CN112954685B - 黑灰产手机号码识别方法及系统 - Google Patents

Abstract

本发明提供的一种黑灰产手机号码识别方法包括获取手机号码及与所述手机号码相对应的相关数据集；通过所述手机号码及所述相关数据集获取疑似黑产手机号码列表；通过所述疑似黑产手机号码列表获取黑产手机号码列表。所述黑灰产手机号码识别方法中，通过所述手机号码及所述相关数据集获取疑似黑产手机号码列表，通过所述疑似黑产手机号码列表获取黑产手机号码列表，从而识别出被植入rom后门的手机的手机号码，有利于协助打击黑灰产，有效封堵黑产手机号码被应用到一些违法犯罪行为中。本发明还提供了实现所述黑灰产手机号码识别方法的识别系统。

Description

黑灰产手机号码识别方法及系统

技术领域

本发明涉及网络安全技术领域，尤其涉及一种黑灰产手机号码识别方法及系统。

背景技术

在众多黑产行业中，利用黑产手机号码进行刷单、薅羊毛、借贷欺诈和诈骗等违法犯罪行为还没有成熟的识别技术，黑灰产会通过购入一批仅支持通话、收发短信的手机，对其植入手机只读存储器(Read-Only Memory，ROM)后门，再利用渠道将这批手机低价投放到偏远地区，当偏远地区用户在此类手机上插入手机卡后，手机号码会受到黑灰产控制，当短信验证码发送给手机号码时，手机rom后门会拦截短信并转发给黑灰产，使得真实用户并不知道手机号码存在异常，由于此类手机是真实用户日常使用的手机号码，所以能够绕过各种风控模型，被黑产应用到违法犯罪的行为中。

因此，有必要提供一种黑灰产手机号码识别方法及系统以解决现有技术中存在的上述问题。

发明内容

本发明的目的在于提供一种黑灰产手机号码识别方法及系统，以识别被植入rom后门的手机的手机号码。

为实现上述目的，本发明的所述一种黑灰产手机号码识别方法，其特征在于，包括以下步骤：

S1：获取手机号码及与所述手机号码相对应的相关数据集；

S2：通过所述手机号码及所述相关数据集获取疑似黑产手机号码列表；

S3：通过所述疑似黑产手机号码列表获取黑产手机号码列表；

所述黑灰产手机号码识别方法的有益效果在于：通过所述手机号码及所述相关数据集获取疑似黑产手机号码列表，通过所述疑似黑产手机号码列表获取黑产手机号码列表，从而识别出被植入rom后门的手机的手机号码，有利于协助打击黑灰产，有效封堵黑产手机号码被应用到一些违法犯罪行为中。

优选地，所述相关数据集包括手机位置、流量套餐和短信内容集。其有益效果在于：便于通过手机位置、流量套餐和短信内容集对手机号码进行黑产判断。

优选的，所述步骤S1中，通过数据中心的数据接口获取所述手机号及所述相关数据集，所述数据中心包括联通数据中心、移动数据中心和电信数据中心中的至少一种。其有益效果在于：便于调用数据中心的数据进行识分析。

进一步优选的，通过所述手机号码及所述相关数据集获取疑似黑产手机号码列表包括：

S21：提取所述手机号码对应的所述手机位置，筛选出所述手机位置与偏远地区相对应的手机号码，填入第一手机号码列表；

S22：提取所述第一手机号码列表中手机号码对应的流量套餐，然后根据所述流量套餐的开通信息筛选出未开通流量套餐的手机号码，填入第二手机号码列表，以作为所述疑似黑产手机号码列表。其有益效果在于：通过从数据中心获取的所述相关数据集判断所述手机号码是否满足位于偏远地区和未开通流量套餐的条件，筛选出所述疑似黑产手机号码列表。

进一步，所述手机位置为所述手机号码的手机卡所在位置。

进一步，所述手机位置为所述手机号码的归属地位置。

进一步优选的，通过所述疑似黑产手机号码列表获取黑产手机号码列表包括：

S31：对所述疑似黑产手机号码列表中手机号码对应的短信内容集进行内容处理以输出为结果集；

S32：对所述结果集进行词频统计，以生成判断结果，根据所述判断结果标记手机号码作为黑产手机号码，以生成黑产手机号码列表。其有益效果在于：通过词频统计，便于生成黑产手机号码列表。

进一步，所述步骤S31中的内容处理包括编号、读取和分词中的一种或多种。其有益效果在于：所述编号将每一个手机号码中的短信内容集进行编号，以便读取所述短信内容集的短信内容，通过对所述短信内容进行分词处理后进行词频统计，生成所述黑产手机号码的判断结果。

进一步，所述词频统计为对关键词的词频进行统计，所述关键词包括验证码、公司名称、APP名称中的至少一个。其有益效果在于：所述黑产手机号码的所述短信内容集中会出现高频率的关键词，所述关键词包括公司名称、APP名称、验证码中的至少一个，通过所述关键词的词频统计，就可筛选出所述黑产手机号码。

进一步优选的，所述分词方法包括：

S41：对所述短信内容集进行内容清洗，去除所述短信内容集中的特殊字符串，以得到清洗短信内容集；

S42：判断所述清洗短信内容集中汉字之间的关联概率后建立分词有向无环词图；

S43：识别所述分词有向无环词图中文字之间的组合，以得到所述结果集。

其有益效果在于：有利于得到所述结果集，进而得到黑产手机号码。

本发明还提供了一种黑灰产手机号码识别系统，所述黑灰产手机号码识别系统包括依次连接的数据获取模块、判断模块和分析模块，所述数据获取模块用于获取手机号码及与所述手机号码相对应的相关数据集，所述判断模块通过所述手机号码及所述相关数据集获取疑似黑产手机号码列表，所述分析模块通过所述疑似黑产手机号码列表获取黑产手机号码列表。

所述黑灰产手机号码识别系统的有益效果在于：所述黑灰产手机号码识别系统包括依次连接的数据获取模块、判断模块和分析模块，所述数据获取模块用于获取手机号码及与所述手机号码相对应的相关数据集，所述判断模块通过所述手机号码及所述相关数据集获取疑似黑产手机号码列表，所述分析模块通过所述疑似黑产手机号码列表获取黑产手机号码列表，从而识别出被植入rom后门的手机的手机号码，有利于协助打击黑灰产，有效封堵黑产手机号码被应用到一些违法犯罪行为中。

进一步，所述判断模块包括第一判断模块和第二判断模块，所述第一判断模块用以对所述手机号码的手机位置进行判断，所述第二判断模块用以对所述手机号码的流量套餐的开通情况进行判断。其有益效果在于：所述第一判断模块和所述第二判断模块对所述手机号码进行手机位置和流量套餐的判断，有利于筛选出所述疑似黑产手机号码列表。

附图说明

图1为本发明黑灰产手机号码识别方法的流程图；

图2为本发明黑灰产手机号码识别系统的结构框架图。

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，下面将结合本发明的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。除非另外定义，此处使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。本文中使用的“包括”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。

针对现有技术存在的问题，本发明的实施例提供了一种黑灰产手机号码识别方法，参照图1，所述黑灰产手机号码识别方法包括：

S1：获取手机号码及与所述手机号码相对应的相关数据集；

S2：通过所述手机号码及所述相关数据集获取疑似黑产手机号码列表；

S3：通过所述疑似黑产手机号码列表获取黑产手机号码列表。

本发明的一些实施例中，所述相关数据集包括手机位置、流量套餐和短信内容集。

本发明的一些实施例中，所述步骤S1中，通过数据中心的数据接口获取所述手机号及所述相关数据集，所述数据中心包括联通数据中心、移动数据中心和电信数据中心中的至少一种，所述识别黑产通讯信息的方法模型部署于数据中心的内部机房，方便调用数据中心的数据进行识别和分析。

本发明的一些实施例中，从所述数据中心获取手机号及所述手机号1～3个月内相对应的相关数据集进行所述黑产手机号码的识别。具体地，所述手机号码3个月内相对的相关数据集。

本发明的另一些实施例中，从所述数据中心获取1～3个月内激活的手机号码及所述手机号码相对应的相关数据集进行所述黑产手机号码的识别。具体地，所述手机号码相对的相关数据集。

本发明的一些实施例中，通过所述手机号码及所述相关数据集获取疑似黑产手机号码列表包括：

S21：提取所述手机号码对应的所述手机位置，筛选出所述手机位置与偏远地区相对应的手机号码，填入第一手机号码列表；

S22：提取所述第一手机号码列表中手机号码对应的流量套餐，然后根据所述流量套餐的开通信息筛选出未开通流量套餐的手机号码，填入第二手机号码列表，以作为所述疑似黑产手机号码列表。

本发明的一些实施例中，所述偏远地区包括云南、西藏、新疆、贵州东北、川西高原地区等，所述手机位置指所述手机号码的归属地或所述手机号码的手机卡所在位置。

本发明的又一些实施例中，所述偏远地区为人口密度小于25人/平方千米的地区。

本发明的一些实施例中，通过所述疑似黑产手机号码列表获取所述黑产手机号码列表包括以下步骤：

S31：对所述疑似黑产手机号码列表中手机号码对应的短信内容集进行内容处理以输出为结果集；

S32：对所述结果集进行词频统计，以生成判断结果，根据所述判断结果标记手机号码作为黑产手机号码，以生成黑产手机号码列表。

本发明的一种具体的实施例中，所述步骤S31中的内容处理包括编号、读取和分词中的一种或多种。

本发明的一些实施例中，所述编号包括：对应手机号码列表第一个号码的短信内容集编号为D-B1，第二个号码的短信内容集编号为D-B2，第n个号码的短信内容集编号为D-Bn，n为大于等于1的自然数，依次编号直至最后一个手机号码的所述短信内容集编号完毕，以便读取所述短信内容集的短信内容，通过对所述短信内容进行分词后进行词频统计，生成所述黑产手机号码的判断结果。

本发明的一些实施例中，所述词频统计为对关键词的词频进行统计，所述关键词包括验证码、公司名称、APP名称中的至少一个，所述黑产手机号码的所述短信内容集中会出现高频率的特征词，通过所述关键词的词频统计，就可筛选出所述黑产手机号码。

本发明的一些实施例中，所述分词包括以下步骤：

S41：对所述短信内容集进行内容清洗，去除所述短信内容集中的特殊字符串，以得到清洗短信内容集；

S42：判断所述清洗短信内容集中汉字之间的关联概率后建立分词有向无环词图；

S43：识别所述分词有向无环词图中文字之间的组合，以得到所述结果集。其中，所述文字包括中文、英文、数字和时间中的至少一种。

本发明的一种具体的实施例中，使用jieba库依次对短信内容集D-B1至D-Bn进行分词，所述分词过程包括依次对短信内容集D-B1至D-Bn进行内容清洗，如果所述短信内容集包含特殊字符串，则去除所述特殊字符串后，并标记为未收录字符串，以得到清洗短信内容集，避免所述特殊字符串对后续关键词的统计造成影响，利用中文词库字典，判断清洗短信内容集中汉字之间的关联概率后建立分词有向无环词图，通过隐马尔可夫模型(HiddenMarkov Model，HMM)依次识别识别D-B1至D-Bn分词有向无环词图中文字之间的组合，以得到所述结果集。。

本发明的一种具体的实施例中，编号为D-B1的短信内容集的第一条内容为“美团登陆验证码：123456，请完成验证，如非本人操作，请忽略本短信。”；编号为D-B1的短信内容集的第二条内容为“美团登陆验证码：123457，请完成验证，如非本人操作，请忽略本短信。”；···编号为D-B1的短信内容集的第二十条内容为“美团登陆验证码：123459，请完成验证，如非本人操作，请忽略本短信。”通过jieba库分词后得到的结果集为“‘美团’、‘123456’、‘登陆’、‘验证码’、‘请’、‘完成’、‘验证’、‘如’、‘非’、‘本人’、‘操作’、‘请’、‘忽略’、‘本’、‘短信’、‘123457’、‘123459’·····”。其中，关键词“验证码”的频率为20次，高于关键词阈值10次，则编号为D-B1的短信内容集所对应的手机号码被标记为所述黑产手机号码，填入黑产手机号码列表。

本发明的又一种具体的实施例中，编号为D-B3的所述短信内容集的第一条内容为“支付宝登陆验证码：1234，支付宝全力保护你的账户安全，验证码请勿泄露给他人。唯一热线95188。”；编号为D-B3的所述短信内容集的第一条内容为“支付宝登陆验证码：1239，支付宝全力保护你的账户安全，验证码请勿泄露给他人。唯一热线95188。”；···编号为D-B3的所述短信内容集的第一条内容为“美团登陆验证码：123459，请完成验证，如非本人操作，请忽略本短信。”。通过jieba库分词后得到的结果集为“‘支付宝’、‘登陆’、‘验证码’、‘1234’、‘支付宝’、‘全力’、‘保护’、‘你’、‘的’、‘账户’、‘安全’、‘验证码’、‘请’、‘勿’、‘泄漏’、‘给’、‘他’、‘人’、‘唯一’、‘热线’、‘95188’、‘美团’、‘123459’、‘请’、‘完成’、‘如’、‘非’、‘本人’、‘操作’、‘忽略’、‘本’、‘短信’、‘1239’···”。其中，关键词“登陆”的频率为15次，高于关键词阈值10次，则编号为D-B1的短信内容集所对应的手机号码被标记为所述黑产手机号码，填入黑产手机号码列表。

本发明的另一种具体的实施例中，所述短信内容集分词后得到的所述结果集中出现‘美团’、‘支付宝’、‘菜鸟裹裹’、‘京东’、‘淘宝’、‘银行’、‘天猫’、‘大众点评’、‘网易’、‘腾讯’，即验证码的发放来源多于10个，则所述短信内容集对应的手机号码被标记为所述黑产手机号码，填入黑产手机号码列表，直至分析判定完所有短信内容集，输出所述黑产手机号码列表，作为“黑产手机号码”即被植入rom后门的手机的手机号码的分析结果。

图2为本发明一些实施例的所述黑灰产手机号码识别系统的结构框架图。参照图2，所述黑灰产手机号码识别系统包括依次连接的数据获取模块1、判断模块2和分析模块3，所述数据获取模块1用于获取手机号码及与所述手机号码相对应的相关数据集，所述判断模块2通过所述手机号码及所述相关数据集获取疑似黑产手机号码列表，所述分析模块3通过所述疑似黑产手机号码列表获取黑产手机号码列表。

本发明的一些实施例中，所述数据获取模块1通过获取数据中心获取黑产手机号码及所述相关数据集，所述第一判断模块根(图中未示出)据所述获取模块中1的数据集进行区域判断，若位于偏远地区则填入第一手机号码列表直至所述手机号码获取完毕，若否则继续读取获取模块1中的所述手机号码进行判断，位置区域判断完毕后，所述第二判断模块(图中未示出)根据所述第一手机号码列表，依次判断每个所述手机号码是否开通流量套餐，如果否，填入所述第二手机号码列表直至所述第一手机号码列表轮询完毕，执行下一步，如果是，则继续轮询所述第一手机号码列表，所述第二手机号码列表则作为疑似黑产手机号码列表，完成所述疑似黑产手机号码的筛选。

本发明的一些实施例中，所述分析模块3调用所述判断模块2中的所述疑似黑产手机号码列表进行分析和判断，所述分析模块3先对所述第n个疑似黑产手机号码的所述短信内容集进行编号，标记为D-Bn，n为大于等于1的自然数，直至最后一个手机号码的所述短信内容集标记完毕，所述分析模块3调用jieba库依次对短信内容集D-B1至D-Bn进行中文分词，首先对短信内容集D-B1至D-Bn进行内容清洗，如果包含特殊字符串，则去除特殊字符串，并标记为未收录字符串，以得到清洗短信内容集，利用中文词库字典，确定文字之间的关联概率后建立分词有向无环词图，用以获得所述短信内容集D-B1至D-Bn中所有文字可能成词的情况，所述分析模块3识别所述分词有向无环词图中文字之间的组合，输出到所述结果集，所述分析模块3计算所述结果集中的所述关键词的词频，筛选出所述黑产手机号码，填入所述黑产手机号码列表。

虽然在上文中详细说明了本发明的实施方式，但是对于本领域的技术人员来说显而易见的是，能够对这些实施方式进行各种修改和变化。但是，应理解，这种修改和变化都属于权利要求书中所述的本发明的范围和精神之内。而且，在此说明的本发明可有其它的实施方式，并且可通过多种方式实施或实现。

Claims (8)

1.一种黑灰产手机号码识别方法，其特征在于，包括以下步骤：

S1：获取手机号码及与所述手机号码相对应的相关数据集，所述相关数据集包括手机位置、流量套餐和短信内容集；

S2：通过所述手机号码及所述相关数据集获取疑似黑产手机号码列表；

S3：通过所述疑似黑产手机号码列表获取黑产手机号码列表；

所述步骤S2包括：

S21：提取所述手机位置，筛选出所述手机位置与偏远地区相对应的手机号码，填入第一手机号码列表；

S22：提取所述第一手机号码列表中手机号码对应的流量套餐，然后根据所述流量套餐的开通信息筛选出未开通流量套餐的手机号码，填入第二手机号码列表，以作为所述疑似黑产手机号码列表；

所述步骤S3包括：

S31：对所述疑似黑产手机号码列表中手机号码对应的短信内容集进行内容处理以输出为结果集；

S32：对所述结果集进行词频统计，以生成判断结果，根据所述判断结果标记手机号码作为黑产手机号码，以生成黑产手机号码列表。

2.根据权利要求1所述的黑灰产手机号码识别方法，其特征在于，所述步骤S1中，通过数据中心的数据接口获取所述手机号码及所述相关数据集，所述数据中心包括联通数据中心、移动数据中心和电信数据中心中的至少一种。

3.根据权利要求1所述的黑灰产手机号码识别方法，其特征在于，所述手机位置为所述手机号码的手机卡所在位置。

4.根据权利要求1所述的黑灰产手机号码识别方法，其特征在于，所述手机位置为所述手机号码的归属地位置。

5.根据权利要求1所述的黑灰产手机号码识别方法，其特征在于，所述内容处理包括编号、读取和分词中的一种或多种。

6.根据权利要求1所述的黑灰产手机号码识别方法，其特征在于，所述词频统计为对关键词的词频进行统计，所述关键词包括验证码、公司名称、APP名称中的至少一个。

7.根据权利要求5所述的黑灰产手机号码识别方法，其特征在于，所述分词包括以下步骤：

S41：对所述短信内容集进行内容清洗，去除所述短信内容集中的特殊字符串，以得到清洗短信内容集；

S42：判断所述清洗短信内容集中汉字之间的关联概率后建立分词有向无环词图；

S43：识别所述分词有向无环词图中文字之间的组合，以得到所述结果集。

8.一种黑灰产手机号码识别系统，其特征在于，所述黑灰产手机号码识别系统用于实现如权利要求1-7中任意一项所述的黑灰产手机号码识别方法，所述黑灰产手机号码识别系统包括依次连接的数据获取模块、判断模块和分析模块，所述数据获取模块用于获取手机号码及与所述手机号码相对应的相关数据集，所述判断模块通过所述手机号码及所述相关数据集获取疑似黑产手机号码列表，所述分析模块通过所述疑似黑产手机号码列表获取黑产手机号码列表；

所述判断模块包括第一判断模块和第二判断模块，所述第一判断模块用以对所述手机号码的手机位置进行判断，所述第二判断模块用以对所述手机号码的流量套餐的开通情况进行判断；

所述分析模块调用所述判断模块中的所述疑似黑产手机号码的短信内容集进行处理以输出为结果集，所述分析模块计算所述结果集中的关键词的词频，筛选出黑产手机号码，填入黑产手机号码列表。

Images