CN113572899B - 一种基于端边网云协同的防电话诈骗的方法及系统 - Google Patents
一种基于端边网云协同的防电话诈骗的方法及系统 Download PDFInfo
- Publication number
- CN113572899B CN113572899B CN202110753090.1A CN202110753090A CN113572899B CN 113572899 B CN113572899 B CN 113572899B CN 202110753090 A CN202110753090 A CN 202110753090A CN 113572899 B CN113572899 B CN 113572899B
- Authority
- CN
- China
- Prior art keywords
- cloud
- terminal
- call
- telephone
- recognition model
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 230000002265 prevention Effects 0.000 title claims abstract description 21
- 238000003745 diagnosis Methods 0.000 claims abstract description 29
- 238000012549 training Methods 0.000 claims abstract description 22
- 238000004891 communication Methods 0.000 claims abstract description 11
- 230000005540 biological transmission Effects 0.000 claims description 9
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 9
- 230000002195 synergetic effect Effects 0.000 abstract description 4
- 230000008901 benefit Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- VEMKTZHHVJILDY-UHFFFAOYSA-N resmethrin Chemical compound CC1(C)C(C=C(C)C)C1C(=O)OCC1=COC(CC=2C=CC=CC=2)=C1 VEMKTZHHVJILDY-UHFFFAOYSA-N 0.000 description 1
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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
- H04W12/12—Detection or prevention of fraud
Landscapes
- Engineering & Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Signal Processing (AREA)
- Technology Law (AREA)
- Computer Networks & Wireless Communication (AREA)
- Telephone Function (AREA)
- Telephonic Communication Services (AREA)
Abstract
本发明公开一种基于端边网云协同的防电话诈骗的方法及系统,在多接入边缘计算节点实现,包括:接收终端发送的通话特征信息,通话特征信息在终端对来电号码进行初步诊断后发送;接收云端发送的电话诈骗识别模型,电话诈骗识别模型由云端基于训练样本构建并训练得到;基于电话诈骗识别模型对通话特征信息进行判断,根据判断结果向终端发送报警信息,并将通话特征信息以及判断结果上传至云端,以便由云端更新训练样本,并对电话诈骗识别模型进行优化。将在终端得到的通话特征和在云端预先训练的识别模型均发送至多接入边缘计算节点,在多接入边缘计算节点进行识别判断过程,充分发挥终端、多接入边缘计算节点、网络、云端的协同效应,在不增加终端复杂度的同时,有效提升识别效率和准确性。
Description
技术领域
本发明涉及移动通信技术领域,特别是涉及一种基于端边网云协同的防电话诈骗的方法及系统。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息,不必然构成在先技术。
目前防止电话诈骗主要有两类方法,一类是像百度、奇虎、腾讯的互联网公司,通过手机助手、号码通、手机管家的终端软件,依靠用户自发去标记接到的号码,由后台记录大量用户的标记信息后,建立号码标记数据库,通过服务器下发到所有终端以提示用户。另一类识别方法是通过语音识别技术,通过识别疑似通话中是否出现关键性的语音语义来识别。例如:专利申请《201611131997.X-一种防止电话诈骗的方法、装置及移动终端》提出一种防止电话诈骗的方法,公开了接收到呼叫请求时,根据预先建立的号码识别库,判断呼叫类型;若呼叫类型为未知号码呼叫,则确定该未知号码的诈骗标记类型,根据诈骗标记类型进行相应的防诈骗处理操作;呼叫接通后,实时监控通话内容,对通话内容进行危险等级判定,根据危险等级进行相应防诈骗处理操作;若通话内容的危险等级高于设定的危险等级,呼叫结束后,监控后续设定时间段内的用户操作行为,当监控到指定的操作行为时,执行相应的防诈骗处理操作。
但是,发明人发现现有技术至少存在以下问题:
对于第一类方法,主要有两个问题,一是用户标记信息未必完全且准确,二是数据更新滞后,呼叫着可以通过不停更新号码的方式避开号码标记数据库中的被标记号码。
对于第二类方法,存在以下缺点:
(1)通话过程中需要终端实时监控通话内容,增加终端的复杂度和成本。
(2)在防止电话诈骗过程中没有充分利用终端、多接入边缘计算节点、网络、云端的协同,在识别效率和准确性上有待提高。
(3)在分析到可疑或危险内容时,用户可以提前设置自动挂断,那么需要提前设置具体遇到哪些可疑或危险内容时自动挂断,而且随着电话诈骗花样不断增多,采用提前设置方式自动挂断电话已经无法满足需求。
(4)现有方法仅涉及到如何保护用户,而对电话诈骗实施者无任何动作。
发明内容
为了解决上述问题,本发明提出了一种基于端边网云协同的防电话诈骗的方法及系统,将在终端得到的通话特征和在云端预先训练的识别模型均发送至多接入边缘计算节点,在多接入边缘计算节点进行识别判断过程,充分发挥终端、多接入边缘计算节点、网络、云端的优势和协同效应,在不增加终端复杂度的同时,有效提升识别效率和准确性。
为了实现上述目的,本发明采用如下技术方案:
第一方面,本发明提供一种基于端边网云协同的防电话诈骗的方法,在多接入边缘计算节点实现,包括:
接收终端发送的通话特征信息,所述通话特征信息在终端对来电号码及敏感词进行初步诊断后发送;
接收云端发送的电话诈骗识别模型,所述电话诈骗识别模型由云端基于训练样本构建并训练得到;
基于电话诈骗识别模型对通话特征信息进行判断,根据判断结果向终端发送报警信息,并将通话特征信息以及判断结果上传至云端,以便由云端更新训练样本,并对电话诈骗识别模型进行优化。
作为可选择的实施方式,多接入边缘计算节点通过5GuRLLC或eMBB网络切片接收终端发送的通话特征信息和云端发送的电话诈骗识别模型。
作为可选择的实施方式,在终端通过由云端发送的初步诊断识别规则对来电号码进行初步诊断。
作为可选择的实施方式,初步诊断识别规则包括已有诈骗电话清单及敏感词清单,由终端将来电号码与已有诈骗电话清单进行匹配,将来电与已有敏感词清单进行匹配。
作为可选择的实施方式,经终端的初步诊断后,若初步诊断结果无异常,则由终端发送通话特征信息至多接入边缘计算节点。
作为可选择的实施方式,所述通话特征信息包含:通话声纹、敏感词识别结果、通话频次、通话时长。
作为可选择的实施方式,云端基于历史电话诈骗数据作为训练样本,构建并训练发送至多接入边缘计算节点的电话诈骗识别模型和发送至终端的初步诊断识别规则。
第二方面,本发明提供一种多接入边缘计算平台,包括:
第一接收单元,被配置为接收终端发送的通话特征信息,所述通话特征信息在终端对来电号码及敏感词进行初步诊断后发送;
第二接收单元,被配置为接收云端发送的电话诈骗识别模型,所述电话诈骗识别模型由云端基于训练样本构建并训练得到;
决策单元,被配置为基于电话诈骗识别模型对通话特征信息进行判断;
发送单元,被配置为根据判断结果向终端发送报警信息,并将通话特征信息以及判断结果上传至云端,以便由云端更新训练样本,并对电话诈骗识别模型进行优化。
第三方面,本发明提供一种云端平台,包括:
计算单元,被配置为基于训练样本构建并训练得到电话诈骗识别模型及初步诊断识别规则;
发送单元,被配置为将电话诈骗识别模型发送至多接入边缘计算平台,将初步诊断识别规则发送至终端;
接收单元,被配置为接收多接入边缘计算平台上传的通话特征信息以及判断结果。
第四方面,本发明提供一种基于端边网云协同的防电话诈骗的系统,包括:第二方面所述的多接入边缘计算平台、第三方面所述的云端平台和终端;多接入边缘计算平台、云端平台和终端之间通过5G通信网络进行数据传输。
与现有技术相比,本发明的有益效果为:
本发明基于端边网云协同的防止电话诈骗的方法及系统,充分发挥终端、多接入边缘计算节点、网络、云端四个方面的优势和协同效应,在不增加终端复杂度的同时,提升用户通话信息传输的安全性及电话诈骗识别的准确性、实时性。
相比通过云端识别电话诈骗,本发明通过终端与多接入边缘计算节点协同识别,减少了信息经过的设备节点数量及传输路径长度,降低了信息传输过程中的故障率,相应的降低了电话诈骗误判、漏判的概率。
本发明通过5G网络的uRLLC切片,将终端的通话特征信息和云端的识别模型传输至MEC节点,具备超可靠、低时延通信的优势,确保传输信息的可靠性、安全性和实时性。
在本发明中,在现有终端配置的基础上增加相关软件实现对通话特征信息的识别,基于识别规则进行简单匹配,不增加终端的复杂度和成本。
在本发明中,MEC节点接收通过5G网络的uRLLC或eMBB切片传送的信息,基于自身的高端配置及云端推送的识别模型进行高效分析,降低识别时延,降低信息传输对网络的压力。
在本发明中,由云端针对收集到的全局电话诈骗样本进行分析和学习,并将识别模型及规则推送至MEC、终端,提升识别的准确性。
本发明附加方面的优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。
图1为本发明实施例1提供的基于端边网云协同的防电话诈骗的方法流程图;
图2为本发明实施例2提供的多接入边缘计算平台示意图;
图3为本发明实施例3提供的云端平台示意图;
图4为本发明实施例4提供的基于端边网云协同的防电话诈骗的系统示意图。
具体实施方式:
下面结合附图与实施例对本发明做进一步说明。
应该指出,以下详细说明都是示例性的,旨在对本发明提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本发明的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
实施例1
5G移动通信技术不仅考虑满足人与人的通信需求,还考虑满足人与物、物与物的通信需求,所以引入网络切片,网络切片是通过虚拟化将一个物理网络分成多个端到端的的逻辑网络,每一个虚拟网络对应不同的应用场景。目前主要有eMBB(增强移动宽带)、mMTC(海量机器连接)和uRLLC(超高可靠、低时延)三大类切片;对于eMBB类切片,可以提供100Mbps~1Gbps的用户体验速率;对于uRLLC类切片,可以提供mS级时延和99.999%的可靠性,另一方面,通过逻辑隔离,使网络传输更安全。此外,从传统的云计算技术演化发展而来的边缘计算(MEC)技术将强计算资源和高效服务下沉到网络边缘端,从而拥有更低的时延、更低的带宽占用、更高的能效和更好的隐私保护性。
基于此,本实施例提供一种基于端边网云协同的防电话诈骗的方法,在多接入边缘计算节点实现,如图1所示,包括:
S1:接收终端发送的通话特征信息,所述通话特征信息在终端对来电号码及敏感词进行初步诊断后发送;
S2:接收云端发送的电话诈骗识别模型,所述电话诈骗识别模型由云端基于训练样本构建并训练得到;
S3:基于电话诈骗识别模型对通话特征信息进行判断,根据判断结果向终端发送报警信息,并将通话特征信息以及判断结果上传至云端,以便由云端更新训练样本,并对电话诈骗识别模型进行优化。
在步骤S1中,终端对来电号码进行初步诊断的过程中基于由云端发送的初步诊断识别规则,用户接收呼叫请求后,在终端根据初步诊断识别规则判断来电号码是否为诈骗电话,如是,则提醒用户为电话诈骗,建议阻止接入,实现事前预警;
在本实施例中,初步诊断识别规则包括已有诈骗电话清单、敏感词识别等;
优选地,终端将来电号码与云端推送的已有诈骗电话清单进行匹配,如匹配成功,则为电话诈骗。
在本实施例中,经终端的初步诊断后,若来电号码与已有诈骗电话清单不匹配,初步诊断结果无异常时,则由终端向MEC节点发送初步诊断识别规则的处理结果,即通话特征信息;
优选地,所述通话特征信息包含但不仅限:通话声纹、敏感词识别结果、通话频次、通话时长等;
优选地,在终端可通过预下载的安全软件基于初步诊断识别规则得到通话特征信息。
在步骤S2中,云端基于电话诈骗训练样本,通过人工智能技术,构建并训练电话诈骗识别模型,将电话诈骗识别模型推送至多接入边缘计算节点MEC;
优选地,人工智能技术如深度学习算法等。
在本实施例中,终端将通话特征信息通过5G uRLLC网络切片上传至多接入边缘计算节点MEC,云端通过5G网络将电话诈骗识别模型传送至多接入边缘计算节点MEC,5G网络具有超可靠、低时延通信的优点,通过建立5G uRLLC(超可靠、低时延通信)或eMBB(增强移动宽带)网络切片,能够实时且安全的在终端、MEC及云端平台之间传输信息。
在步骤S3中,多接入边缘计算节点MEC通过5G网络接收终端发送的通话特征信息,通过5G网络接收云端发送的电话诈骗识别模型,基于电话诈骗识别模型对通话特征信息进行判断;
如不是电话诈骗,则正常通话;如涉及电话诈骗,向终端发送报警信息,由终端进行预警;若用户中断通话,则将本次通话信息、通话判断过程作为案例样本上传云端平台及公安系统。
优选地,上传至云端后,将历史电话诈骗数据及多接入边缘计算节点MEC上传的电话诈骗信息作为新的训练样本,对发送至多接入边缘计算节点的电话识别模型及发送至终端的初步诊断识别规则进行更新。
在本实施例中,在用户签约自动挂断业务前提下,当分析到可疑或危险内容时,运营商侧可直接中断通话;在结束通话后,还将识别出的诈骗电话相关信息上传至公安系统,以便对诈骗实施者采取相关措施。
本实施例基于端边网云协同,充分发挥终端(例如:事前号码匹配、敏感词匹配)、多接入边缘计算节点(事中基于云端推送识别模型识别)、网络(超可靠、低时延、高安全)、云端(利用全局样本案例构建识别模型和识别规则)四个方面的优势和协同效应,在不增加终端复杂度的同时,提升用户通话信息传输的安全性及电话诈骗识别的准确性、实时性。
实施例2
如图2所示,本实施例提供一种多接入边缘计算平台,包括:
第一接收单元,被配置为接收终端发送的通话特征信息,所述通话特征信息在终端对来电号码及敏感词进行初步诊断后发送;
第二接收单元,被配置为接收云端发送的电话诈骗识别模型,所述电话诈骗识别模型由云端基于训练样本构建并训练得到;
决策单元,被配置为基于电话诈骗识别模型对通话特征信息进行判断;
发送单元,被配置为根据判断结果向终端发送报警信息,并将通话特征信息以及判断结果上传至云端,以便由云端更新训练样本,并对电话诈骗识别模型进行优化。
在本实施例中,多接入边缘计算平台还包括存储单元,被配置为存储接收到的终端发送的通话特征信息及云端发送的电话诈骗识别模型。
在本实施例中,多接入边缘计算平台还包括更新单元,被配置为更新存储单元中的数据。
实施例3
如图3所示,本实施例提供一种云端平台,包括:
计算单元,被配置为基于训练样本构建并训练得到电话诈骗识别模型及初步诊断识别规则;
发送单元,被配置为将电话诈骗识别模型发送至多接入边缘计算平台,将初步诊断识别规则发送至终端;
接收单元,被配置为接收多接入边缘计算平台上传的通话特征信息以及判断结果。
在本实施例中,云端平台还包括存储单元,被配置为存储多接入边缘计算平台上传的电话诈骗信息。
在本实施例中,云端平台还包括更新单元,被配置为根据存储多接入边缘计算平台上传的电话诈骗信息更新训练样本,并对电话诈骗识别模型和初步诊断识别规则进行优化。
实施例4
如图4所示,本实施例提供一种基于端边网云协同的防电话诈骗的系统,包括:实施例2所述的多接入边缘计算平台、实施例3所述的云端平台和终端;多接入边缘计算平台、云端平台和终端之间通过5G通信网络进行数据传输。
此处需要说明的是,上述单元模块对应于实施例1中所述的步骤,上述模块与对应的步骤所实现的示例和应用场景相同,但不限于上述实施例1所公开的内容。需要说明的是,上述模块作为系统的一部分可以在诸如一组计算机可执行指令的计算机系统中执行。
以上仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (9)
1.一种基于端边网云协同的防电话诈骗的方法,在多接入边缘计算节点实现,其特征在于,包括:
接收终端发送的通话特征信息,所述通话特征信息在终端基于云端发送的规则对来电号码及敏感词进行初步诊断后发送;
接收云端发送的电话诈骗识别模型,所述电话诈骗识别模型由云端基于训练样本构建并训练得到;
基于电话诈骗识别模型对通话特征信息进行判断,根据判断结果向终端发送报警信息,并将通话特征信息以及判断结果上传至云端,以便由云端更新训练样本,并对电话诈骗识别模型进行优化;
多接入边缘计算节点通过5G uRLLC或eMBB网络切片接收终端发送的通话特征信息和云端发送的电话诈骗识别模型。
2.如权利要求1所述的一种基于端边网云协同的防电话诈骗的方法,其特征在于,在终端通过由云端发送的初步诊断识别规则对来电号码进行初步诊断。
3.如权利要求2所述的一种基于端边网云协同的防电话诈骗的方法,其特征在于,初步诊断识别规则包括已有诈骗电话清单及敏感词清单,由终端将来电号码与已有诈骗电话清单进行匹配并与已有敏感词清单进行匹配。
4.如权利要求1所述的一种基于端边网云协同的防电话诈骗的方法,其特征在于,经终端的初步诊断后,若初步诊断结果无异常,则由终端发送通话特征信息至多接入边缘计算节点。
5.如权利要求1所述的一种基于端边网云协同的防电话诈骗的方法,其特征在于,所述通话特征信息包含:通话声纹、敏感词识别结果、通话频次、通话时长。
6.如权利要求1所述的一种基于端边网云协同的防电话诈骗的方法,其特征在于,云端基于历史电话诈骗数据作为训练样本,构建并训练发送至多接入边缘计算节点的电话诈骗识别模型和发送至终端的初步诊断识别规则。
7.一种多接入边缘计算平台,其特征在于,包括:
第一接收单元,被配置为接收终端发送的通话特征信息,所述通话特征信息在终端基于云端发送的规则对来电号码及敏感词进行初步诊断后发送;
第二接收单元,被配置为接收云端发送的电话诈骗识别模型,所述电话诈骗识别模型由云端基于训练样本构建并训练得到;
决策单元,被配置为基于电话诈骗识别模型对通话特征信息进行判断;
发送单元,被配置为根据判断结果向终端发送报警信息,并将通话特征信息以及判断结果上传至云端,以便由云端更新训练样本,并对电话诈骗识别模型进行优化;
多接入边缘计算节点通过5G uRLLC或eMBB网络切片接收终端发送的通话特征信息和云端发送的电话诈骗识别模型。
8.一种云端平台,包括:
计算单元,被配置为基于训练样本构建并训练得到电话诈骗识别模型及初步诊断识别规则;
发送单元,被配置为将电话诈骗识别模型发送至多接入边缘计算平台,将初步诊断识别规则发送至终端;
接收单元,被配置为接收多接入边缘计算平台上传的通话特征信息以及判断结果。
9.一种基于端边网云协同的防电话诈骗的系统,包括:权利要求7所述的多接入边缘计算平台、权利要求8所述的云端平台和终端;多接入边缘计算平台、云端平台和终端之间通过5G通信网络进行数据传输。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110753090.1A CN113572899B (zh) | 2021-07-02 | 2021-07-02 | 一种基于端边网云协同的防电话诈骗的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110753090.1A CN113572899B (zh) | 2021-07-02 | 2021-07-02 | 一种基于端边网云协同的防电话诈骗的方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113572899A CN113572899A (zh) | 2021-10-29 |
CN113572899B true CN113572899B (zh) | 2024-03-22 |
Family
ID=78163578
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110753090.1A Active CN113572899B (zh) | 2021-07-02 | 2021-07-02 | 一种基于端边网云协同的防电话诈骗的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113572899B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106303058A (zh) * | 2016-08-24 | 2017-01-04 | 成都中英锐达科技有限公司 | 防诈骗语音识别方法及系统 |
CN109803055A (zh) * | 2018-12-21 | 2019-05-24 | 中国人民解放军战略支援部队信息工程大学 | 一种电信网络诈骗电话在线检出与控制装置及方法 |
CN112861793A (zh) * | 2021-03-11 | 2021-05-28 | 天津市智慧物联信息技术研究院 | 一种基于5g边缘计算技术的图像识别服务集成方法 |
CN113010305A (zh) * | 2021-02-08 | 2021-06-22 | 北京邮电大学 | 部署在边缘计算网络中的联邦学习系统及其学习方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11455714B2 (en) * | 2019-07-25 | 2022-09-27 | Verizon Patent And Licensing Inc. | Multi-access edge computing methods and systems for computer-vision-based product compliance verification |
-
2021
- 2021-07-02 CN CN202110753090.1A patent/CN113572899B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106303058A (zh) * | 2016-08-24 | 2017-01-04 | 成都中英锐达科技有限公司 | 防诈骗语音识别方法及系统 |
CN109803055A (zh) * | 2018-12-21 | 2019-05-24 | 中国人民解放军战略支援部队信息工程大学 | 一种电信网络诈骗电话在线检出与控制装置及方法 |
CN113010305A (zh) * | 2021-02-08 | 2021-06-22 | 北京邮电大学 | 部署在边缘计算网络中的联邦学习系统及其学习方法 |
CN112861793A (zh) * | 2021-03-11 | 2021-05-28 | 天津市智慧物联信息技术研究院 | 一种基于5g边缘计算技术的图像识别服务集成方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113572899A (zh) | 2021-10-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11201882B2 (en) | Detection of malicious network activity | |
US10244104B1 (en) | Sound-based call-quality detector | |
CN112953971B (zh) | 一种网络安全流量入侵检测方法和系统 | |
CN105681389B (zh) | 一种基于Skype不同功能通信流的识别方法及装置 | |
CN111654538B (zh) | 基于区块链及大数据的通信处理方法及云边端计算服务器 | |
CN113572899B (zh) | 一种基于端边网云协同的防电话诈骗的方法及系统 | |
CN105227540A (zh) | 一种事件触发式的mtd防护系统及方法 | |
KR101764920B1 (ko) | 스팸 판단 모델을 이용한 스팸 전화번호의 판단 방법 | |
CN110351273B (zh) | 一种网络追踪长链条攻击的方法、装置和系统 | |
KR20160110791A (ko) | 보이스피싱 감시 시스템 | |
CN114785874B (zh) | 基于多网络协议提供高可用传输通道的方法 | |
CN114567511B (zh) | 一种基于宽度学习的轻量级恶意流量检测方法及装置 | |
CN111787039A (zh) | 用来监测病理参数的系统及方法 | |
CN113472736B (zh) | 一种内外网数据传输的方法、装置、设备及可读介质 | |
CN115473692A (zh) | 业务请求处理方法、装置、设备及介质 | |
CN115049092A (zh) | 宽带潜在投诉用户预测方法及系统 | |
CN110896426B (zh) | 一种安全沟通智能鉴定电话系统 | |
KR102558383B1 (ko) | 보이스 피싱 방지용 어플리케이션 및 이를 이용한 보이스 피싱 방지시스템 | |
WO2021115555A1 (en) | Method of validating data relating to an emergency event and social media server | |
CN117440086B (zh) | 基于通话异常状态监测的预警提示方法、装置及存储介质 | |
CN104125233B (zh) | 基于VMSoar 和Soar的认知的入侵防御方法 | |
CN112738808B (zh) | 无线网络中DDoS攻击检测方法、云服务器及移动终端 | |
CN114025045B (zh) | 基于区块链的通话数据管理方法与系统 | |
CN116436758A (zh) | 一种网络排障的方法及相关装置 | |
CN116524730A (zh) | 违章车辆信息处理方法、装置和系统 |
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 |