CN113962276B - 异常信息确定方法、装置及电子设备、存储介质 - Google Patents

异常信息确定方法、装置及电子设备、存储介质 Download PDF

Info

Publication number
CN113962276B
CN113962276B CN202010689830.5A CN202010689830A CN113962276B CN 113962276 B CN113962276 B CN 113962276B CN 202010689830 A CN202010689830 A CN 202010689830A CN 113962276 B CN113962276 B CN 113962276B
Authority
CN
China
Prior art keywords
communication
number set
abnormal number
suspected
preset
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
Application number
CN202010689830.5A
Other languages
English (en)
Other versions
CN113962276A (zh
Inventor
陶娟
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.)
China Mobile Communications Group Co Ltd
China Mobile Group Henan Co Ltd
Original Assignee
China Mobile Communications Group Co Ltd
China Mobile Group Henan 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 China Mobile Communications Group Co Ltd, China Mobile Group Henan Co Ltd filed Critical China Mobile Communications Group Co Ltd
Priority to CN202010689830.5A priority Critical patent/CN113962276B/zh
Publication of CN113962276A publication Critical patent/CN113962276A/zh
Application granted granted Critical
Publication of CN113962276B publication Critical patent/CN113962276B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G06F18/2155—Generating training patterns; Bootstrap methods, e.g. bagging or boosting characterised by the incorporation of unlabelled data, e.g. multiple instance learning [MIL], semi-supervised techniques using expectation-maximisation [EM] or naïve labelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Telephone Function (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本申请公开了一种异常信息确定方法、装置及电子设备、存储介质，涉及通信技术领域。确定每个通讯号码对应的通信指标向量分别与预设的异常号码库中的异常号码对应的通信指标向量的相似度，将最高相似度大于预设的第一阈值的通讯号码组合确定为第一疑似异常号码集合；根据预先训练的异常识别模型识别每个通讯号码对应的通信指标向量，以从通信话单中确定出第二疑似异常号码集合；根据第一疑似异常号码集合、第二疑似异常号码集合的并集中的通信号码关联的国际移动设备识别码、国际移动用户识别码之间绑定的稳定性；从第一疑似异常号码集合、第二疑似异常号码集合的并集中，提取出初始异常号码集合。

Description

异常信息确定方法、装置及电子设备、存储介质
技术领域
本申请涉及通信技术领域，尤其涉及一种异常信息确定推荐方法、装置及电子设备、存储介质。
背景技术
伴随着科技的发展和社会的进步，移动电话已经走进千家万户，为广大的群众提供了方便。随着通信技术发展，存在着不法分子因利益需要，利用可接入运营商核心网的goip设备构建可高频外呼骚扰系统，对移动电话的用户进行骚扰。因此，需要先对骚扰的通信号码进行识别并拦截，以保护普通用户的生活状态不被骚扰。针对此类行为的识别，国内运营商多采用大数据分析挖掘技术对海量通话信令、通话话单记录等进行通话行为特征分析建模，以识别预测骚扰号码。
现有技术中，识别骚扰电话的方式为通过获取目标通信号码的海量通话信令、通话话单记录中的特征进行分析，满足一定条件时，则确定为骚扰号码。然而上述的骚扰号码识别存在精确度低的问题。
发明内容
第一方面，本申请实施例提供了一种异常信息确定推荐方法，所述方法包括：
获取预设的周期内产生的通信话单及所述通信话单中每个通讯号码对应的通信指标向量；
确定所述每个通讯号码对应的通信指标向量分别与预设的异常号码库中的异常号码对应的通信指标向量的相似度，将最高相似度大于预设的第一阈值的通讯号码组合确定为第一疑似异常号码集合；
根据预先训练的异常识别模型识别所述每个通讯号码对应的通信指标向量，以从所述通信话单中确定出第二疑似异常号码集合；
根据所述第一疑似异常号码集合、所述第二疑似异常号码集合的并集中的通信号码关联的国际移动设备识别码、国际移动用户识别码之间绑定的稳定性；和/或根据所述第一疑似异常号码集合、所述第二疑似异常号码集合的并集中的通信号码在预设的周期内处于静默期时的外呼频次熵、未处于静默期时的外呼频次熵及预设的活跃时长阈值，从所述第一疑似异常号码集合、所述第二疑似异常号码集合的并集中，提取出初始异常号码集合。
第二方面，本申请实施例还提供了一种异常信息确定装置，所述装置包括：
信息获取单元，用于获取预设的周期内产生的通信话单及所述通信话单中每个通讯号码对应的通信指标向量；
信息确定单元，用于确定所述每个通讯号码对应的通信指标向量分别与预设的异常号码库中的异常号码对应的通信指标向量的相似度，将最高相似度大于预设的第一阈值的通讯号码组合确定为第一疑似异常号码集合；
所述信息确定单元还用于根据预先训练的异常识别模型识别所述每个通讯号码对应的通信指标向量，以从所述通信话单中确定出第二疑似异常号码集合；
信息提取单元，用于根据所述第一疑似异常号码集合、所述第二疑似异常号码集合的并集中的通信号码关联的国际移动设备识别码、国际移动用户识别码之间绑定的稳定性；和/或根据所述第一疑似异常号码集合、所述第二疑似异常号码集合的并集中的通信号码在预设的周期内处于静默期时的外呼频次熵、未处于静默期时的外呼频次熵及预设的活跃时长阈值，从所述第一疑似异常号码集合、所述第二疑似异常号码集合的并集中，提取出初始异常号码集合。
第三方面，本申请实施例还提供了一种电子设备，包括：
处理器；
用于存储所述处理器可执行指令的存储器；
其中，所述处理器被配置为执行所述指令，以实现本申请实施例第一方面所述的异常信息确定方法。
本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：通过确定每个通讯号码对应的通信指标向量分别与预设的异常号码库中的异常号码对应的通信指标向量的相似度，将最高相似度大于预设的第一阈值的通讯号码组合确定为第一疑似异常号码集合；根据预先训练的异常识别模型识别每个通讯号码对应的通信指标向量，以从通信话单中确定出第二疑似异常号码集合；根据第一疑似异常号码集合、第二疑似异常号码集合的并集中的通信号码关联的国际移动设备识别码、国际移动用户识别码之间绑定的稳定性；和/或根据第一疑似异常号码集合、第二疑似异常号码集合的并集中的通信号码在预设的周期内处于静默期时的外呼频次熵、未处于静默期时的外呼频次熵及预设的活跃时长阈值，从第一疑似异常号码集合、第二疑似异常号码集合的并集中，提取出初始异常号码集合，该初始异常号码集合精确度、可靠性均较高。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本申请一种实施例提供的异常信息确定方法的流程图；
图2为本申请一种实施例提供的异常信息确定方法的流程图；
图3为本申请一种实施例提供的异常信息确定装置的功能模块框图；
图4为本申请一种实施例提供的异常信息确定装置的功能模块框图；
图5为本申请一种实施例提供的电子设备的电路连接框图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
以下结合附图，详细说明本申请各实施例提供的技术方案。
请参阅图1，本申请实施例提供了一种异常信息确定方法，应用于电子设备，其中，电子设备可以为服务器。所述方法包括：
S11：获取预设的周期内产生的通信话单及通信话单中每个通讯号码对应的通信指标向量。
其中，预设的周期可以为一周、两周、一个月等，在此不做限定。另外，通信指标向量包括但不限于呼叫位置字段、日呼叫频次字段、日呼叫数量字段、通信号码在基站的挂靠离散度字段等参数。
S12：确定每个通讯号码对应的通信指标向量分别与预设的异常号码库中的异常号码对应的通信指标向量的相似度，将最高相似度大于预设的第一阈值的通讯号码组合确定为第一疑似异常号码集合。
例如，可以利用余弦相似度算法计算每个通讯号码对应的通信指标向量分别与预设的异常号码库中的异常号码对应的通信指标向量的相似度。具体地，假设预设的异常号码库有100个异常号码，则每个通讯号码对应的通信指标向量会分别与这100个异常号码对应的通信指标向量确定相似度。
S13：根据预先训练的异常识别模型识别每个通讯号码对应的通信指标向量，以从通信话单中确定出第二疑似异常号码集合。
异常识别模型为多个携带有正常标识的历史通信号码对应的通信指标向量、多个携带有异常标识的历史通信号码对应的通信指标向量构成的训练样本集输入至预设的机器分类学习模型训练而成。其中，机器分类学习模型可以为神经网络模型、决策树模型、随机森林算法模型。
S14：根据第一疑似异常号码集合、第二疑似异常号码集合的并集中的通信号码关联的国际移动设备识别码、国际移动用户识别码之间绑定的稳定性；和/或根据第一疑似异常号码集合、第二疑似异常号码集合的并集中的通信号码在预设的周期内处于静默期时的外呼频次熵、未处于静默期时的外呼频次熵及预设的活跃时长阈值，从第一疑似异常号码集合、第二疑似异常号码集合的并集中，提取出初始异常号码集合。
本申请实施例提供的一种异常信息确定方法，通过确定每个通讯号码对应的通信指标向量分别与预设的异常号码库中的异常号码对应的通信指标向量的相似度，将最高相似度大于预设的第一阈值的通讯号码组合确定为第一疑似异常号码集合；根据预先训练的异常识别模型识别每个通讯号码对应的通信指标向量，以从通信话单中确定出第二疑似异常号码集合；根据第一疑似异常号码集合、第二疑似异常号码集合的并集中的通信号码关联的国际移动设备识别码、国际移动用户识别码之间绑定的稳定性；和/或根据第一疑似异常号码集合、第二疑似异常号码集合的并集中的通信号码在预设的周期内处于静默期时的外呼频次熵、未处于静默期时的外呼频次熵及预设的活跃时长阈值，从第一疑似异常号码集合、第二疑似异常号码集合的并集中，提取出初始异常号码集合，该初始异常号码集合精确度、可靠性均较高。
在S14之后，如图2所示，所述方法还包括：
S15：在预设的用户对象类别下，从通信话单中剔除通信指标向量中任一个指标字段不在与预设的用户对象类别关联的阈值范围内的通信号码，以得到第一疑似正常号码集合。
其中，预设的用户对象类别为宅家族类别或出租车司机类别或外卖配送员类别或上班族类别。可以理解地，不同的预设的用户对象类别关联的阈值范围不同。例如，宅家族类别的外呼频次较少，因此，宅家族类别关联的外呼频次范围较低，而外卖配送员类别外呼频次较多，因此，卖配送员类别关联的外呼频次范围较高；再例如，宅家族类别的位置变化不频繁，因此基站的挂靠离散度较集中，因此，宅家族类别关联的挂靠离散度范围较小，而外卖配送类别的位置变化频繁，因此，基站的挂靠离散度较分散，因此，宅家族类别关联的挂靠离散度范围较大。
S16：根据预先训练的疑似正常号码识别模型，对第一疑似正常号码集合中的疑似正常号码进行识别，以从第一疑似正常号码集合提取出第二疑似正常号码集合。
其中，疑似正常号码表征本身是正常号码而对应的通信指标向量与异常号码对应的通信指标向量相似度较高的通讯号码。
S17：从初始异常号码集合中，剔除存在于第二疑似正常号码集合中的通信号码，以得到目标异常号码集合。
由于初始异常号码集合是通过确定与异常号码的通信指标向量相似度、以及异常识别模型识别得到的，因此，初始异常号码集合中可能存在本身是正常号码而却与异常号码的通信指标向量相似度较高的通讯号码。因此，从初始异常号码集合中，剔除存在于第二疑似正常号码集合中的通信号码，以得到表征骚扰号码精确度更高的目标异常号码集合。
作为其中一种实施方式，S14具体包括：
如果预设的周期内第一疑似异常号码集合、第二疑似异常号码集合的并集中的通信号码对应的国际移动用户识别码切换绑定的国际移动设备识别码次数大于预设的阈值，和/或预设的周期内第一疑似异常号码集合、第二疑似异常号码集合的并集中的通信号码对应的国际移动用户识别码相邻两次切换绑定的国际移动设备识别码后第一次外呼的时间间隔标准差大于预设的活跃时长阈值，则确定国际移动设备识别码、国际移动用户识别码之间绑定的稳定性不稳定；并从第一疑似异常号码集合、第二疑似异常号码集合的并集中，提取出初始异常号码集合。
作为另一种实施方式，S14具体包括：
如果第一疑似异常号码集合、第二疑似异常号码集合的并集中的通信号码在预设的周期内日外呼频次小于预设的次数的连续时间大于预设的天数，则确定日外呼频次小于预设的次数的连续时间为静默期；从第一疑似异常号码集合、第二疑似异常号码集合的并集中提取满足处于静默期时的外呼频次熵、未处于静默期时的外呼频次熵的差值小于预设的活跃时长的平方的通信号码，构成初始异常号码集合。
具体地，预设的次数可以为8次、10次、12次等，在此不做限定；预设的天数可以为4天、5天、6天等，在此不做限定。
请参阅图3，本申请实施例提供的一种异常信息确定装置300，应用于电子设备，其中，电子设备可以为服务器。需要说明的是，本申请实施例所提供的异常信息确定装置300，其基本原理及产生的技术效果和上述实施例相同，为简要描述，本申请实施例部分未提及之处，可参考上述的实施例中相应内容。所述装置300包括信息获取单元301、信息确定单元302以及信息提取单元303，其中，
信息获取单元301，用于获取预设的周期内产生的通信话单及所述通信话单中每个通讯号码对应的通信指标向量。
通信指标向量包括呼叫位置字段、日呼叫频次字段、日呼叫数量字段、通信号码在基站的挂靠离散度字段。
信息确定单元302，用于确定所述每个通讯号码对应的通信指标向量分别与预设的异常号码库中的异常号码对应的通信指标向量的相似度，将最高相似度大于预设的第一阈值的通讯号码组合确定为第一疑似异常号码集合。
信息确定单元302还用于根据预先训练的异常识别模型识别所述每个通讯号码对应的通信指标向量，以从所述通信话单中确定出第二疑似异常号码集合。
可选地，异常识别模型为多个携带有正常标识的历史通信号码对应的通信指标向量、多个携带有异常标识的历史通信号码对应的通信指标向量构成的训练样本集输入至预设的机器分类学习模型训练而成。
信息提取单元303，用于根据所述第一疑似异常号码集合、所述第二疑似异常号码集合的并集中的通信号码关联的国际移动设备识别码、国际移动用户识别码之间绑定的稳定性；和/或根据所述第一疑似异常号码集合、所述第二疑似异常号码集合的并集中的通信号码在预设的周期内处于静默期时的外呼频次熵、未处于静默期时的外呼频次熵及预设的活跃时长阈值，从所述第一疑似异常号码集合、所述第二疑似异常号码集合的并集中，提取出初始异常号码集合。
本申请实施例提供的一种异常信息确定装置300在执行时可以实现如下功能：通过确定每个通讯号码对应的通信指标向量分别与预设的异常号码库中的异常号码对应的通信指标向量的相似度，将最高相似度大于预设的第一阈值的通讯号码组合确定为第一疑似异常号码集合；根据预先训练的异常识别模型识别每个通讯号码对应的通信指标向量，以从通信话单中确定出第二疑似异常号码集合；根据第一疑似异常号码集合、第二疑似异常号码集合的并集中的通信号码关联的国际移动设备识别码、国际移动用户识别码之间绑定的稳定性；和/或根据第一疑似异常号码集合、第二疑似异常号码集合的并集中的通信号码在预设的周期内处于静默期时的外呼频次熵、未处于静默期时的外呼频次熵及预设的活跃时长阈值，从第一疑似异常号码集合、第二疑似异常号码集合的并集中，提取出初始异常号码集合，该初始异常号码集合精确度、可靠性均较高。
可选地，如图4所示，所述装置300还包括：
信息剔除单元，用于在预设的用户对象类别下，从通信话单中剔除通信指标向量中任一个指标字段不在与预设的用户对象类别关联的阈值范围内的通信号码，以得到第一疑似正常号码集合。
可选地，预设的用户对象类别为宅家族类别或出租车司机类别或外卖配送员类别或上班族类别。
信息提取单元303还用于根据预先训练的疑似正常号码识别模型，对第一疑似正常号码集合中的疑似正常号码进行识别，以从第一疑似正常号码集合提取出第二疑似正常号码集合。
信息剔除单元还用于从初始异常号码集合中，剔除存在于第二疑似正常号码集合中的通信号码，以得到目标异常号码集合。
可选地，作为其中一种实施方式，信息提取单元303具体用于如果预设的周期内第一疑似异常号码集合、第二疑似异常号码集合的并集中的通信号码对应的国际移动用户识别码切换绑定的国际移动设备识别码次数大于预设的阈值，和/或预设的周期内第一疑似异常号码集合、第二疑似异常号码集合的并集中的通信号码对应的国际移动用户识别码相邻两次切换绑定的国际移动设备识别码后第一次外呼的时间间隔标准差大于预设的活跃时长阈值，则确定国际移动设备识别码、国际移动用户识别码之间绑定的稳定性不稳定；并从第一疑似异常号码集合、第二疑似异常号码集合的并集中，提取出初始异常号码集合。
可选地，作为另一种实施方式，信息提取单元303具体用于如果第一疑似异常号码集合、第二疑似异常号码集合的并集中的通信号码在预设的周期内日外呼频次小于预设的次数的连续时间大于预设的天数，则确定日外呼频次小于预设的次数的连续时间为静默期；从第一疑似异常号码集合、第二疑似异常号码集合的并集中提取满足处于静默期时的外呼频次熵、未处于静默期时的外呼频次熵的差值小于预设的活跃时长的平方的通信号码，构成初始异常号码集合。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
图5是本申请的一个实施例电子设备的结构示意图。请参考图5，在硬件层面，该电子设备包括处理器，可选地还包括内部总线、网络接口、存储器。其中，存储器可能包含内存，例如高速随机存取存储器(Random-Access Memory，RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少1个磁盘存储器等。当然，该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接，该内部总线可以是ISA(Industry Standard Architecture，工业标准体系结构)总线、PCI(PeripheralComponent Interconnect，外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture，扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图5中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
存储器，用于存放程序。具体地，程序可以包括程序代码，所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器，并向处理器提供指令和数据。
处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，在逻辑层面上形成异常信息确定装置。处理器，执行存储器所存放的程序，并具体用于执行以下操作：
获取预设的周期内产生的通信话单及所述通信话单中每个通讯号码对应的通信指标向量；
确定所述每个通讯号码对应的通信指标向量分别与预设的异常号码库中的异常号码对应的通信指标向量的相似度，将最高相似度大于预设的第一阈值的通讯号码组合确定为第一疑似异常号码集合；
根据预先训练的异常识别模型识别所述每个通讯号码对应的通信指标向量，以从所述通信话单中确定出第二疑似异常号码集合；
根据所述第一疑似异常号码集合、所述第二疑似异常号码集合的并集中的通信号码关联的国际移动设备识别码、国际移动用户识别码之间绑定的稳定性；和/或根据所述第一疑似异常号码集合、所述第二疑似异常号码集合的并集中的通信号码在预设的周期内处于静默期时的外呼频次熵、未处于静默期时的外呼频次熵及预设的活跃时长阈值，从所述第一疑似异常号码集合、所述第二疑似异常号码集合的并集中，提取出初始异常号码集合。
上述如本申请图1所示实施例揭示的异常信息确定装置执行的方法可以应用于处理器中，或者由处理器实现。处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。
该电子设备还可执行图1的方法，并实现异常信息确定装置在图1所示实施例的功能，本申请实施例在此不再赘述。
当然，除了软件实现方式之外，本申请的电子设备并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。
本申请实施例还提出了一种计算机可读存储介质，该计算机可读存储介质存储一个或多个程序，该一个或多个程序包括指令，该指令当被包括多个应用程序的便携式电子设备执行时，能够使该便携式电子设备执行图1所示实施例的方法，并具体用于执行以下操作：
获取预设的周期内产生的通信话单及所述通信话单中每个通讯号码对应的通信指标向量；
确定所述每个通讯号码对应的通信指标向量分别与预设的异常号码库中的异常号码对应的通信指标向量的相似度，将最高相似度大于预设的第一阈值的通讯号码组合确定为第一疑似异常号码集合；
根据预先训练的异常识别模型识别所述每个通讯号码对应的通信指标向量，以从所述通信话单中确定出第二疑似异常号码集合；
根据所述第一疑似异常号码集合、所述第二疑似异常号码集合的并集中的通信号码关联的国际移动设备识别码、国际移动用户识别码之间绑定的稳定性；和/或根据所述第一疑似异常号码集合、所述第二疑似异常号码集合的并集中的通信号码在预设的周期内处于静默期时的外呼频次熵、未处于静默期时的外呼频次熵及预设的活跃时长阈值，从所述第一疑似异常号码集合、所述第二疑似异常号码集合的并集中，提取出初始异常号码集合。
总之，以上所述仅为本申请的较佳实施例而已，并非用于限定本申请的保护范围。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

Claims (10)

1.一种异常信息确定方法，其特征在于，所述方法包括：
获取预设的周期内产生的通信话单及所述通信话单中每个通讯号码对应的通信指标向量；
确定所述每个通讯号码对应的通信指标向量分别与预设的异常号码库中的异常号码对应的通信指标向量的相似度，将最高相似度大于预设的第一阈值的通讯号码组合确定为第一疑似异常号码集合；
根据预先训练的异常识别模型识别所述每个通讯号码对应的通信指标向量，以从所述通信话单中确定出第二疑似异常号码集合；
根据所述第一疑似异常号码集合、所述第二疑似异常号码集合的并集中的通信号码关联的国际移动设备识别码、国际移动用户识别码之间绑定的稳定性；和/或根据所述第一疑似异常号码集合、所述第二疑似异常号码集合的并集中的通信号码在预设的周期内处于静默期时的外呼频次熵、未处于静默期时的外呼频次熵及预设的活跃时长阈值，从所述第一疑似异常号码集合、所述第二疑似异常号码集合的并集中，提取出初始异常号码集合。
2.根据权利要求1所述的方法，其特征在于，在所述提取出初始异常号码集合之后，所述方法还包括：
在预设的用户对象类别下，从所述通信话单中剔除通信指标向量中任一个指标字段不在与所述预设的用户对象类别关联的阈值范围内的通信号码，以得到第一疑似正常号码集合；
根据预先训练的疑似正常号码识别模型，对所述第一疑似正常号码集合中的疑似正常号码进行识别，以从所述第一疑似正常号码集合提取出第二疑似正常号码集合；
从所述初始异常号码集合中，剔除存在于所述第二疑似正常号码集合中的通信号码，以得到目标异常号码集合。
3.根据权利要求2所述的方法，其特征在于，所述预设的用户对象类别为宅家族类别或出租车司机类别或外卖配送员类别或上班族类别。
4.根据权利要求1所述的方法，其特征在于，所述根据所述第一疑似异常号码集合、所述第二疑似异常号码集合的并集中的通信号码关联的国际移动设备识别码、国际移动用户识别码之间绑定的稳定性，从所述第一疑似异常号码集合、所述第二疑似异常号码集合的并集中，提取出初始异常号码集合包括：
如果预设的周期内所述第一疑似异常号码集合、所述第二疑似异常号码集合的并集中的通信号码对应的国际移动用户识别码切换绑定的国际移动设备识别码次数大于预设的阈值，和/或预设的周期内所述第一疑似异常号码集合、所述第二疑似异常号码集合的并集中的通信号码对应的国际移动用户识别码相邻两次切换绑定的国际移动设备识别码后第一次外呼的时间间隔标准差大于预设的活跃时长阈值，则确定国际移动设备识别码、国际移动用户识别码之间绑定的稳定性不稳定；并从所述第一疑似异常号码集合、所述第二疑似异常号码集合的并集中，提取出初始异常号码集合。
5.根据权利要求1所述的方法，其特征在于，所述根据所述第一疑似异常号码集合、所述第二疑似异常号码集合的并集中的通信号码在预设的周期内处于静默期时的外呼频次熵、未处于静默期时的外呼频次熵及预设的活跃时长阈值，从所述第一疑似异常号码集合、所述第二疑似异常号码集合的并集中，提取出初始异常号码集合包括：
如果所述第一疑似异常号码集合、所述第二疑似异常号码集合的并集中的通信号码在预设的周期内日外呼频次小于预设的次数的连续时间大于预设的天数，则确定日外呼频次小于预设的次数的连续时间为静默期；
从第一疑似异常号码集合、所述第二疑似异常号码集合的并集中提取满足处于静默期时的外呼频次熵、未处于静默期时的外呼频次熵的差值小于预设的活跃时长的平方的通信号码，构成初始异常号码集合。
6.根据权利要求1所述的方法，其特征在于，所述通信指标向量包括呼叫位置字段、日呼叫频次字段、日呼叫数量字段、通信号码在基站的挂靠离散度字段。
7.根据权利要求1所述的方法，其特征在于，所述异常识别模型为多个携带有正常标识的历史通信号码对应的通信指标向量、多个携带有异常标识的历史通信号码对应的通信指标向量构成的训练样本集输入至预设的机器分类学习模型训练而成。
8.一种异常信息确定装置，其特征在于，所述装置包括：
信息获取单元，用于获取预设的周期内产生的通信话单及所述通信话单中每个通讯号码对应的通信指标向量；
信息确定单元，用于确定所述每个通讯号码对应的通信指标向量分别与预设的异常号码库中的异常号码对应的通信指标向量的相似度，将最高相似度大于预设的第一阈值的通讯号码组合确定为第一疑似异常号码集合；
所述信息确定单元还用于根据预先训练的异常识别模型识别所述每个通讯号码对应的通信指标向量，以从所述通信话单中确定出第二疑似异常号码集合；
信息提取单元，用于根据所述第一疑似异常号码集合、所述第二疑似异常号码集合的并集中的通信号码关联的国际移动设备识别码、国际移动用户识别码之间绑定的稳定性；和/或根据所述第一疑似异常号码集合、所述第二疑似异常号码集合的并集中的通信号码在预设的周期内处于静默期时的外呼频次熵、未处于静默期时的外呼频次熵及预设的活跃时长阈值，从所述第一疑似异常号码集合、所述第二疑似异常号码集合的并集中，提取出初始异常号码集合。
9.一种电子设备，其特征在于，包括：
处理器；
用于存储所述处理器可执行指令的存储器；
其中，所述处理器被配置为执行所述指令，以实现如权利要求1至7中任一项所述的异常信息确定方法。
10.一种存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如权利要求1至7中任一项所述的异常信息确定方法。
CN202010689830.5A 2020-07-17 2020-07-17 异常信息确定方法、装置及电子设备、存储介质 Active CN113962276B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010689830.5A CN113962276B (zh) 2020-07-17 2020-07-17 异常信息确定方法、装置及电子设备、存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010689830.5A CN113962276B (zh) 2020-07-17 2020-07-17 异常信息确定方法、装置及电子设备、存储介质

Publications (2)

Publication Number Publication Date
CN113962276A CN113962276A (zh) 2022-01-21
CN113962276B true CN113962276B (zh) 2023-04-07

Family

ID=79459327

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010689830.5A Active CN113962276B (zh) 2020-07-17 2020-07-17 异常信息确定方法、装置及电子设备、存储介质

Country Status (1)

Country Link
CN (1) CN113962276B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114979369A (zh) * 2022-04-14 2022-08-30 马上消费金融股份有限公司 异常通话检测方法、装置、电子设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8315613B1 (en) * 2010-09-23 2012-11-20 Cellco Partnership Assisting a user to store and place a call back to received international number
CN109168138A (zh) * 2018-11-26 2019-01-08 中国联合网络通信集团有限公司 网内换号的识别方法、装置及设备
WO2019056391A1 (zh) * 2017-09-25 2019-03-28 深圳市云中飞网络科技有限公司 信息处理方法、装置、移动终端和计算机可读存储介质
CN109819126A (zh) * 2017-11-21 2019-05-28 中移（杭州）信息技术有限公司 一种异常号码识别方法及装置
CN110213448A (zh) * 2018-09-13 2019-09-06 腾讯科技（深圳）有限公司 恶意号码识别方法、装置、存储介质和计算机设备

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8315613B1 (en) * 2010-09-23 2012-11-20 Cellco Partnership Assisting a user to store and place a call back to received international number
WO2019056391A1 (zh) * 2017-09-25 2019-03-28 深圳市云中飞网络科技有限公司 信息处理方法、装置、移动终端和计算机可读存储介质
CN109819126A (zh) * 2017-11-21 2019-05-28 中移（杭州）信息技术有限公司 一种异常号码识别方法及装置
CN110213448A (zh) * 2018-09-13 2019-09-06 腾讯科技（深圳）有限公司 恶意号码识别方法、装置、存储介质和计算机设备
CN109168138A (zh) * 2018-11-26 2019-01-08 中国联合网络通信集团有限公司 网内换号的识别方法、装置及设备

Also Published As

Publication number Publication date
CN113962276A (zh) 2022-01-21

Similar Documents

Publication Publication Date Title
CN110517097B (zh) 识别异常用户的方法、装置、设备及存储介质
CN108763952B (zh) 一种数据分类方法、装置及电子设备
CN108989581B (zh) 一种用户风险识别方法、装置及系统
CN110691082B (zh) 风险事件的处理方法及装置
CN111104664A (zh) 一种电子设备的风险识别方法及服务器
CN110751515A (zh) 一种基于用户消费行为的决策方法和装置、电子设备及存储介质
CN113962276B (zh) 异常信息确定方法、装置及电子设备、存储介质
CN112488138A (zh) 用户类别识别方法、装置、电子设备及存储介质
CN110113748B (zh) 骚扰电话监控方法、装置
CN110611655B (zh) 一种黑名单筛选方法和相关产品
CN106998336A (zh) 渠道中的用户检测方法和装置
CN110008687B (zh) 风险应用的处理方法及装置
CN111275071B (zh) 预测模型训练、预测方法、装置及电子设备
CN109582834B (zh) 数据风险预测方法及装置
CN113076451B (zh) 异常行为识别和风险模型库的建立方法、装置及电子设备
CN114547406A (zh) 数据监控方法、系统、存储介质及电子装置
CN114189585A (zh) 骚扰电话异常检测方法、装置及计算设备
CN109561406B (zh) 一种sim卡的选择方法、装置、系统、电子设备和介质
CN112449062B (zh) 恶意扣费的识别方法、装置、电子设备及存储介质
CN111461730A (zh) 一种风控方法、装置、系统和电子设备
CN113869544A (zh) 回流用户预测模型建立方法、装置及电子设备、存储介质
CN113596260A (zh) 异常电话号码检测方法和电子设备
CN112637830B (zh) 终端找回方法、装置及网络设备
CN113766069B (zh) 骚扰电话拦截方法及装置
CN114268939B (zh) 一种移动通信中异常用户识别的方法及智能设备

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