CN110188805A - 一种诈骗群体的识别方法 - Google Patents

一种诈骗群体的识别方法 Download PDF

Info

Publication number
CN110188805A
CN110188805A CN201910414965.8A CN201910414965A CN110188805A CN 110188805 A CN110188805 A CN 110188805A CN 201910414965 A CN201910414965 A CN 201910414965A CN 110188805 A CN110188805 A CN 110188805A
Authority
CN
China
Prior art keywords
swindle
doubtful
victim
doubtful swindle
short message
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
Application number
CN201910414965.8A
Other languages
English (en)
Other versions
CN110188805B (zh
Inventor
万辛
李鹏
高胜翔
林格平
刘发强
孙旭东
刘瑶
吉立妍
宋东力
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chang'an Communication Technology Co ltd
Xinxun Digital Technology Hangzhou Co ltd
National Computer Network and Information Security Management Center
Original Assignee
CHANGAN COMMUNICATION TECHNOLOGY Co Ltd
National Computer Network and Information Security Management Center
Hangzhou Dongxin Beiyou Information Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by CHANGAN COMMUNICATION TECHNOLOGY Co Ltd, National Computer Network and Information Security Management Center, Hangzhou Dongxin Beiyou Information Technology Co Ltd filed Critical CHANGAN COMMUNICATION TECHNOLOGY Co Ltd
Priority to CN201910414965.8A priority Critical patent/CN110188805B/zh
Publication of CN110188805A publication Critical patent/CN110188805A/zh
Application granted granted Critical
Publication of CN110188805B publication Critical patent/CN110188805B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/251—Fusion techniques of input or preprocessed data

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mobile Radio Communication Systems (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)
  • Telephonic Communication Services (AREA)

Abstract

一种诈骗群体的识别方法，包括有：步骤一、提取每对疑似诈骗号码和受害人号码之间的通话和短信话单，分别构建通话特征向量和短信特征向量，将所有疑似诈骗号码和受害人号码的通话特征向量和短信特征向量输入诈骗行为特征提取模型，从而获得每对疑似诈骗号码和受害人号码的诈骗特征指纹；其中，诈骗特征指纹用于标识每对疑似诈骗号码和受害人号码之间的诈骗行为程度；步骤二、根据每对疑似诈骗号码和受害人号码的诈骗特征指纹，识别每两个疑似诈骗号码之间的区别度，并将相互之间区别度低的疑似诈骗号码构成一个诈骗群体。本发明属于信息技术领域，能基于通话和短信话单，全面且准确的识别由诈骗行为接近的诈骗号码所构成的诈骗群体。

Description

一种诈骗群体的识别方法
技术领域
本发明涉及一种诈骗群体的识别方法，属于信息技术领域。
背景技术
随着国家对通信信息诈骗技术防范工作不断深入，传统的电话诈骗得到了一定程度的遏制，但是犯罪团伙正在用复杂多变的手法开展新型诈骗。新型诈骗一般以团伙作案为基础，通常利用号码篡改，伪装等方式，针对特定个体展开有套路、有剧本的精准诈骗活动，这类欺诈活动通常会造成重大损失，具有极高的社会危害性。
因此，如何以群体为单位，全面且准确的识别由诈骗行为接近的诈骗号码所构成的诈骗群体，从而有效防范电话诈骗？已成为技术人员急需解决的技术问题。
发明内容
有鉴于此，本发明的目的是提供一种诈骗群体的识别方法，能基于通话和短信话单，全面且准确的识别由诈骗行为接近的诈骗号码所构成的诈骗群体，从而有效防范电话诈骗。
为了达到上述目的，本发明提供了一种诈骗群体的识别方法，包括有：
步骤一、提取每对疑似诈骗号码和受害人号码之间的通话和短信话单，分别构建通话特征向量和短信特征向量，将所有疑似诈骗号码和受害人号码的通话特征向量和短信特征向量输入诈骗行为特征提取模型，从而获得每对疑似诈骗号码和受害人号码的诈骗特征指纹；
步骤二、根据每对疑似诈骗号码和受害人号码的诈骗特征指纹，识别每两个疑似诈骗号码之间的区别度，并将相互之间区别度低的疑似诈骗号码构成一个诈骗群体。
与现有技术相比，本发明的有益效果是：本发明提取每对疑似诈骗号码与受害人号码的通话与短信的融合特征向量，并通过诈骗行为特征提取模型，获取每对疑似诈骗号码和受害人号码的诈骗特征指纹，可以获得诈骗号码在进行诈骗时的行为特征，并为诈骗团伙的识别提供基础，然后通过识别每两个疑似诈骗号码之间的区别度，发现诈骗行为接近的诈骗群体成员组，进而识别出诈骗团伙。
附图说明
图1是本发明一种诈骗群体的识别方法的流程图。
图2是将所有疑似诈骗号码和受害人号码的通话特征向量和短信特征向量输入诈骗行为特征提取模型，诈骗行为特征提取模型的具体计算过程图。
图3是图1步骤2的具体操作流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面结合附图对本发明作进一步的详细描述。
如图1所示，本发明一种诈骗群体的识别方法，包括有：
步骤一、提取每对疑似诈骗号码和受害人号码之间的通话和短信话单，分别构建通话特征向量和短信特征向量，将所有疑似诈骗号码和受害人号码的通话特征向量和短信特征向量输入诈骗行为特征提取模型，从而获得每对疑似诈骗号码和受害人号码的诈骗特征指纹；其中，诈骗特征指纹用于标识每对疑似诈骗号码和受害人号码之间的诈骗行为程度；
步骤二、根据每对疑似诈骗号码和受害人号码的诈骗特征指纹，识别每两个疑似诈骗号码之间的区别度，并将相互之间区别度低的疑似诈骗号码构成一个诈骗群体。
步骤一中，构建通话特征向量的通话特征指标可以包括但不限于：呼叫频次、号码数、离散度、忙时率、通话间隔平均值、呼叫间隔平均值、通话时长平均值、振铃时长平均值、未接通振铃时长平均值、接通率、被叫释放率，构建短信特征向量的短信特征指标可以包括但不限于：短信收发次数、平均短信收发间隔、短信联系人离散度、平均短信长度、短信包含URL占比、短信关键词。
如图2所示，将所有疑似诈骗号码和受害人号码的通话特征向量和短信特征向量输入诈骗行为特征提取模型，诈骗行为特征提取模型的具体计算过程可以如下：
步骤11、将每对疑似诈骗号码和受害人号码的通话特征向量和短信特征向量组合成一个话单融和特征向量；可以通过拼接的方式，将通话特征向量和短信特征向量拼成一个话单融和特征向量；
步骤12、对每个话单融和特征向量进行归一化处理；
步骤13、采用聚类算法，基于各个话单融和特征向量之间的密度，将所有话单融和特征向量所对应的所有疑似诈骗号码和受害人号码分成多个诈骗簇，所述聚类算法可以采用dbscan算法；
步骤14、计算每个诈骗簇的诈骗行为程度值：其中，zd(c)是第c个诈骗簇的诈骗行为程度值，numc是第c个诈骗簇中的疑似诈骗号码和受害人号码对的总数，danger_rate(q)、victim_rate(q)分别是第c个诈骗簇中的第q对疑似诈骗号码的危险程度、和受害人号码的受害程度；
其中，danger_rate(q)、或victim_rate(q)的计算过程可以进一步包括有：按正常号码与诈骗号码的一定比例(例如7：3)，提取通话和短信话单，然后计算通话特征与短信特征，采用GBDT算法构造回归树模型，从而计算得到每个疑似诈骗号码的危险程度、或受害人号码的受害程度；
步骤15、将所有诈骗簇按照其诈骗行为程度值从小到大的顺序进行排序，并按照逐一增1的顺序，设定每个诈骗簇的诈骗特征指纹，即排在第1位的诈骗簇的诈骗特征指纹是1，排在第2位的诈骗簇的诈骗特征指纹是2，如此类推；
步骤16、将每对疑似诈骗号码和受害人号码的诈骗特征指纹设为其所属诈骗簇的诈骗特征指纹。
可以从数据库中提取已确认的诈骗号码和受害人号码对应的通话特征向量和短信特征向量，对诈骗行为特征提取模型进行训练。
如图3所示，步骤二可以进一步包括有：
步骤21、将每个疑似诈骗号码的标志位设为0；
步骤22、提取一个标志位是0的疑似诈骗号码；
步骤23、构建一个新的诈骗群体成员组，并将所提取疑似诈骗号码加入到新建的诈骗群体成员组中；
步骤24、构建所提取疑似诈骗号码和每个其他疑似诈骗号码的2*n维的特征指纹矩阵：TZj，其中，TZj是所提取疑似诈骗号码和第j个其他疑似诈骗号码的特征指纹矩阵，n是所有受害人号码总数，TZj中的第1(或2)行第b列元素tzj 1b(或tzj 2b)是所提取疑似诈骗号码(或第j个其他疑似诈骗号码)和第b个受害人号码之间的诈骗特征指纹，若疑似诈骗号码和受害人号码之间无通信行为，则其值为0；
步骤25、根据所提取疑似诈骗号码、每个其他疑似诈骗号码和相同受害人号码的诈骗特征指纹，计算所提取疑似诈骗号码和每个其他疑似诈骗号码的区别度，并将区别度小于或等于阈值ε的其他疑似诈骗号码加入到步骤23中新建的诈骗群体成员组中；ε的值可以根据实际业务需要而设定，例如将ε初始化为2；
步骤26、将所提取疑似诈骗号码的标志位设为1；
步骤27、判断是否还存在有标志位是0的疑似诈骗号码？如果是，则转向步骤22；如果否，则继续下一步；
步骤28、计算所有诈骗群体成员组中的每个疑似诈骗号码的出现数，当疑似诈骗号码的出现数是2时，将其所属的两个诈骗群体成员组合并成一个诈骗群体成员组，当疑似诈骗号码的出现数大于2时，将其所属的所有诈骗群体成员组删除，并将该疑似诈骗号码的标志位”
设为0，更新ε＝ε-0.2，ε是更新后的阈值，然后转向步骤27。
步骤25中，对于第j个其他疑似诈骗号码，可以进一步包括有：
步骤251、计算所提取疑似诈骗号码和第j个其他疑似诈骗号码的乘积向量：CTj，其中，CTj中的第z个元素ctz j＝tzj 1z×tzj 2z，tzj 1z或tzj 2z分别是所提取疑似诈骗号码和第j个其他疑似诈骗号码的特征指纹矩阵TZj中的第1(或2)行第z列元素；
步骤252、计算所提取疑似诈骗号码和第j个其他疑似诈骗号码的乘积向量中非0的元素总数N0Sum(CTj)；
步骤253、计算所提取疑似诈骗号码和第j个其他疑似诈骗号码的特征指纹矩阵TZj中的第1行向量中非0的元素总数N0Sum(TZj 1)；
步骤254、判断是否且第j个其他疑似诈骗号码的标志位不是1？如果是，则继续下一步；如果否，则继续计算所提取疑似诈骗号码和其他疑似诈骗号码的区别度，本流程结束；
步骤255、计算所提取疑似诈骗号码和第j个其他疑似诈骗号码的区别度：其中，GN是所提取疑似诈骗号码和第j个其他疑似诈骗号码的相同受害人号码数，uz、ujz分别是所提取疑似诈骗号码、第j个其他疑似诈骗号码和第z个相同受害人号码的诈骗特征指纹；
步骤256、判断distancej是否小于或等于ε？如果是，则将第j个其他疑似诈骗号码加入到步骤23中新建的诈骗群体成员组中；如果否，则继续计算所提取疑似诈骗号码和其他疑似诈骗号码的区别度，本流程结束。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。

Claims (8)

1.一种诈骗群体的识别方法，其特征在于，包括有：
步骤一、提取每对疑似诈骗号码和受害人号码之间的通话和短信话单，分别构建通话特征向量和短信特征向量，将所有疑似诈骗号码和受害人号码的通话特征向量和短信特征向量输入诈骗行为特征提取模型，从而获得每对疑似诈骗号码和受害人号码的诈骗特征指纹；
步骤二、根据每对疑似诈骗号码和受害人号码的诈骗特征指纹，识别每两个疑似诈骗号码之间的区别度，并将相互之间区别度低的疑似诈骗号码构成一个诈骗群体。
2.根据权利要求1所述的方法，其特征在于，步骤一中，构建通话特征向量的通话特征指标包括但不限于：呼叫频次、号码数、离散度、忙时率、通话间隔平均值、呼叫间隔平均值、通话时长平均值、振铃时长平均值、未接通振铃时长平均值、接通率、被叫释放率，构建短信特征向量的短信特征指标包括但不限于：短信收发次数、平均短信收发间隔、短信联系人离散度、平均短信长度、短信包含URL占比、短信关键词。
3.根据权利要求1所述的方法，其特征在于，将所有疑似诈骗号码和受害人号码的通话特征向量和短信特征向量输入诈骗行为特征提取模型，诈骗行为特征提取模型的具体计算过程如下：
步骤11、将每对疑似诈骗号码和受害人号码的通话特征向量和短信特征向量组合成一个话单融和特征向量；
步骤12、对每个话单融和特征向量进行归一化处理；
步骤13、采用聚类算法，基于各个话单融和特征向量之间的密度，将所有话单融和特征向量所对应的所有疑似诈骗号码和受害人号码分成多个诈骗簇；
步骤14、计算每个诈骗簇的诈骗行为程度值：其中，zd(c)是第c个诈骗簇的诈骗行为程度值，numc是第c个诈骗簇中的疑似诈骗号码和受害人号码对的总数，danger_rate(q)、victim_rate(q)分别是第c个诈骗簇中的第q对疑似诈骗号码的危险程度、和受害人号码的受害程度；
步骤15、将所有诈骗簇按照其诈骗行为程度值从小到大的顺序进行排序，并按照逐一增1的顺序，设定每个诈骗簇的诈骗特征指纹；
步骤16、将每对疑似诈骗号码和受害人号码的诈骗特征指纹设为其所属诈骗簇的诈骗特征指纹。
4.根据权利要求1所述的方法，其特征在于，danger_rate(q)、或victim_rate(q)的计算过程进一步包括有：按正常号码与诈骗号码的一定比例，提取通话和短信话单，然后计算通话特征与短信特征，采用GBDT算法构造回归树模型，从而计算得到每个疑似诈骗号码的危险程度、或受害人号码的受害程度。
5.根据权利要求1所述的方法，其特征在于，聚类算法采用dbscan算法。
6.根据权利要求1所述的方法，其特征在于，步骤二进一步包括有：
步骤21、将每个疑似诈骗号码的标志位设为0；
步骤22、提取一个标志位是0的疑似诈骗号码；
步骤23、构建一个新的诈骗群体成员组，并将所提取疑似诈骗号码加入到新建的诈骗群体成员组中；
步骤24、构建所提取疑似诈骗号码和每个其他疑似诈骗号码的2*n维的特征指纹矩阵：TZj，其中，TZj是所提取疑似诈骗号码和第j个其他疑似诈骗号码的特征指纹矩阵，n是所有受害人号码总数，TZj中的第1或2行第b列元素tzj 1b或tzj 2b是所提取疑似诈骗号码或第j个其他疑似诈骗号码和第b个受害人号码之间的诈骗特征指纹，若疑似诈骗号码和受害人号码之间无通信行为，则其值为0；
步骤25、根据所提取疑似诈骗号码、每个其他疑似诈骗号码和相同受害人号码的诈骗特征指纹，计算所提取疑似诈骗号码和每个其他疑似诈骗号码的区别度，并将区别度小于或等于阈值ε的其他疑似诈骗号码加入到步骤23中新建的诈骗群体成员组中；
步骤26、将所提取疑似诈骗号码的标志位设为1；
步骤27、判断是否还存在有标志位是0的疑似诈骗号码，如果是，则转向步骤22。
7.根据权利要求6所述的方法，其特征在于，步骤27中，如果否，还可以包括有：
步骤28、计算所有诈骗群体成员组中的每个疑似诈骗号码的出现数，当疑似诈骗号码的出现数是2时，将其所属的两个诈骗群体成员组合并成一个诈骗群体成员组，当疑似诈骗号码的出现数大于2时，将其所属的所有诈骗群体成员组删除，并将该疑似诈骗号码的标志位设为0，更新ε′＝ε-0.2，ε′是更新后的阈值，然后转向步骤27。
8.根据权利要求6所述的方法，其特征在于，步骤25中，对于第j个其他疑似诈骗号码，进一步包括有：
步骤251、计算所提取疑似诈骗号码和第j个其他疑似诈骗号码的乘积向量：CTj，其中，CTj中的第z个元素ctz j＝tzj 1z×tzj 2z，tzj 1z或tzj 2z分别是所提取疑似诈骗号码和第j个其他疑似诈骗号码的特征指纹矩阵TZj中的第1或2行第z列元素；
步骤252、计算所提取疑似诈骗号码和第j个其他疑似诈骗号码的乘积向量中非0的元素总数N0Sum(CTj)；
步骤253、计算所提取疑似诈骗号码和第j个其他疑似诈骗号码的特征指纹矩阵TZj中的第1行向量中非0的元素总数N0Sum(TZj 1)；
步骤254、判断是否且第j个其他疑似诈骗号码的标志位不是1，如果是，则继续下一步；如果否，则继续计算所提取疑似诈骗号码和其他疑似诈骗号码的区别度，本流程结束；
步骤255、计算所提取疑似诈骗号码和第j个其他疑似诈骗号码的区别度：其中，GN是所提取疑似诈骗号码和第j个其他疑似诈骗号码的相同受害人号码数，uz、ujz分别是所提取疑似诈骗号码、第j个其他疑似诈骗号码和第z个相同受害人号码的诈骗特征指纹；
步骤256、判断distancej是否小于或等于ε，如果是，则将第j个其他疑似诈骗号码加入到步骤23中新建的诈骗群体成员组中；如果否，则继续计算所提取疑似诈骗号码和其他疑似诈骗号码的区别度，本流程结束。
CN201910414965.8A 2019-05-17 2019-05-17 一种诈骗群体的识别方法 Active CN110188805B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910414965.8A CN110188805B (zh) 2019-05-17 2019-05-17 一种诈骗群体的识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910414965.8A CN110188805B (zh) 2019-05-17 2019-05-17 一种诈骗群体的识别方法

Publications (2)

Publication Number Publication Date
CN110188805A true CN110188805A (zh) 2019-08-30
CN110188805B CN110188805B (zh) 2021-02-26

Family

ID=67716733

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910414965.8A Active CN110188805B (zh) 2019-05-17 2019-05-17 一种诈骗群体的识别方法

Country Status (1)

Country Link
CN (1) CN110188805B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111131626A (zh) * 2019-12-20 2020-05-08 珠海高凌信息科技股份有限公司 基于流数据图谱的群组有害呼叫检测方法、装置及可读介质
CN111539747A (zh) * 2020-04-10 2020-08-14 贵州索讯科技有限公司 一种基于特征分类的反通信网络诈骗识别方法
CN115022464A (zh) * 2022-05-06 2022-09-06 中国联合网络通信集团有限公司 号码处理方法、系统、计算设备、存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110055074A1 (en) * 2009-09-02 2011-03-03 Yonghui Chen Visualization for payment card transaction fraud analysis
CN108133061A (zh) * 2018-02-01 2018-06-08 天津市国瑞数码安全系统股份有限公司 一种诈骗群体识别系统
CN109600752A (zh) * 2018-11-28 2019-04-09 国家计算机网络与信息安全管理中心 一种深度聚类诈骗检测的方法和装置
CN110248322A (zh) * 2019-06-28 2019-09-17 国家计算机网络与信息安全管理中心 一种基于诈骗短信的诈骗团伙识别系统及识别方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110055074A1 (en) * 2009-09-02 2011-03-03 Yonghui Chen Visualization for payment card transaction fraud analysis
CN108133061A (zh) * 2018-02-01 2018-06-08 天津市国瑞数码安全系统股份有限公司 一种诈骗群体识别系统
CN109600752A (zh) * 2018-11-28 2019-04-09 国家计算机网络与信息安全管理中心 一种深度聚类诈骗检测的方法和装置
CN110248322A (zh) * 2019-06-28 2019-09-17 国家计算机网络与信息安全管理中心 一种基于诈骗短信的诈骗团伙识别系统及识别方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111131626A (zh) * 2019-12-20 2020-05-08 珠海高凌信息科技股份有限公司 基于流数据图谱的群组有害呼叫检测方法、装置及可读介质
CN111539747A (zh) * 2020-04-10 2020-08-14 贵州索讯科技有限公司 一种基于特征分类的反通信网络诈骗识别方法
CN115022464A (zh) * 2022-05-06 2022-09-06 中国联合网络通信集团有限公司 号码处理方法、系统、计算设备、存储介质

Also Published As

Publication number Publication date
CN110188805B (zh) 2021-02-26

Similar Documents

Publication Publication Date Title
CN108681936B (zh) 一种基于模块度和平衡标签传播的欺诈团伙识别方法
CN110188805A (zh) 一种诈骗群体的识别方法
CN111159387B (zh) 基于多维度报警信息文本相似度分析的推荐方法
CN103678613B (zh) 一种计算影响力数据的方法与装置
CN104867055A (zh) 一种金融网络可疑资金追踪与识别方法
CN110177179A (zh) 一种基于图嵌入的诈骗号码识别方法
US20110125746A1 (en) Dynamic machine assisted informatics
CN106506880B (zh) 一种从黑名单号码库中自动识别可释放号码的方法
CN108765179A (zh) 一种基于图计算的可信社交关系分析方法
CN111726460B (zh) 一种基于时空图的诈骗号码识别方法
CN109829034A (zh) 一种基于市场主体信用数据的企业树谱图展示方法
CN110598129B (zh) 基于两级信息熵的跨社交网络用户身份识别方法
CN106650487A (zh) 基于多维敏感数据发布的多部图隐私保护方法
CN103870502A (zh) 基于人脸识别的企业移动社交网络系统
CN104391852B (zh) 一种建立关键词词库的方法和装置
CN110210858A (zh) 一种基于智能终端识别的风控防护系统设计方法
CN108550050A (zh) 一种基于呼叫中心数据的用户画像方法
CN109274836A (zh) 一种大规模数据流中电信欺诈风险识别方法
CN102567534A (zh) 互动产品用户生成内容拦截系统及其拦截方法
CN110209729A (zh) 数据转移对象识别的方法及装置
CN110413708A (zh) 一种面向业务术语的数据分析系统
CN114494771A (zh) 一种可防御后门攻击的联邦学习图像分类方法
CN116150663A (zh) 数据分级方法、装置、计算机设备和存储介质
Chu et al. Exploiting spatial-temporal behavior patterns for fraud detection in telecom networks
Hamdy et al. Criminal act detection and identification model

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
CP01 Change in the name or title of a patent holder
CP01 Change in the name or title of a patent holder

Address after: 100029 Beijing city Chaoyang District Yumin Road No. 3

Patentee after: NATIONAL COMPUTER NETWORK AND INFORMATION SECURITY MANAGEMENT CENTER

Patentee after: Xinxun Digital Technology (Hangzhou) Co.,Ltd.

Patentee after: CHANG'AN COMMUNICATION TECHNOLOGY Co.,Ltd.

Address before: 100029 Beijing city Chaoyang District Yumin Road No. 3

Patentee before: NATIONAL COMPUTER NETWORK AND INFORMATION SECURITY MANAGEMENT CENTER

Patentee before: EB Information Technology Ltd.

Patentee before: CHANG'AN COMMUNICATION TECHNOLOGY Co.,Ltd.