CN109815984A - 一种基于卷积神经网络的用户行为鉴别系统及方法 - Google Patents
一种基于卷积神经网络的用户行为鉴别系统及方法 Download PDFInfo
- Publication number
- CN109815984A CN109815984A CN201811573805.XA CN201811573805A CN109815984A CN 109815984 A CN109815984 A CN 109815984A CN 201811573805 A CN201811573805 A CN 201811573805A CN 109815984 A CN109815984 A CN 109815984A
- Authority
- CN
- China
- Prior art keywords
- module
- user
- model
- training
- feature
- 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
- 238000013527 convolutional neural network Methods 0.000 title claims abstract description 25
- 238000000034 method Methods 0.000 title claims description 12
- 238000012549 training Methods 0.000 claims abstract description 40
- 238000007781 pre-processing Methods 0.000 claims abstract description 23
- 238000003062 neural network model Methods 0.000 claims abstract description 15
- 238000011156 evaluation Methods 0.000 claims abstract description 12
- 238000012850 discrimination method Methods 0.000 claims abstract description 11
- 239000000284 extract Substances 0.000 claims abstract description 5
- 238000000605 extraction Methods 0.000 claims description 11
- 238000010276 construction Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 abstract description 3
- 230000002265 prevention Effects 0.000 abstract description 3
- 206010000117 Abnormal behaviour Diseases 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 235000012054 meals Nutrition 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Landscapes
- Telephonic Communication Services (AREA)
Abstract
本发明涉及通信领域，尤其涉及一种基于卷积神经网络的用户行为鉴别系统，包括：数据预处理模块，对第一用户信息中的特征进行提取；特征图构建模块，接收数据预处理模块提取的特征，构建形成特征图样本；模型训练模块，连接特征图构建模块，以利用特征图构建模块输入的特征图样本进行训练，形成训练后的卷积神经网络模型；用户分类模块，连接模型训练模块，以根据训练后的神经网络模型对用户进行分类；模型评估模块，分别连接模型训练模块和用户分类模块，以对训练得到的神经网络模型进行评估；以及一种基于卷积神经网络的用户行为鉴别方法；能够对具有电信诈骗行为的用户进行精确识别，保证了系统针对电信诈骗行为的防控能力。
Description
技术领域
本发明涉及通信领域，尤其涉及一种基于卷积神经网络的用户行为鉴别系统及方法。
背景技术
近年来，随着移动通信技术的不断发展，手机尤其是移动智能通信设备的普及，在方便了人们日常工作生活交流的同时，也为电信诈骗不法分子提供了违法犯罪活动的温床，电信诈骗活动越来越猖獗。其中各种新型诈骗模式层出不穷，时时危害着人们的资金和财产安全。目前，尽管有些软件公司提供了诈骗电话拦截服务，但拦截不到位，诈骗号码库不能较快更新，导致电信诈骗现象得不到有效扼制。
由于电信诈骗的行为具有一定规律性，包括拨打电话的区域、拨打电话的时间、拨打电话的时长、拨打电话的频度、特服号码的使用、拨打电话后的行为等等。鉴于因素众多且特征复杂，因此采用传统的规则检测技术，无法形成与时俱进的预警规律。
发明内容
针对上述问题，本发明提出了一种基于卷积神经网络的用户行为鉴别系统，其中，包括：
数据预处理模块，连接一电信系统中的大数据中心，以接收来自所述大数据中心的第一用户信息，并对所述第一用户信息中的特征进行提取；
特征图构建模块，连接所述数据预处理模块，以接收所述数据预处理模块提取的特征，构建形成特征图样本；
模型训练模块，连接所述特征图构建模块，以利用所述特征图构建模块输入的所述特征图样本进行训练，形成训练后的卷积神经网络模型；
用户分类模块，连接所述模型训练模块，以根据训练后的所述神经网络模型对用户进行分类；
模型评估模块，分别连接所述模型训练模块和所述用户分类模块，以对训练得到的所述神经网络模型进行评估。
上述的用户行为鉴别系统，其中，所述电信系统中还包括一网络管理中心；
所述用户分类模块连接所述网络管理中心，以将对用户进行分类后的分类结果发送至所述网络管理中心。
上述的用户行为鉴别系统，其中，所述网络管理中心还与所述模型评估模块连接，以对所述模型评估模块中的参数进行调节。
上述的用户行为鉴别系统，其中，所述模型评估模块还连接所述数据预处理模块，以对所述数据预处理模块中的参数或特征进行调节。
上述的用户行为鉴别系统，其中，所述电信系统还包括电信运营商网元；
所述数据预处理模块还与所述电信运营商网元连接，以接收来自所述电信运营商网元的第二用户信息，并对所述第二用户信息中的特征进行提取。
一种基于卷积神经网络的用户行为鉴别方法，其中，包括：
步骤S1，提供若干用户信息；
步骤S2，提取所述用户信息中的特征；
步骤S3，根据提取的所述特征构建形成特征图样本；
步骤S4，利用所述特征图样本进行训练，形成训练后的卷积神经网络模型；
步骤S5，根据训练后的所述神经网络模型对用户进行分类；
步骤S6，根据分类结果的准确性对训练得到的所述神经网络模型进行评估。
上述的用户行为鉴别方法，其中，还包括：
步骤S7，根据评估结果对所述卷积神经网络模型的训练过程进行调节。
上述的用户行为鉴别方法，其中，所述步骤S7中，还对所述特征的提取过程进行调节。
上述的用户行为鉴别方法，其中，所述步骤S1中，所述用户信息中包括一时间子信息；
所述时间子信息位于一预设时段内。
有益效果：本发明提出的一种基于卷积神经网络的用户行为鉴别系统及方法，能够对具有电信诈骗行为的用户进行精确识别，保证了系统针对电信诈骗行为的防控能力。
附图说明
图1为本发明一实施例中基于卷积神经网络的用户行为鉴别系统的结构原理图；
图2为本发明一实施例中基于卷积神经网络的用户行为鉴别方法的步骤流程图；
图3为本发明一实施例中图片格式的典型特征图表。
具体实施方式
下面结合附图和实施例对本发明进行进一步说明。
实施例一
在一个较佳的实施例中，如图1所示，提出了一种基于卷积神经网络的用户行为鉴别系统，其中，可以包括：
数据预处理模块10，连接一电信系统中的大数据中心，以接收来自大数据中心的第一用户信息，并对第一用户信息中的特征进行提取；
特征图构建模块20，连接数据预处理模块10，以接收数据预处理模块10提取的特征，构建形成特征图样本；
模型训练模块30，连接特征图构建模块20，以利用特征图构建模块20输入的特征图样本进行训练，形成训练后的卷积神经网络模型；
用户分类模块40，连接模型训练模块30，以根据训练后的神经网络模型对用户进行分类；
模型评估模块50，分别连接模型训练模块30和用户分类模块40，以对训练得到的神经网络模型进行评估。
上述技术方案中，第一用户信息可以是通话记录等；数据预处理模块10可以按照特定的规则或类目对第一用户信息中的特征进行提取，且这些特征可以具体分为行为特征和信息特征等多个类别；特征图样本可以是通过将基于用户行为特征和基于用户属性特征构建的原始特征图归并后输出得到的；模型训练模块30中具体还可包括训练集分解模块与测试集分解模块，以将特征图样本分解分别得到训练集和测试集；用户分类模块40分类得到的用户情况可以表示或评估用户是否有异常行为，从而形成例如高危电信诈骗用户列表等应用结果。
在一个较佳的实施例中，电信系统中还包括一网络管理中心；
用户分类模块40可以连接网络管理中心，以将对用户进行分类后的分类结果发送至网络管理中心。
上述实施例中，优选地，网络管理中心还可以与模型评估模块50连接，以对模型评估模块50中的参数进行调节。
上述技术方案中，网络管理中心可以用于对电信用户行为实时监测、报警等，针对用户异常行为可采取停机等措施。
在一个较佳的实施例中，模型评估模块50还可以连接数据预处理模块10，以对数据预处理模块10中的参数或特征进行调节。
上述技术方案中，对数据预处理模块10中的参数或特征进行调节能够形成反馈，从而使得数据预处理模块10的提取过程或提取到的特征趋向于更容易区分用户。
在一个较佳的实施例中，电信系统还包括电信运营商网元；
数据预处理模块10还与电信运营商网元连接，以接收来自电信运营商网元的第二用户信息，并对第二用户信息中的特征进行提取。
上述技术方案中，可以比较第一用户信息和第二用户信息的更新状态，当第二用户信息的更新状态高于第一用户信息，则可以采用第二用户信息提取的特征替换第一用户信息中提取的信息。
实施例二
如图2所示，在一个较佳的实施例中，还提出了一种基于卷积神经网络的用户行为鉴别方法，其中，可以包括：
步骤S1，提供若干用户信息；
步骤S2，提取用户信息中的特征；
步骤S3，根据提取的特征构建形成特征图样本；
步骤S4，利用特征图样本进行训练，形成训练后的卷积神经网络模型；
步骤S5，根据训练后的神经网络模型对用户进行分类；
步骤S6，根据分类结果的准确性对训练得到的神经网络模型进行评估。
上述技术方案中，评估的具体方法可以是设置一预设阈值，并判断分类结果的准确性是否达到该预设阈值。
在一个较佳的实施例中，还包括：
步骤S7，根据评估结果对卷积神经网络模型的训练过程进行调节。
上述技术方案中，例如判断分类结果的准确性未达到该预设阈值时，则可以对卷积神经网络模型的训练过程进行调节。
上述实施例中，优选地，步骤S7中，还对特征的提取过程进行调节。
在一个较佳的实施例中，步骤S1中，用户信息中包括一时间子信息；
时间子信息位于一预设时段内。
具体地，特征提取过程中还可以包括对特征进行格式转换和存储，格式可以是如图3所示的二维单通道灰度图片格式，纵轴为时间维度，一个时间段构成一张图，横轴为话单和用户信息组成的特征。
数据预处理模块10可以按照特定的规则或类目对第一用户信息中的特征进行提取，具体可以如下所示：
用户行为特征，包括：
(1)主叫用户在该时间粒度下通话次数
(2)主叫用户在该时间粒度下通话次数的标准差
(3)主叫用户在该时间粒度下不同被叫人数
(4)主叫用户在该时间粒度下话费的均值
(5)主叫用户在该时间粒度下话费的标准差
(6)主叫用户在该时间粒度下话费的峰度
(7)主叫用户在该时间粒度下持续时间的均值
(8)主叫用户在该时间粒度下持续时间的标准差
(9)主叫用户在该时间粒度下持续时间的峰度
(10)主叫用户在该时间粒度下通话类型的众数
(11)主叫用户在该时间粒度下所在省份的众数
(12)被叫用户在该时间粒度下所在省份的众数
(13)主叫用户在该时间粒度下呼出省份的个数
(14)主叫用户在该时间粒度下源省份的个数
(15)主叫用户在该时间粒度下呼入呼出比
(15)主叫用户在该时间粒度下呼入呼出同比
用户信息特征，包括：
(1)该主叫用户的类别
(2)该主叫用户的开户时间
(3)该主叫用户是否停机
(4)该主叫用户是否实名制
(5)该主叫用户销售产品
(6)该主叫用户的业务行为
(7)该主叫用户的停机日期
(8)该主叫用户的套餐金额
(9)该主叫用户的套餐使用时间
(10)该主叫用户的话费缴纳频率
综上所述，本发明提出的一种基于卷积神经网络的用户行为鉴别系统及方法，能够对具有电信诈骗行为的用户进行精确识别，保证了系统针对电信诈骗行为的防控能力。
通过说明和附图，给出了具体实施方式的特定结构的典型实施例，基于本发明精神，还可作其他的转换。尽管上述发明提出了现有的较佳实施例，然而，这些内容并不作为局限。
对于本领域的技术人员而言，阅读上述说明后，各种变化和修正无疑将显而易见。因此，所附的权利要求书应看作是涵盖本发明的真实意图和范围的全部变化和修正。在权利要求书范围内任何和所有等价的范围与内容，都应认为仍属本发明的意图和范围内。
Claims (9)
1.一种基于卷积神经网络的用户行为鉴别系统，其特征在于，包括：
数据预处理模块，连接一电信系统中的大数据中心，以接收来自所述大数据中心的第一用户信息，并对所述第一用户信息中的特征进行提取；
特征图构建模块，连接所述数据预处理模块，以接收所述数据预处理模块提取的特征，构建形成特征图样本；
模型训练模块，连接所述特征图构建模块，以利用所述特征图构建模块输入的所述特征图样本进行训练，形成训练后的卷积神经网络模型；
用户分类模块，连接所述模型训练模块，以根据训练后的所述神经网络模型对用户进行分类；
模型评估模块，分别连接所述模型训练模块和所述用户分类模块，以对训练得到的所述神经网络模型进行评估。
2.根据权利要求1所述的用户行为鉴别系统，其特征在于，所述电信系统中还包括一网络管理中心；
所述用户分类模块连接所述网络管理中心，以将对用户进行分类后的分类结果发送至所述网络管理中心。
3.根据权利要求2所述的用户行为鉴别系统，其特征在于，所述网络管理中心还与所述模型评估模块连接，以对所述模型评估模块中的参数进行调节。
4.根据权利要求1所述的用户行为鉴别系统，其特征在于，所述模型评估模块还连接所述数据预处理模块，以对所述数据预处理模块中的参数或特征进行调节。
5.根据权利要求1所述的用户行为鉴别系统，其特征在于，所述电信系统还包括电信运营商网元；
所述数据预处理模块还与所述电信运营商网元连接，以接收来自所述电信运营商网元的第二用户信息，并对所述第二用户信息中的特征进行提取。
6.一种基于卷积神经网络的用户行为鉴别方法，其特征在于，包括：
步骤S1，提供若干用户信息；
步骤S2，提取所述用户信息中的特征；
步骤S3，根据提取的所述特征构建形成特征图样本；
步骤S4，利用所述特征图样本进行训练，形成训练后的卷积神经网络模型；
步骤S5，根据训练后的所述神经网络模型对用户进行分类；
步骤S6，根据分类结果的准确性对训练得到的所述神经网络模型进行评估。
7.根据权利要求6所述的用户行为鉴别方法，其特征在于，还包括：
步骤S7，根据评估结果对所述卷积神经网络模型的训练过程进行调节。
8.根据权利要求7所述的用户行为鉴别方法，其特征在于，所述步骤S7中，还对所述特征的提取过程进行调节。
9.根据权利要求6所述的用户行为鉴别方法，其特征在于，所述步骤S1中，所述用户信息中包括一时间子信息；
所述时间子信息位于一预设时段内。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811573805.XA CN109815984A (zh) | 2018-12-21 | 2018-12-21 | 一种基于卷积神经网络的用户行为鉴别系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811573805.XA CN109815984A (zh) | 2018-12-21 | 2018-12-21 | 一种基于卷积神经网络的用户行为鉴别系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109815984A true CN109815984A (zh) | 2019-05-28 |
Family
ID=66602180
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811573805.XA Pending CN109815984A (zh) | 2018-12-21 | 2018-12-21 | 一种基于卷积神经网络的用户行为鉴别系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109815984A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111465021A (zh) * | 2020-04-01 | 2020-07-28 | 北京中亦安图科技股份有限公司 | 基于图的骚扰电话识别模型构建方法 |
| CN111863187A (zh) * | 2020-06-22 | 2020-10-30 | 厦门钛尚人工智能科技有限公司 | 一种体育运动方案推荐方法、系统、终端及存储介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6038555A (en) * | 1997-01-21 | 2000-03-14 | Northern Telecom Limited | Generic processing capability |
| US20160150414A1 (en) * | 2014-11-21 | 2016-05-26 | Marchex, Inc. | Identifying call characteristics to detect fraudulent call activity and take corrective action without using recording, transcription or caller id |
| CN105654037A (zh) * | 2015-12-21 | 2016-06-08 | 浙江大学 | 一种基于深度学习和特征图像的肌电信号手势识别方法 |
| CN106385693A (zh) * | 2016-09-22 | 2017-02-08 | 长沙创客软件有限公司 | 针对虚拟号段的电信诈骗判断方法 |
| CN106407981A (zh) * | 2016-11-24 | 2017-02-15 | 北京文安智能技术股份有限公司 | 一种车牌识别方法、装置及系统 |
| CN106657689A (zh) * | 2015-11-04 | 2017-05-10 | 中国移动通信集团公司 | 一种对国际诈骗电话进行防控的方法、装置 |
| CN108924333A (zh) * | 2018-06-12 | 2018-11-30 | 阿里巴巴集团控股有限公司 | 诈骗电话识别方法、装置和系统 |
-
2018
- 2018-12-21 CN CN201811573805.XA patent/CN109815984A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6038555A (en) * | 1997-01-21 | 2000-03-14 | Northern Telecom Limited | Generic processing capability |
| US20160150414A1 (en) * | 2014-11-21 | 2016-05-26 | Marchex, Inc. | Identifying call characteristics to detect fraudulent call activity and take corrective action without using recording, transcription or caller id |
| CN106657689A (zh) * | 2015-11-04 | 2017-05-10 | 中国移动通信集团公司 | 一种对国际诈骗电话进行防控的方法、装置 |
| CN105654037A (zh) * | 2015-12-21 | 2016-06-08 | 浙江大学 | 一种基于深度学习和特征图像的肌电信号手势识别方法 |
| CN106385693A (zh) * | 2016-09-22 | 2017-02-08 | 长沙创客软件有限公司 | 针对虚拟号段的电信诈骗判断方法 |
| CN106407981A (zh) * | 2016-11-24 | 2017-02-15 | 北京文安智能技术股份有限公司 | 一种车牌识别方法、装置及系统 |
| CN108924333A (zh) * | 2018-06-12 | 2018-11-30 | 阿里巴巴集团控股有限公司 | 诈骗电话识别方法、装置和系统 |
Non-Patent Citations (4)
| Title |
|---|
| 刘赏: "《计算机图像和视频处理实验教程》", vol. 1, 30 September 2014, 中国铁道出版社, pages: 1 * |
| 张俊丰: "电信诈骗识别与分析子系统的设计与实现", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
| 张俊丰: "电信诈骗识别与分析子系统的设计与实现", 《中国优秀硕士学位论文全文数据库 信息科技辑》, no. 10, 15 October 2018 (2018-10-15), pages 138 - 94 * |
| 张俊丰: "电信诈骗识别与分析子系统的设计与实现", 中国优秀硕士学位论文全文数据库 信息科技辑, no. 10, pages 1 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111465021A (zh) * | 2020-04-01 | 2020-07-28 | 北京中亦安图科技股份有限公司 | 基于图的骚扰电话识别模型构建方法 |
| CN111465021B (zh) * | 2020-04-01 | 2023-06-09 | 北京中亦安图科技股份有限公司 | 基于图的骚扰电话识别模型构建方法 |
| CN111863187A (zh) * | 2020-06-22 | 2020-10-30 | 厦门钛尚人工智能科技有限公司 | 一种体育运动方案推荐方法、系统、终端及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108924333B (zh) | 诈骗电话识别方法、装置和系统 | |
| CN106550155B (zh) | 对可疑号码进行诈骗样本甄别归类及拦截的方法及系统 | |
| CN109600752B (zh) | 一种深度聚类诈骗检测的方法和装置 | |
| Moreau et al. | Detection of mobile phone fraud using supervised neural networks: A first prototype | |
| CN104038648B (zh) | 骚扰电话的识别方法和装置 | |
| CN107197463A (zh) | 一种电话诈骗的检测方法、存储介质及电子设备 | |
| Barson et al. | The detection of fraud in mobile phone networks | |
| CN107403326A (zh) | 一种基于电信数据的保险欺诈识别方法及装置 | |
| CN101686444B (zh) | 垃圾短信发送号码实时检测系统及方法 | |
| CN110177179B (zh) | 一种基于图嵌入的诈骗号码识别方法 | |
| CN110248322B (zh) | 一种基于诈骗短信的诈骗团伙识别系统及识别方法 | |
| CN111222025A (zh) | 一种基于卷积神经网络的诈骗号码识别方法及系统 | |
| CN105636047A (zh) | 一种欺诈用户的检测方法、装置和系统 | |
| CN110493476B (zh) | 一种检测方法、装置、服务器及存储介质 | |
| CN102355664A (zh) | 一种基于用户的社交网络对用户身份进行识别与匹配的方法 | |
| CN110267272A (zh) | 一种诈骗短信识别方法及识别系统 | |
| CN109815984A (zh) | 一种基于卷积神经网络的用户行为鉴别系统及方法 | |
| CN101321070B (zh) | 一种可疑用户的监控系统及方法 | |
| CN105516084B (zh) | 一种呼叫方法、呼叫服务器 | |
| CN107231494A (zh) | 一种用户通信特征的获取方法、存储介质及电子设备 | |
| CN107770777A (zh) | 一种录音诈骗电话的识别方法 | |
| CN109525739B (zh) | 一种电话号码识别方法、装置及服务器 | |
| CN106936997A (zh) | 一种基于社交关系图谱的垃圾语音识别方法和系统 | |
| CN110381218A (zh) | 一种识别电话诈骗团伙的方法及装置 | |
| CN110457601A (zh) | 社交账号的识别方法和装置、存储介质及电子装置 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190528 |