CN113301210A - 基于神经网络的防骚扰电话的方法、装置及电子设备 - Google Patents

基于神经网络的防骚扰电话的方法、装置及电子设备 Download PDF

Info

Publication number
CN113301210A
CN113301210A CN202110413443.3A CN202110413443A CN113301210A CN 113301210 A CN113301210 A CN 113301210A CN 202110413443 A CN202110413443 A CN 202110413443A CN 113301210 A CN113301210 A CN 113301210A
Authority
CN
China
Prior art keywords
data
neural network
call
calling party
signaling
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
CN202110413443.3A
Other languages
English (en)
Other versions
CN113301210B (zh
Inventor
张建军
冯志峰
王文重
鲍尚策
王宪法
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.)
Zhuhai Comleader Information Technology Co Ltd
Henan Xinda Wangyu Technology Co Ltd
Original Assignee
Zhuhai Comleader 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 Zhuhai Comleader Information Technology Co Ltd filed Critical Zhuhai Comleader Information Technology Co Ltd
Priority to CN202110413443.3A priority Critical patent/CN113301210B/zh
Publication of CN113301210A publication Critical patent/CN113301210A/zh
Application granted granted Critical
Publication of CN113301210B publication Critical patent/CN113301210B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M3/00—Automatic or semi-automatic exchanges
    • H04M3/22—Arrangements for supervision, monitoring or testing
    • H04M3/2281—Call monitoring, e.g. for law enforcement purposes; Call tracing; Detection or prevention of malicious calls
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M3/00—Automatic or semi-automatic exchanges
    • H04M3/42—Systems providing special services or facilities to subscribers
    • H04M3/436—Arrangements for screening incoming calls, i.e. evaluating the characteristics of a call before deciding whether to answer it
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Security & Cryptography (AREA)
  • Technology Law (AREA)
  • Telephonic Communication Services (AREA)
  • Telephone Function (AREA)

Abstract

本发明涉及一种基于神经网络的防骚扰电话的方法、装置及电子设备，包括：对接入的信令数据执行第一次检测，获取信令数据的特征数据；根据特征数据及匹配结果使用轻量型神经网络进行第二次检测，根据第二次检测确认主叫通话行为特征；根据匹配结果，确定主叫的信令数据是否为骚扰电话或诈骗电话，若为骚扰电话或诈骗电话则对主叫进行重定向；根据主叫通话行为特征对被叫在设定时间内向主叫回拨进行重定向。本发明的有益效果为：通过防护设备，对信令数据的多媒体内容进行检查，实现初步防护，通过轻量级神经网络对信令进行二次检查，以及，对后续进行检查和防护，同时对初步防护的数据模板进行更新，实现了双向防护，并且实施方式经济。

Description

基于神经网络的防骚扰电话的方法、装置及电子设备
技术领域
本发明涉及计算机领域，具体涉及了一种基于神经网络的防骚扰电话的方法、装置及电子设备。
背景技术
电话诈骗指犯罪分子通过电话、网络和短信方式，对受害人进行诱导和诈骗。随着目前犯罪分子的诈骗手段及警惕性，使得诈骗电话的防范难度也越来越高。
针对扁平化电信网络结构，现有技术一般在主叫的入口(即信令接入设备)，以及，本地出口(信令转出或转发设备)设置对应的防护设备，通过防护设备对信令进行检测和拦截，只是一种单一性的防御手段，当接入检测失败时，就无法进行后续的诈骗监控及防护。
现有技术一般只进行一次防护，仅在主叫与被叫的中的入口、出口及手机移动终端进行的单个防护，防护力度有限。
发明内容
本发明的目的在于至少解决现有技术中存在的技术问题之一，提供了一种基于神经网络的防骚扰电话的方法、装置及电子设备，基于轻量级神经网络，实现诈骗电话的双向及过滤式防护。
本发明的技术方案包括一种基于神经网络的防骚扰电话的方法，其特征在于，包括：对接入的信令数据执行第一次检测，获取所述信令数据的特征数据，其中第一次检测包括将所述信令数据与预设的多媒体模板进行匹配，得到匹配结果；根据所述特征数据及所述匹配结果使用轻量型神经网络进行第二次检测，根据所述第二次检测确认主叫通话行为特征；根据所述匹配结果，确定主叫的所述信令数据是否为骚扰电话或诈骗电话，若为骚扰电话或诈骗电话则对主叫进行重定向；根据所述主叫通话行为特征对被叫在设定时间内向主叫回拨进行重定向。
根据所述的基于神经网络的防骚扰电话的方法，其中对接入的信令数据执行第一次检测还包括：
对所述信令数据所包括的多媒体数据进行拆分，获取所述多媒体数据中的文本、声音、图片及视频中的至少一种，其中对包括有声音的多媒体数据仅提取声音，对不包括声音的所述多媒体数据依照优先度高低提取文本及图片，对视频数据通过帧截取的方式获取图片。
根据所述的基于神经网络的防骚扰电话的方法，其中对接入的信令数据执行第一次检测包括：对声音通过声纹识别方法进行检测，将声音按照声纹模板进行预处理，将预处理得到的声音与声纹模板进行对比；对拨号时间段、响铃次数及拨号地点进行检测；以及，对文本采用二分法或哈希算法分析得到关键字，将关键字与危害词库进行对比；得到初步对比结果。
根据所述的基于神经网络的防骚扰电话的方法，若为骚扰电话或诈骗电话则对主叫进行重定向包括：若为诈骗电话，将主叫的信令依照SDP进行转接至专用防护设备，其中诈骗电话为对比结果超过预设值；若为疑似诈骗电话，将主叫的所述信令数据的特征数据发送至所述信令检测模块，其中疑似诈骗电话为对比结果处于预设范围内。
根据所述的基于神经网络的防骚扰电话的方法，其中根据所述特征数据及所述匹配结果使用轻量型神经网络进行第二次检测包括：通过被叫移动终端构建MobileNet v2轻量型神经网络模型，获取主叫的所述图片，使用MobileNet v2轻量型神经网络模型进行第二次预测，得到预测结果。
根据所述的基于神经网络的防骚扰电话的方法，其中MobileNet v2轻量型神经网络模型包括：构建MobileNet v2轻量型神经网络，从存储有诈骗电话多媒体服务器下载若干诈骗电话或骚扰电话的图片数据作为原始数据集；设定超参数，以及，设置MobileNet v2轻量型神经网络宽度和分辨率；采用迭代法对所述原始数据集进行训练，最终得到用于信令检测MobileNet v2轻量型神经网络模型；输入经过初步筛选的多媒体数据中的图片输入至所述MobileNet v2轻量型神经网络模型，得到预测结果。
根据所述的基于神经网络的防骚扰电话的方法，其中原始数据集包括：从存储有诈骗电话多媒体服务器下载若干诈骗电话或骚扰电话的图片数据作为原始数据集。
根据所述的基于神经网络的防骚扰电话的方法，其中根据所述主叫通话行为特征对被叫在设定时间内向主叫回拨进行重定向包括：根据所述预测结果，若检测到主叫为疑似诈骗电话时，在主叫与被叫进行电话沟通后，还对被叫的呼叫进行监控，若被叫在设定时间内以主叫方向原主叫方发起呼叫时，将被叫的信令转接至专用防护设备，通过防护设备对被叫发起提示，并在提示后转接至原主叫。
根据所述的基于神经网络的防骚扰电话的方法，其中该方法还包括：若用户在提示后中断通话，则将主叫的信令数据通过再次检测，并将主叫的信令数据中所包括的多媒体数据按照对应的方式进行存储，并更新所述多媒体模板。
本发明的技术方案还包括一种基于神经网络的防骚扰电话的装置，该装置包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现任一所述的方法步骤。
本发明的技术方案还包括一种电子设备，其使用上述任一的方法步骤。
本发明的有益效果为：通过防护设备，对信令数据的多媒体内容进行检查，实现初步防护，通过轻量级神经网络对信令中包括的图片数据进行二次检查，以及，对后续进行检查和防护，同时对初步防护的数据模板进行更新，实现了双向防护，并且实施方式经济。
附图说明
下面结合附图和实施例对本发明进一步地说明；
图1所示为根据本发明实施方式的总体流程图。
图2所示为根据本发明实施方式的系统结构框图。
图3所示为根据本发明实施方式的信令检测流程图。
图4所示为根据本发明实施方式的系统模块框图。
图5所示为根据本发明实施方式的主叫-被叫的交互示意图。
图6所示为根据本发明实施方式的被叫-主叫的交互示意图。
图7所示为根据本发明实施方式的神经网络构建流程图。
图8所示为根据本发明实施方式的装置示意图。
具体实施方式
本部分将详细描述本发明的具体实施例，本发明之较佳实施例在附图中示出，附图的作用在于用图形补充说明书文字部分的描述，使人能够直观地、形象地理解本发明的每个技术特征和整体技术方案，但其不能理解为对本发明保护范围的限制。
在本发明的描述中，若干的含义是一个或者多个，多个的含义是两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。
在本发明的描述中，对方法步骤的连续标号是为了方便审查和理解，结合本发明的整体技术方案以及各个步骤之间的逻辑关系，调整步骤之间的实施顺序并不会影响本发明技术方案所达到的技术效果。
本发明的描述中，除非另有明确的限定，设置等词语应做广义理解，所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明中的具体含义。
图1所示为根据本发明实施方式的总体流程图。该流程包括：对接入的信令数据执行第一次检测，获取信令数据的特征数据，其中第一次检测包括将信令数据与预设的多媒体模板进行匹配，得到匹配结果；根据特征数据及匹配结果使用轻量型神经网络进行第二次检测，根据第二次检测确认主叫通话行为特征；根据匹配结果，确定主叫的信令数据是否为骚扰电话或诈骗电话，若为骚扰电话或诈骗电话则对主叫进行重定向；根据主叫通话行为特征对被叫在设定时间内向主叫回拨进行重定向。
如图2所示，本发明的实施例，图中包括主叫、被叫、入口、出口、防护装置及服务器，主叫为信令发送者，信令数据为多媒体数据主要以语音、图片、文字及视频。入口对主叫的多媒体数据进行初步筛选，先对图片、语音及文字进行筛选，如果检测到图片、语音及文字符合诈骗电话的特征，则在入口将主叫的信息转接至防护设备。被叫移动终端对初步筛选的信令的多媒体数据中的图片进行二次筛选，本发明的实施方式采用MobileNet v2轻量型神经网络进行预测和识别，因为MobileNet v2轻量型神经网络为低维的1x1卷积核网络，卷积运算速度快，适用于移动手机的使用。图中服务器用于存储语音、声音及诈骗电话特征的参照模板，以及提供用于神经网络的数据集，还根据移动终端的识别对参照模板进行更新。
图3所示为根据本发明实施方式的流程图。图3中，
第一次检测主要包括：对声音通过声纹识别方法进行检测，将声音按照声纹模板进行预处理，将预处理得到的声音与声纹模板进行对比；对拨号时间段、响铃次数及拨号地点进行检测；以及，对文本采用二分法或哈希算法分析得到关键字，将关键字与危害词库进行对比；得到初步对比结果。
第二次检测包括：采集不同诈骗电话的通话数据中的拨号时间段、响铃次数及拨号地点，作为原始数据集；设定超参数，以及，设置MobileNet v2轻量型神经网络宽度和分辨率；采用迭代法对原始数据集进行训练，最终得到用于信令检测MobileNet v2轻量型神经网络模型。
对于检测到主叫为诈骗电话或骚扰电话，以及，正常通话时，将诈骗电话或骚扰电话的特征写入服务器的监控名单，服务器的监控名单按照固定的短时间段内与防护设备、移动终端同步，而将正常通话不计入服务器的关注名单。
图4所示为根据本发明实施方式的系统模块框图，包括：数据接入模块，用于对接入的信令数据执行第一次检测，获取信令数据的特征数据，其中第一次检测包括将信令数据与预设的多媒体模板进行匹配，得到匹配结果；信令检测模块，用于根据特征数据及匹配结果使用轻量型神经网络进行第二次检测，根据第二次检测确认主叫通话行为特征；重定向模块，根据匹配结果，确定主叫的信令数据是否为骚扰电话或诈骗电话，若为骚扰电话或诈骗电话则对主叫进行重定向，以及，还包括根据主叫通话行为特征对被叫在设定时间内向主叫回拨进行重定向。
图5所示为根据本发明实施方式的主叫-被叫的交互示意图。结合图4，信令数据所包括的多媒体数据进行拆分，获取多媒体数据中的文本、声音、图片及视频，其中对包括有声音的多媒体数据仅提取声音，对不包括声音的多媒体数据依照优先度高低提取文本及图片，对视频数据通过帧截取的方式获取图片。数据接入模块通过对声音通过声纹识别方法进行检测，将声音按照声纹模板进行预处理，将预处理得到的声音与声纹模板进行对比；对图片进行特征提取，将提取的文字与关键字库进行对比；根据对比的图像和文字，确定主叫是否为诈骗电话或者疑似诈骗电话。根据的信令串接媒体重定向的防诈骗电话接入系统，其中若为骚扰电话或诈骗电话则对主叫进行重定向包括：若为诈骗电话，将主叫的信令依照SDP进行转接至专用防护设备，其中诈骗电话为对比结果超过预设值；若为疑似诈骗电话，将主叫的信令数据的特征数据发送至信令检测模块，其中疑似诈骗电话为对比结果处于预设范围内。
图6所示为根据本发明实施方式的被叫-主叫的交互示意图。结合图4，主叫通话行为特征对被叫在设定时间内向主叫回拨进行重定向包括：若数据接入模块及信令检测模块检测到主叫为疑似诈骗电话时，在主叫与被叫进行电话沟通后，还对被叫的呼叫进行监控，若被叫在设定时间内以主叫方向原主叫方发起呼叫时，将被叫的信令转接至专用防护设备，通过防护设备对被叫发起提示，并在提示后转接至新的主叫。
图7所示为根据本发明实施方式的神经网络构建流程图。其包括：
通过被叫移动终端构建MobileNet v2轻量型神经网络模型，采集不同诈骗电话的通话数据中的拨号时间段、响铃次数及拨号地点，作为原始数据集；设定超参数，以及，设置MobileNet v2轻量型神经网络宽度和分辨率；采用迭代法对原始数据集进行训练，最终得到用于信令检测MobileNet v2轻量型神经网络模型。
图8所示为根据本发明实施方式的装置示意图，装置包括存储器100及处理器200，其中处理器200存储有计算机程序，计算机程序用于执行：对接入的信令数据执行第一次检测，获取信令数据的特征数据，其中第一次检测包括将信令数据与预设的多媒体模板进行匹配，得到匹配结果；根据特征数据及匹配结果使用轻量型神经网络进行第二次检测，根据第二次检测确认主叫通话行为特征；根据匹配结果，确定主叫的信令数据是否为骚扰电话或诈骗电话，若为骚扰电话或诈骗电话则对主叫进行重定向；根据主叫通话行为特征对被叫在设定时间内向主叫回拨进行重定向。其中，存储器100用于存储数据。
应当认识到，本发明实施例中的方法步骤可以由计算机硬件、硬件和软件的组合、或者通过存储在非暂时性计算机可读存储器中的计算机指令来实现或实施。所述方法可以使用标准编程技术。每个程序可以以高级过程或面向对象的编程语言来实现以与计算机系统通信。然而，若需要，该程序可以以汇编或机器语言实现。在任何情况下，该语言可以是编译或解释的语言。此外，为此目的该程序能够在编程的专用集成电路上运行。
此外，可按任何合适的顺序来执行本文描述的过程的操作，除非本文另外指示或以其他方式明显地与上下文矛盾。本文描述的过程(或变型和/或其组合)可在配置有可执行指令的一个或多个计算机系统的控制下执行，并且可作为共同地在一个或多个处理器上执行的代码(例如，可执行指令、一个或多个计算机程序或一个或多个应用)、由硬件或其组合来实现。所述计算机程序包括可由一个或多个处理器执行的多个指令。
进一步，所述方法可以在可操作地连接至合适的任何类型的计算平台中实现，包括但不限于个人电脑、迷你计算机、主框架、工作站、网络或分布式计算环境、单独的或集成的计算机平台、或者与带电粒子工具或其它成像装置通信等等。本发明的各方面可以以存储在非暂时性存储介质或设备上的机器可读代码来实现，无论是可移动的还是集成至计算平台，如硬盘、光学读取和/或写入存储介质、RAM、ROM等，使得其可由可编程计算机读取，当存储介质或设备由计算机读取时可用于配置和操作计算机以执行在此所描述的过程。此外，机器可读代码，或其部分可以通过有线或无线网络传输。当此类媒体包括结合微处理器或其他数据处理器实现上文所述步骤的指令或程序时，本文所述的发明包括这些和其他不同类型的非暂时性计算机可读存储介质。当根据本发明所述的方法和技术编程时，本发明还包括计算机本身。
计算机程序能够应用于输入数据以执行本文所述的功能，从而转换输入数据以生成存储至非易失性存储器的输出数据。输出信息还可以应用于一个或多个输出设备如显示器。在本发明优选的实施例中，转换的数据表示物理和有形的对象，包括显示器上产生的物理和有形对象的特定视觉描绘。
上面结合附图对本发明实施例作了详细说明，但是本发明不限于上述实施例，在技术领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化。

Claims (11)

1.一种基于神经网络的防骚扰电话的方法，其特征在于，包括：
对接入的信令数据执行第一次检测，获取所述信令数据的特征数据，其中第一次检测包括将所述信令数据与预设的多媒体模板进行匹配，得到匹配结果；
根据所述特征数据及所述匹配结果使用轻量型神经网络进行第二次检测，根据所述第二次检测确认主叫通话行为特征；
根据所述匹配结果，确定主叫的所述信令数据是否为骚扰电话或诈骗电话，若为骚扰电话或诈骗电话则对主叫进行重定向；
根据所述主叫通话行为特征对被叫在设定时间内向主叫回拨进行重定向。
2.根据权利要求1所述的基于神经网络的防骚扰电话的方法，其特征在于，所述对接入的信令数据执行第一次检测还包括：
对所述信令数据所包括的多媒体数据进行拆分，获取所述多媒体数据中的文本、声音、图片及视频中的至少一种，其中对包括有声音的多媒体数据仅提取声音，对不包括声音的所述多媒体数据依照优先度高低提取文本及图片，对视频数据通过帧截取的方式获取图片。
3.根据权利要求2所述的基于神经网络的防骚扰电话的方法，其特征在于，所述对接入的信令数据执行第一次检测包括：
对声音通过声纹识别方法进行检测，将声音按照声纹模板进行预处理，将预处理得到的声音与声纹模板进行对比；
对拨号时间段、响铃次数及拨号地点进行检测；
以及，对文本采用二分法或哈希算法分析得到关键字，将关键字与危害词库进行对比；
得到初步对比结果。
4.根据权利要求3所述的基于神经网络的防骚扰电话的方法，其特征在于，所述若为骚扰电话或诈骗电话则对主叫进行重定向包括：
若为诈骗电话，将主叫的信令依照SDP进行转接至专用防护设备，其中诈骗电话为对比结果超过预设值；
若为疑似诈骗电话，将主叫的所述信令数据的特征数据发送至所述信令检测模块，其中疑似诈骗电话为对比结果处于预设范围内。
5.根据权利要求3所述的基于神经网络的防骚扰电话的方法，其特征在于，所述根据所述特征数据及所述匹配结果使用轻量型神经网络进行第二次检测包括：
通过被叫移动终端构建MobileNet v2轻量型神经网络模型，获取主叫的所述图片，使用MobileNet v2轻量型神经网络模型进行第二次预测，得到预测结果。
6.根据权利要求5所述的基于神经网络的防骚扰电话的方法，其特征在于，所述MobileNet v2轻量型神经网络模型包括：
构建MobileNet v2轻量型神经网络，从存储有诈骗电话多媒体服务器下载若干诈骗电话或骚扰电话的图片数据作为原始数据集；
设定超参数，以及，设置MobileNet v2轻量型神经网络宽度和分辨率；
采用迭代法对所述原始数据集进行训练，最终得到用于信令检测MobileNet v2轻量型神经网络模型；
输入经过初步筛选的多媒体数据中的图片输入至所述MobileNet v2轻量型神经网络模型，得到预测结果。
7.根据权利要求6所述的基于神经网络的防骚扰电话的方法，其特征在于，所述原始数据集包括：
从存储有诈骗电话多媒体服务器下载若干诈骗电话或骚扰电话的图片数据作为原始数据集。
8.根据权利要求6所述的基于神经网络的防骚扰电话的方法，其特征在于，所述根据所述主叫通话行为特征对被叫在设定时间内向主叫回拨进行重定向包括：
根据所述预测结果，若检测到主叫为疑似诈骗电话时，在主叫与被叫进行电话沟通后，还对被叫的呼叫进行监控，若被叫在设定时间内以主叫方向原主叫方发起呼叫时，将被叫的信令转接至专用防护设备，通过防护设备对被叫发起提示，并在提示后转接至原主叫。
9.根据权利要求7所述的基于神经网络的防骚扰电话的方法，其特征在于，该方法还包括：
若用户在提示后中断通话，则将主叫的信令数据通过再次检测，并将主叫的信令数据中所包括的多媒体数据按照对应的方式进行存储，并更新所述多媒体模板。
10.一种基于神经网络的防骚扰电话的装置，该装置包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1-9任一所述的方法步骤。
11.一种电子设备，其使用如权利要求1-9任一所述的方法步骤。
CN202110413443.3A 2021-04-16 2021-04-16 基于神经网络的防骚扰电话的方法、装置及电子设备 Active CN113301210B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110413443.3A CN113301210B (zh) 2021-04-16 2021-04-16 基于神经网络的防骚扰电话的方法、装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110413443.3A CN113301210B (zh) 2021-04-16 2021-04-16 基于神经网络的防骚扰电话的方法、装置及电子设备

Publications (2)

Publication Number Publication Date
CN113301210A true CN113301210A (zh) 2021-08-24
CN113301210B CN113301210B (zh) 2023-05-23

Family

ID=77318800

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110413443.3A Active CN113301210B (zh) 2021-04-16 2021-04-16 基于神经网络的防骚扰电话的方法、装置及电子设备

Country Status (1)

Country Link
CN (1) CN113301210B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016197675A1 (zh) * 2015-06-10 2016-12-15 中兴通讯股份有限公司 骚扰电话的识别方法及装置
CN108366173A (zh) * 2018-01-05 2018-08-03 腾讯科技（深圳）有限公司 一种电话识别方法、相关设备及系统
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
CN110401779A (zh) * 2018-04-24 2019-11-01 中国移动通信集团有限公司 一种识别电话号码的方法、装置和计算机可读存储介质
GB2584827A (en) * 2019-05-28 2020-12-23 Ai First Ltd Multilayer set of neural networks

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016197675A1 (zh) * 2015-06-10 2016-12-15 中兴通讯股份有限公司 骚扰电话的识别方法及装置
CN108366173A (zh) * 2018-01-05 2018-08-03 腾讯科技（深圳）有限公司 一种电话识别方法、相关设备及系统
CN110401779A (zh) * 2018-04-24 2019-11-01 中国移动通信集团有限公司 一种识别电话号码的方法、装置和计算机可读存储介质
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
GB2584827A (en) * 2019-05-28 2020-12-23 Ai First Ltd Multilayer set of neural networks

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
袁雅涵: "基于集成学习的异常电话识别分析与建模" *

Also Published As

Publication number Publication date
CN113301210B (zh) 2023-05-23

Similar Documents

Publication Publication Date Title
US10535019B2 (en) Bot-based data collection for detecting phone solicitations
CN107566358B (zh) 一种风险预警提示方法、装置、介质及设备
CN106534463B (zh) 一种陌生来电处理方法、装置、终端及服务器
JP6731529B1 (ja) 単一画素攻撃サンプルの生成方法、装置、設備及び記憶媒体
CN103366149B (zh) 移动终端处理可视化图形编码的方法和装置
CN112416730A (zh) 一种用户上网行为分析方法、装置、电子设备及存储介质
CN113889118A (zh) 一种诈骗电话识别方法、装置、计算机设备及存储介质
CN110493476B (zh) 一种检测方法、装置、服务器及存储介质
CN112333709B (zh) 一种跨网络涉诈关联分析方法、系统及计算机存储介质
CN111131629A (zh) 骚扰电话的处理方法、装置、存储介质以及终端
CN110113748B (zh) 骚扰电话监控方法、装置
CN111310612A (zh) 行为督导方法和装置
CN108777749B (zh) 一种诈骗电话识别方法及装置
CN117252429A (zh) 风险用户的识别方法、装置、存储介质及电子设备
CN113301210A (zh) 基于神经网络的防骚扰电话的方法、装置及电子设备
CN115688107A (zh) 一种涉诈app检测系统和方法
EP4156665A1 (en) Techniques to enable protection against voice phishing of a telephone call
US11277510B2 (en) Preventing foreign initiated fraudulent or unauthorized use of calling service
CN114189585B (zh) 骚扰电话异常检测方法、装置及计算设备
CN108898167A (zh) 失信号码的显示方法及装置
CN114363465A (zh) 信息处理方法、装置、设备及存储介质
CN113850197A (zh) 业务处理方法、装置和电子设备
CN109740369A (zh) 一种信息隐写的检测方法及装置
KR102690048B1 (ko) 불법 자동응답 서비스를 탐지하기 위한 탐지 장치 및 방법
CN114611107B (zh) 一种基于超分辨特征图像的安卓恶意软件分类方法

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20231227

Address after: 519060 No.1, Pingdong 1st Road, Nanping Science and Technology Industrial Park, Zhuhai City, Guangdong Province

Patentee after: ZHUHAI COMLEADER INFORMATION TECHNOLOGY Co.,Ltd.

Patentee after: HENAN XINDA WANGYU TECHNOLOGY Co.,Ltd.

Address before: 519060 No.1, Pingdong 1st Road, Nanping Science and Technology Industrial Park, Zhuhai City, Guangdong Province

Patentee before: ZHUHAI COMLEADER INFORMATION TECHNOLOGY Co.,Ltd.