哪种骚扰通信行为的电信骚扰源。

为了验证根据本发明的依据通信行为特征来识别骚扰源的方法的识别效果，发明人提取了某月接收到投诉且证实属实的一百多个骚扰号码，并使用本发明的方法对这些号码进行了识别，识别结果示出如下(其中，“是”表示识别为骚扰源，“否”表示未识别为骚扰源，“备注”栏标明了未识别出的原因)：

从上表可以看出，本发明的方法对骚扰号码的识别率在97％以上，不到3％的未能识别的原因是相应用户的通信行为过少(例如，普遍通话或发送短信次数小于3次)，其虽然被其他用户投诉，但是过少的通信行为不足以被骚扰源识别模型所识别。

另外，发明人使用本发明的方法对一定数量的已知正常用户号码进行了识别测试，测试结果显示本发明的方法基本上不会将正常用户号码识别为骚扰源。存在极个别的识别错误的例外情形，其中一种情形是某一电商店家在“双十一”期间连续拨打了一些买家的电话号码，导致其被识别为了人工电话骚扰源。

通过采用本发明的依据通信行为特征来识别骚扰源的方法，使得对骚扰源的识别不再依赖于用户的上报或投诉，而是可以由电信运营商来主动监测和识别骚扰源，从而可以及时地进行相应的处理，最大程度地降低了不利影响。另外，本发明的方法通过对用户的正常通信行为进行过滤，可以避免用户的正常通信行为的干扰，从而可以极大地提高对骚扰源的识别的准确性。

上文以电话号码为例进行了说明，但可以理解，本发明的用于依据通信行为特征来识别骚扰源的方法并不限于电话号码，其也可以适用于用户的各种社交号码或账号等。

本说明书中针对“各个实施例”、“一些实施例”、“一个实施例”、或“实施例”等的参考指代的是结合所述实施例所描述的特定特征、结构、或性质包括在至少一个实施例中。因此，短语“在各个实施例中”、“在一些实施例中”、“在一个实施例中”、或“在实施例中”等在整个说明书中各地方的出现并非必须指代相同的实施例。此外，特定特征、结构、或性质可以在一个或多个实施例中以任何合适方式组合。因此，结合一个实施例中所示出或描述的特定特征、结构或性质可以整体地或部分地与一个或多个其他实施例的特征、结构、或性质无限制地组合，只要该组合不是非逻辑性的或不能工作。在方法流程中按照一定顺序进行描述的各个步骤并非必须按照该顺序执行，相反，其中的一些步骤的执行顺序可以改变，并且一些步骤可以并发执行，只要不影响方案的实现即可。另外，本申请附图中的各个元素仅仅为了示意说明，并非按比例绘制。

由此描述了本发明的至少一个实施例的几个方面，可以理解，对本领域技术人员来说容易地进行各种改变、修改和改进。这种改变、修改和改进意于在本发明的精神和范围内。

Claims (10)

1.一种用于依据通信行为特征来识别骚扰源的方法，包括：

采集号码的通信行为并提取相应的通信行为特征；

将所述号码的通信行为特征与骚扰源识别模型进行比较，以判断所述号码是否是疑似骚扰源；

如果是，则提取所述号码的社交关系信息，并基于所述社交关系信息对所述号码的通信行为进行过滤；以及

将所述号码的过滤后的通信行为的特征与所述骚扰源识别模型进行比较，以判断所述号码是否是骚扰源。

2.根据权利要求1所述的方法，还包括：

创建所述骚扰源识别模型。

3.根据权利要求2所述的方法，其中，所述创建所述骚扰源识别模型包括：

获得经确认的骚扰源的号码清单；

提取这些号码的通信话单作为样本数据；

对所述样本数据进行数据处理；以及

针对处理后的样本数据，获得骚扰通信行为特征，从而创建相应的骚扰源识别模型。

4.根据权利要求1或2所述的方法，其中，所述骚扰源识别模型中包括人工电话骚扰识别模型，其中，所述人工电话骚扰识别模型考虑了被叫用户所处的地点。

5.根据权利要求4所述的方法，其中，如果所述号码在一段时间内拨打的多个被叫用户处于同一地点附近，则不将所述号码识别为人工电话骚扰源。

6.根据权利要求1所述的方法，其中，所述号码的社交关系信息包括：与所述号码发生过双向联系的号码集合。

7.根据权利要求1所述的方法，其中，所述号码的社交关系信息包括：与所述号码发生过双向电话联系、且平均通话时长大于预定阈值的号码集合。

8.根据权利要求6或7所述的方法，其中，所过滤的通信行为包括：与所述号码集合中的任一号码有关的通信行为。

9.一种用于依据通信行为特征来识别骚扰源的装置，包括处理器和存储器，所述存储器中存储有计算机程序，所述计算机程序在被所述处理器执行时能够用于实现权利要求1-8中任一项所述的方法。

10.一种存储介质，其中存储有计算机程序，所述计算机程序在被执行时能够用于实现权利要求1-8中任一项所述的方法。