CN114169439A - 异常通信号码的识别方法、装置、电子设备和可读介质 - Google Patents
异常通信号码的识别方法、装置、电子设备和可读介质 Download PDFInfo
- Publication number
- CN114169439A CN114169439A CN202111492196.7A CN202111492196A CN114169439A CN 114169439 A CN114169439 A CN 114169439A CN 202111492196 A CN202111492196 A CN 202111492196A CN 114169439 A CN114169439 A CN 114169439A
- Authority
- CN
- China
- Prior art keywords
- index data
- determining
- characteristic index
- abnormal
- clustering
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- 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
- 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
- G06N3/045—Combinations of networks
-
- 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
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开提供一种异常通信号码的识别方法、装置、电子设备和可读介质,其中,异常通信号码的识别方法包括:通过改进的聚类算法对训练好的深度学习模型输出的任一疑似异常号码的特征指标数据进行聚类处理;确定聚类处理后的特征指标数据中的各个细项指标的权重;确定特征指标数据中的各个细项指标的标准分;根据权重和标准分计算各个细项指标的异常度得分;根据异常度得分确定疑似异常号码为异常号码。通过本公开实施例,提高了异常号码识别的准确率和可靠性。
Description
技术领域
本公开涉及通信技术领域,具体而言,涉及一种异常通信号码的识别方法、装置、电子设备和可读介质。
背景技术
目前,随着移动电话的普及和高新技术的发展,许多非法人员借助于手机、网络电话等通信工具和现代技术,通过编造虚假信息,设置骗局,对受害人实施远程、非接触式诈骗,诱使受害人打款或转账,给人民群众带来了很大的经济损失。
在相关技术中,诈骗电话的识别方法主要有如下2种:
1)通过业务规则设置阈值识别:根据主叫号码的历史通话、漫游、流量等数据,分析用户的使用行为,并根据历史诈骗号码的特征,对业务规则设置阈值,比如通话次数超过一定数值,是否去过高危漫游地,通话流量超过一定数值等,用来识别诈骗号码。
2)通过机器学习方法识别:机器学习方法因其自动化、智能化的特性,在反诈场景中受到了广泛推广和应用。该方法根据主叫号码的话单记录、漫游、流量等数据,应用监督学习的分类技术,采用决策树、神经网络等建立诈骗号码识别模型。该方法通过机器学习提取诈骗号码的特征,能够准确识别出异常号码。
但是,现有异常号码识别方法也具有以下缺点:
(1)通过业务规则方法识别异常号码,如果异常号码特征提取不正确,或阈值设置不合理,或样本量较小时,误差比较大。
(2)通过机器学习算法识别异常号码,由于正负样本严重不平衡,模型训练时容易造成局部最优解,出现过拟合现象,导致了无效学习,无法对号码进行准确的分类。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的目的在于提供一种异常通信号码的识别方法、装置、电子设备和可读介质,用于至少在一定程度上克服由于相关技术的限制和缺陷而导致的异常号码识别的准确率差的问题。
根据本公开实施例的第一方面,提供一种异常通信号码的识别方法,包括:通过改进的聚类算法对训练好的深度学习模型输出的任一疑似异常号码的特征指标数据进行聚类处理;确定聚类处理后的特征指标数据中的各个细项指标的权重;确定所述特征指标数据中的各个细项指标的标准分;根据所述权重和所述标准分计算各个所述细项指标的异常度得分;根据所述异常度得分确定所述疑似异常号码为异常号码。
在本公开的一种示例性实施例中,在通过改进的聚类算法对训练好的深度学习模型输出的疑似异常号码的特征指标数据进行聚类处理前,还包括:采集通信号码的特征指标数据的样本集;根据交叉熵函数和焦点损失函数构建所述深度学习模型的损失函数;通过所述特征指标数据的样本集和所述损失函数对深度学习模型进行训练。
在本公开的一种示例性实施例中,还包括:确定所述特征指标数据的平均值和标准差;根据所述平均值和所述标准差确定所述特征指标数据的影响因子;确定所述特征指标数据中的特征指标数据的影响因子的和值;根据所述影响因子与所述影响因子的和值之间的比值确定任一所述特征指标数据的权重。
在本公开的一种示例性实施例中,还包括:确定所述特征指标数据的当前中心点;循环确定与所述当前中心点之间的距离最大的点作为新的中心点,并去除所述当前中心点,至确定的所述特征指标数据中的聚类中心点的个数达到预设个数为止;将具有所述预设个数的聚类中心点的聚类算法确定为所述改进的聚类算法。
在本公开的一种示例性实施例中,确定聚类处理后的特征指标数据中的各个细项指标的权重包括:确定所述特征指标数据中的各个细项指标的数量;根据所述数量和所述特征指标数据的权重,确定所述细项指标的权重。
在本公开的一种示例性实施例中,确定所述特征指标数据中的各个细项指标的标准分包括:通过核密度函数计算所述特征指标数据的标准分,所述核密度函数服从正态分布。
在本公开的一种示例性实施例中,通过核密度函数计算所述特征指标数据的标准分包括:假设所述正态分布的最高点位置的坐标为指定坐标;根据所述特征指标数据的坐标值与所述指定坐标之间的大小关系,计算所述特征指标数据的标准值。
根据本公开实施例的第二方面,提供一种异常通信号码的识别装置,包括:聚类模块,设置为通过改进的聚类算法对训练好的深度学习模型输出的任一疑似异常号码的特征指标数据进行聚类处理;确定模块,设置为确定聚类处理后的特征指标数据中的各个细项指标的权重;所述确定模块,设置为确定所述特征指标数据中的各个细项指标的标准分;计算模块,设置为根据所述权重和所述标准分计算各个所述细项指标的异常度得分;所述确定模块,设置为根据所述异常度得分确定所述疑似异常号码为异常号码。
根据本公开的第三方面,提供一种电子设备,包括:存储器;以及耦合到所述存储器的处理器,所述处理器被配置为基于存储在所述存储器中的指令,执行如上述任意一项所述的方法。
根据本公开的第四方面,提供一种计算机可读存储介质,其上存储有程序,该程序被处理器执行时实现如上述任意一项所述的异常通信号码的识别方法。
本公开实施例,通过改进的聚类算法对训练好的深度学习模型输出的任一疑似异常号码的特征指标数据进行聚类处理,解决了不均衡样本集的过度拟合的问题。另外,通过确定聚类处理后的特征指标数据中的各个细项指标的权重,进而确定特征指标数据中的各个细项指标的标准分,以及根据权重和标准分计算各个细项指标的异常度得分,并且根据异常度得分确定疑似异常号码为异常号码,提高了异常号码识别的准确率和可靠性。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本公开示例性实施例中一种异常通信号码的识别方法的流程图;
图2是本公开示例性实施例中另一种异常通信号码的识别方法的流程图;
图3是本公开示例性实施例中另一种异常通信号码的识别方法的流程图;
图4是本公开示例性实施例中另一种异常通信号码的识别方法的流程图;
图5是本公开示例性实施例中另一种异常通信号码的识别方法的流程图;
图6是本公开示例性实施例中另一种异常通信号码的识别方法的流程图;
图7是本公开示例性实施例中另一种异常通信号码的识别方法的流程图;
图8是本公开示例性实施例中另一种异常通信号码的识别装置的模块化示意图;
图9是本公开示例性实施例中另一种异常通信号码的识别方法的流程图;
图10是本公开示例性实施例中另一种异常通信号码的识别方法的流程图;
图11是本公开示例性实施例中一种异常通信号码的识别装置的方框图;
图12是本公开示例性实施例中一种电子设备的方框图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本公开将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中,提供许多具体细节从而给出对本公开的实施方式的充分理解。然而,本领域技术人员将意识到,可以实践本公开的技术方案而省略所述特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。
此外,附图仅为本公开的示意性图解,图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
下面结合附图对本公开示例实施方式进行详细说明。
图1是本公开示例性实施例中异常通信号码的识别方法的流程图。
参考图1,异常通信号码的识别方法可以包括:
步骤S102,通过改进的聚类算法对训练好的深度学习模型输出的任一疑似异常号码的特征指标数据进行聚类处理。
步骤S104,确定聚类处理后的特征指标数据中的各个细项指标的权重。
步骤S106,确定所述特征指标数据中的各个细项指标的标准分。
步骤S108,根据所述权重和所述标准分计算各个所述细项指标的异常度得分。
步骤S110,根据所述异常度得分确定所述疑似异常号码为异常号码。
本公开实施例,通过改进的聚类算法对训练好的深度学习模型输出的任一疑似异常号码的特征指标数据进行聚类处理,解决了不均衡样本集的过度拟合的问题。另外,通过确定聚类处理后的特征指标数据中的各个细项指标的权重,进而确定特征指标数据中的各个细项指标的标准分,以及根据权重和标准分计算各个细项指标的异常度得分,并且根据异常度得分确定疑似异常号码为异常号码,提高了异常号码识别的准确率和可靠性。
在本公开的一种示例性实施例中,首先采用训练样本集,然后根据以下三步完成深度学习模型的建立,接着使用测试样本集验证模型。
第一步、基于卷积神经网络构建深度学习模型:
卷积神经网络包括由卷积层、池化层组成的特征提取器和由全连接层组成的分类器。分类器数量由号码分类标签确定,在本公开实施例中分类器数量为2,即异常号码和非异常号码对应的两个分类器。
第二步、训练特征提取器和分类器:
将数据预处理后的训练样本集对应的特征图和号码分类标签输入模型,训练特征提取器和号码分类器。训练完成后,计算构造的损失函数值以及准确率,若不够理想则调整学习率等参数,重复第一步和第二步。若训练结果理想则保存模型权重进行后续的模型部署。
第三步、模型部署实施:
本公开实施例的参数经过多次调整,最终参数设置如下:学习率ρ=0.001,损失函数调整因子α=0.25,γ=0.15,可使模型损失函数最小,达到最优解。
接着,使用测试样本集对模型进行验证,计算模型的准确率。本公开实施例在测试样本集的准确率可达95%。
经过以上3个步骤,可以将模型参数保存下来,对模型进行部署实施,最终模型输出号码类别及对应类别的概率值。
在本公开的一种示例性实施例中,计算任意30天窗口期内待确认识别号码的特征图并输入固化部署的卷积神经网络模型,输出对应的号码类别和概率值。同时设置概率阈值为0.6,将对应号码类别概率值大于该阈值的号码识别为疑似异常号码。
下面,对异常通信号码的识别方法的各步骤进行详细说明。
在本公开的一种示例性实施例中,如图2所示,在通过改进的聚类算法对训练好的深度学习模型输出的疑似异常号码的特征指标数据进行聚类处理前,还包括:
步骤S202,采集通信号码的特征指标数据的样本集。
步骤S204,根据交叉熵函数和焦点损失函数构建所述深度学习模型的损失函数。
步骤S206,通过所述特征指标数据的样本集和所述损失函数对深度学习模型进行训练。
在本公开的一种示例性实施例中,交叉熵损失函数,表达式如下(公式1)所示:
CE(x)=-log(x), (公式1)
其中,x为分类为1的概率。
对于本公开的实施例要研究的样本,异常号码和非异常号码的样本占比严重不平衡,直接应用交叉熵损失函数会造成局部最优解,导致无效学习,无法进行准确的分类。
与交叉熵损失函数相比,焦点损失函数通过引入调整因子α和γ,改变了正负样本在训练集所占的比重,可以有效解决正负样本分类不平衡的问题,焦点损失函数的计算过程如下(公式2)所示:
FL(x)=-α(1-x)γlog(x)(γ≥0), (公式2)
特殊地,当α=1,γ=0时,焦点损失函数和交叉熵损失函数表达形式一致。
虽然焦点损失函数可以解决正负样本不平衡的问题,但该方法过于关注难分类样本,忽视了易分类样本,容易对异常点和离群点产生过拟合。本发明的技术方案,通过构造新的损失函数,既解决正负样本分类严重不平衡的问题,也考虑了样本中的一些异常点和离群点造成的损失。
本公开的实施例改进了焦点损失函数,提升对不平衡数据的分类性能,表达式如下(公式3)所示:
优选地,当α=1,γ=0时,改进后的焦点损失函数和交叉熵损失函数表达形式一致。
为了解决异常点和离群点造成的过拟合问题,达到全局最优解,本公开实施例将交叉熵损失函数和改进后的焦点损失函数一起融合,构造新的损失函数,如下(公式4)所示:
G(x)=θ×FL′(x)+(1-θ)×CE(x), (公式4)
其中,θ为调整参数,θ∈[0,1],γ≥0。
对(公式4)进行整理,本公开实施例最终构造的损失函数如下(公
式5)所示:
通过本公开的实施例,构造的损失函数不仅解决了正负样本分类严重不平衡的问题,也考虑了样本中的一些异常点和离群点造成的损失,提高了异常号码的分类准确率。
在本公开的一种示例性实施例中,如图3所示,异常通信号码的识别方法还包括:
步骤S302,确定所述特征指标数据的平均值和标准差。
步骤S304,根据所述平均值和所述标准差确定所述特征指标数据的影响因子。
步骤S306,确定所述特征指标数据中的特征指标数据的影响因子的和值。
步骤S308,根据所述影响因子与所述影响因子的和值之间的比值确定任一所述特征指标数据的权重。
在本公开的一种示例性实施例中,假设有下列(公式6)所示的数据矩阵:
其中,X是上述深度学习模块中具有n个样本的数据集,其中xi={xi1,xi2,…,xim}表示具有m个分类属性的数据样本,xik表示样本xi中第k个属性的值。
在本公开实施例中,n为训练样本个数,属性为深度学习模块的特征指标,m为特征指标个数17。
首先提出样本每个属性的影响因子计算方法,然后对影响因子进行归一化处理得到每个属性的权值ωj,计算样本每个属性的标准差如(公式7)和(8)所示:
计算样本每个属性的影响因子如(公式9)所示:
其中,定义δj为第j个属性的影响因子,反映了各个属性的相对离散程度,属性影响因子越大,表明该属性在样本中的变化越大。
计算样本每个属性的权值ωj,对(公式9)进行归一化处理,得到每个属性的权值如(公式10)所示:
其中,属性权值ωj的大小反映了各个属性在聚类过程中所起作用的程度不同。
接着,本公开实施例构造影响因子矩阵ω如(公式11)所示:
其中,样本X进行加权处理后得到:X′=X·ω,即xi′=xi·ω,i=1,2,…,n。
在上述实施例中,通过本公开实施例的聚类算法的改进,提出了给样本不同属性值赋予不同的影响因子,全面反映各个属性对聚类结果的影响程度。另外,改进后的聚类算法也考虑了不平衡样本的占比,避免陷入局部最优解。
在本公开的一种示例性实施例中,如图4所示,异常通信号码的识别方法还包括:
步骤S402,确定所述特征指标数据的当前中心点。
步骤S404,循环确定与所述当前中心点之间的距离最大的点作为新的中心点,并去除所述当前中心点,至确定的所述特征指标数据中的聚类中心点的个数达到预设个数为止。
步骤S406,将具有所述预设个数的聚类中心点的聚类算法确定为所述改进的聚类算法。
在本公开的一种示例性实施例中,聚类算法的改进方法包括以下具体步骤:
步骤一、设置上一步加权处理的特征指标数据的数据集X′、聚类中心的个数K和初始聚类中心点集U。
步骤二、记正样本p个点对应集合X1′={x1,x2,x3,…,xp},负样本q个点对应集合X2′={xp+1,xp+2,xp+3,…,xp+q},则X′=X1′∪X2′,p+q=n。
步骤三、初始中心点集U初始化为空集,即U={}。
步骤四、按如下(公式12)计算已选初始中心点mj到所有样本的加权距离dj:
步骤五、在已选初始中心点mj为中心,以距离dj为半径的球面内选择距离最远的样本点作为下一个初始中心点mj+1。
在本公开的一种示例性实施例中,如果最远的点为已选做中心点的样本,则去掉,继续选择距离次远的样本点作为初始化中心点。
在本公开的一种示例性实施例中,如果该球面内有2个或多个样本点距离一样,则取多个点的平均值作为初始化中心点。
在本公开的一种示例性实施例中,如果该球面内没有样本点,则将半径dj扩大a倍(a=1,2,3……10),继续寻找,直到找到一个初始化中心点,如下(公式13)所示:
U=U∪{mj+1}, (公式13)
重复步骤四和步骤五,直至找到K个中心点。
步骤六、输出初始化中心点集U,初始中心点算法结束。
在上述实施例中,由于初始中心点集的第一个点是确定的,在该点为中心,加权距离为半径内搜索距离最远的点,得到的中心点也基本是确定的,消除了初始中心点选择的随机性,同时保证了获得较高质量的聚类初始中心点。
在本公开的一种示例性实施例中,如图10所示,改进后的K-means算法首先根据样本的每个属性在聚类过程中所起的作用程度不同,提出使用影响因子给每个属性赋予相应权值,然后通过改进的快速初始聚类中心点选取方法,变随机为确定的选取初始聚类中心。接着可以使用改进后的聚类算法对训练样本集进行聚类,具体的K-means改进算法流程步骤包括:
步骤S1002,输入初始样本集和聚类个数K。
步骤S1004,对样本属性进行加权处理。
步骤S1006,输出新的样本集。
步骤S1008,执行聚类中心初始化确定规则。
步骤S1010,确定K个初始聚类中心。
步骤S1012,进行聚类处理。
步骤S1014,输出聚类结果。
在本公开的一种示例性实施例中,如图5所示,确定聚类处理后的特征指标数据中的各个细项指标的权重包括:
步骤S502,确定所述特征指标数据中的各个细项指标的数量。
步骤S504,根据所述数量和所述特征指标数据的权重,确定所述细项指标的权重。
在本公开的一种示例性实施例中,首先根据聚类结果分析每类用户的行为特征,然后根据特征对关键指标进行分类,根据业务经验确认每个分类指标的整体权重,再确认每个分类里细项指标的权重。
表1
如表1示出的其中一个高语音类别用户,关键指标被分为了4类:在网、语音、流量和收入。首先,确认这4类指标的权重,即w01、w02、w03和w04的值,接着根据确认好的大类指标确认每一个指标的权重。4类指标的权重因用户行为特征不同占比有较大区别。每个分类的细项权重为大类权重的平均值,即wi=w0j/k,w0j为第j大类指标权重,k为该类指标下的细项指标个数。
在本公开的一种示例性实施例中,如图6所示,确定所述特征指标数据中的各个细项指标的标准分包括:
步骤S602,通过核密度函数计算所述特征指标数据的标准分,所述核密度函数服从正态分布。
在本公开的一种示例性实施例中,如图7所示,通过核密度函数计算所述特征指标数据的标准分包括:
步骤S702,假设所述正态分布的最高点位置的坐标为指定坐标。
步骤S704,根据所述特征指标数据的坐标值与所述指定坐标之间的大小关系,计算所述特征指标数据的标准值。
在本公开的一种示例性实施例中,使用核密度函数来计算指标的标准分,用于区别指标的正负性,核密度函数服从正态分布,假设最高点位置对应的坐标是t0,则可根据指标的实际值x和t0的位置确认指标的正负值,并计算每个指标的标准得分bi,w为预设参数,计算过程如下(公式14)所示:
进一步地,根据以上计算好的每个指标权重和标准分,对其加权求和可以得到每类指标的健康度得分∑wi.bi。接着将每类指标健康度求和得到每个细分用户的健康度h,计算过程如下(公式15)所示:
h=∑∑wi.bi, (公式15)
对应于上述方法实施例,本公开还提供一种异常通信号码的识别装置,可以用于执行上述方法实施例。
图11是本公开示例性实施例中一种异常通信号码的识别装置的方框图。
参考图11,异常通信号码的识别装置1100可以包括:
聚类模块1102,设置为通过改进的聚类算法对训练好的深度学习模型输出的任一疑似异常号码的特征指标数据进行聚类处理。
确定模块1104,设置为确定聚类处理后的特征指标数据中的各个细项指标的权重。
所述确定模块1104,设置为确定所述特征指标数据中的各个细项指标的标准分。
计算模块1106,设置为根据所述权重和所述标准分计算各个所述细项指标的异常度得分。
所述确定模块1106,设置为根据所述异常度得分确定所述疑似异常号码为异常号码。
在本公开的一种示例性实施例中,异常通信号码的识别装置1100还用于:采集通信号码的特征指标数据的样本集;根据交叉熵函数和焦点损失函数构建所述深度学习模型的损失函数;通过所述特征指标数据的样本集和所述损失函数对深度学习模型进行训练。
在本公开的一种示例性实施例中,如图8和图9所示,异常通信号码的识别装置1100还可以划分为三个模块包括:深度学习模块802、健康度计算模块804和异常号码确定模块806。
深度学习模块802执行的步骤包括确定样本、构造损失函数、建立模型和确定疑似异常号码。
其中,深度学习模块802通过上述构造损失函数,将交叉熵损失函数和改进后的焦点损失函数一起融合构造新的损失函数,不仅解决了正负样本严重不平衡的分类准确性问题,也考虑了异常点和离群点造成的损失。接着,选用深度学习卷积神经网络建立异常号码识别模型,使用上述改进的损失函数训练学习器的参数。最终根据深度学习模型计算待识别号码的分类类别和概率,根据设置的阈值确定疑似异常号码集合。
健康度计算模块804执行的步骤包括改进K-means聚类、确定特征指标权重、计算标准分和计算用户健康度。
其中,健康度计算模块804首先使用改进后的K-means算法对样本聚类,改进的K-means算法主要包括如下2个特点:1)根据样本的每个属性在聚类过程中所起的作用程度不同,提出影响因子计算方法,对样本的属性值计算权重,全面反映各个属性对聚类结果的影响程度;2)改进初始聚类中心点选取方法,变随机为确定的选取初始聚类中心。接着确认每个指标的权重,然后提出使用核密度函数来计算指标的标准分用以解决指标的正负性问题。最后将指标权重和标准分加权求和得到用户的健康度得分。
异常号码确定模块806执行的步骤包括确定异常号码。
其中,异常号码确定模块806设置健康度得分阈值,当疑似异常号码的健康度高于一定阈值,将其加入诈骗号码白名单进行管理,并打上待分类标签,不在关停平台立刻关停,再继续追踪该号码一个月的通信行为。最后在第一步得到的疑似异常号码集合去掉该号码,最终得到异常号码集合。
如图9所示,本公开的实施例的样本处理步骤包括:
步骤S902,统计特征指标。
统计30天窗口期内所有在网用户的语音、流量、收入、在网情况、活跃情况和缴费次数等行为特征指标,共计17个,特征指标具体含义如下表2所示。
表2
步骤S904,构造特征图。
对以上17个特征指标进行数据预处理,包括归一化,缺失值填充和异常值处理等,然后将每个号码构造N*M特征矩阵,N为窗口期天数,M为行为特征指标个数。本公开的实施例中每个号码为30*17的特征矩阵。进一步,将特征矩阵转化成特征图。
步骤S906,目标变量的标签划分。
将“20210306-20210406”期间公安局通报的诈骗号码在样本用户号码中搜索,如果存在,则定义该号码标签为异常号码,否则为正常号码。根据此方法给每个样本号码打上分类标签。
步骤S908,确定训练样本集和测试样本集。
将每个号码的特征图和号码分类标签构成一个样本,本公开的实施例共计871889个样本。接着,将所有样本按照7:3随机抽样,70%数据作为训练样本集,30%作为测试样本集。
在本公开的一种示例性实施例中,异常通信号码的识别装置1100还用于:确定所述特征指标数据的平均值和标准差;根据所述平均值和所述标准差确定所述特征指标数据的影响因子;确定所述特征指标数据中的特征指标数据的影响因子的和值;根据所述影响因子与所述影响因子的和值之间的比值确定任一所述特征指标数据的权重。
在本公开的一种示例性实施例中,异常通信号码的识别装置1100还用于:确定所述特征指标数据的当前中心点;循环确定与所述当前中心点之间的距离最大的点作为新的中心点,并去除所述当前中心点,至确定的所述特征指标数据中的聚类中心点的个数达到预设个数为止;将具有所述预设个数的聚类中心点的聚类算法确定为所述改进的聚类算法。
在本公开的一种示例性实施例中,确定模块1104还用于:确定所述特征指标数据中的各个细项指标的数量;根据所述数量和所述特征指标数据的权重,确定所述细项指标的权重。
在本公开的一种示例性实施例中,确定模块1104还用于:通过核密度函数计算所述特征指标数据的标准分,所述核密度函数服从正态分布。
在本公开的一种示例性实施例中,确定模块1104还用于:假设所述正态分布的最高点位置的坐标为指定坐标;根据所述特征指标数据的坐标值与所述指定坐标之间的大小关系,计算所述特征指标数据的标准值。
由于装置1100的各功能已在其对应的方法实施例中予以详细说明,本公开于此不再赘述。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本公开的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
在本公开的示例性实施例中,还提供了一种能够实现上述方法的电子设备。
所属技术领域的技术人员能够理解,本发明的各个方面可以实现为系统、方法或程序产品。因此,本发明的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“系统”。
下面参照图12来描述根据本发明的这种实施方式的电子设备1200。图12显示的电子设备1200仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图12所示,电子设备1200以通用计算设备的形式表现。电子设备1200的组件可以包括但不限于:上述至少一个处理单元1210、上述至少一个存储单元1220、连接不同系统组件(包括存储单元1220和处理单元1210)的总线1230。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元1210执行,使得所述处理单元1210执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。例如,所述处理单元1210可以执行如本公开实施例所示的方法。
存储单元1220可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)12201和/或高速缓存存储单元12202,还可以进一步包括只读存储单元(ROM)12203。
存储单元1220还可以包括具有一组(至少一个)程序模块12205的程序/实用工具12204,这样的程序模块12205包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线1230可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备1200也可以与一个或多个外部设备1240(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备1200交互的设备通信,和/或与使得该电子设备1200能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口1250进行。并且,电子设备1200还可以通过网络适配器1260与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器1260通过总线1230与电子设备1200的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备1200使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。
在本公开的示例性实施例中,还提供了一种计算机可读存储介质,其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中,本发明的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在终端设备上运行时,所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。
根据本发明的实施方式的用于实现上述方法的程序产品可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本发明的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
此外,上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和构思由权利要求指出。
Claims (10)
1.一种异常通信号码的识别方法,其特征在于,包括:
通过改进的聚类算法对训练好的深度学习模型输出的任一疑似异常号码的特征指标数据进行聚类处理;
确定聚类处理后的特征指标数据中的各个细项指标的权重;
确定所述特征指标数据中的各个细项指标的标准分;
根据所述权重和所述标准分计算各个所述细项指标的异常度得分;
根据所述异常度得分确定所述疑似异常号码为异常号码。
2.如权利要求1所述的异常通信号码的识别方法,其特征在于,在通过改进的聚类算法对训练好的深度学习模型输出的疑似异常号码的特征指标数据进行聚类处理前,还包括:
采集通信号码的特征指标数据的样本集;
根据交叉熵函数和焦点损失函数构建所述深度学习模型的损失函数;
通过所述特征指标数据的样本集和所述损失函数对深度学习模型进行训练。
3.如权利要求1所述的异常通信号码的识别方法,其特征在于,还包括:
确定所述特征指标数据的平均值和标准差;
根据所述平均值和所述标准差确定所述特征指标数据的影响因子;
确定所述特征指标数据中的特征指标数据的影响因子的和值;
根据所述影响因子与所述影响因子的和值之间的比值确定任一所述特征指标数据的权重。
4.如权利要求1所述的异常通信号码的识别方法,其特征在于,还包括:
确定所述特征指标数据的一个非均衡数据集的当前中心点;
循环确定与所述当前中心点之间的距离最大的点作为新的中心点,并去除所述当前中心点,至确定的所述特征指标数据中的聚类中心点的个数达到预设个数为止;
将具有所述预设个数的聚类中心点的聚类算法确定为所述改进的聚类算法。
5.如权利要求1所述的异常通信号码的识别方法,其特征在于,确定聚类处理后的特征指标数据中的各个细项指标的权重包括:
确定所述特征指标数据中的各个细项指标的数量;
根据所述数量和所述特征指标数据的权重,确定所述细项指标的权重。
6.如权利要求1-5中任一项所述的异常通信号码的识别方法,其特征在于,确定所述特征指标数据中的各个细项指标的标准分包括:
通过核密度函数计算所述特征指标数据的标准分,所述核密度函数服从正态分布。
7.如权利要求6所述的异常通信号码的识别方法,其特征在于,通过核密度函数计算所述特征指标数据的标准分包括:
假设所述正态分布的最高点位置的坐标为指定坐标;
根据所述特征指标数据的坐标值与所述指定坐标之间的大小关系,计算所述特征指标数据的标准值。
8.一种异常通信号码的识别装置,其特征在于,包括:
聚类模块,设置为通过改进的聚类算法对训练好的深度学习模型输出的任一疑似异常号码的特征指标数;
确定模块,设置为确定聚类处理后的特征指标数据中的各个细项指标的权重;
所述确定模块,设置为确定所述特征指标数据中的各个细项指标的标准分;
计算模块,设置为根据所述权重和所述标准分计算各个所述细项指标的异常度得分;
所述确定模块,设置为根据所述异常度得分确定所述疑似异常号码为异常号码。
9.一种电子设备,其特征在于,包括:
存储器;以及
耦合到所述存储器的处理器,所述处理器被配置为基于存储在所述存储器中的指令,执行如权利要求1-7任一项所述的异常通信号码的识别方法。
10.一种计算机可读存储介质,其上存储有程序,该程序被处理器执行时实现如权利要求1-7任一项所述的异常通信号码的识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111492196.7A CN114169439A (zh) | 2021-12-08 | 2021-12-08 | 异常通信号码的识别方法、装置、电子设备和可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111492196.7A CN114169439A (zh) | 2021-12-08 | 2021-12-08 | 异常通信号码的识别方法、装置、电子设备和可读介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114169439A true CN114169439A (zh) | 2022-03-11 |
Family
ID=80484302
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111492196.7A Pending CN114169439A (zh) | 2021-12-08 | 2021-12-08 | 异常通信号码的识别方法、装置、电子设备和可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114169439A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114430442A (zh) * | 2022-04-02 | 2022-05-03 | 广东创新科技职业学院 | 一种基于人工智能的诈骗号码识别分析方法 |
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 |
-
2021
- 2021-12-08 CN CN202111492196.7A patent/CN114169439A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114430442A (zh) * | 2022-04-02 | 2022-05-03 | 广东创新科技职业学院 | 一种基于人工智能的诈骗号码识别分析方法 |
CN114430442B (zh) * | 2022-04-02 | 2022-07-15 | 广东创新科技职业学院 | 一种基于人工智能的诈骗号码识别分析方法 |
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 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111932269B (zh) | 设备信息处理方法及装置 | |
CN111028016A (zh) | 销量数据预测方法、装置以及相关设备 | |
CN110909165A (zh) | 数据处理方法、装置、介质及电子设备 | |
CN114169439A (zh) | 异常通信号码的识别方法、装置、电子设备和可读介质 | |
CN111507470A (zh) | 一种异常账户的识别方法及装置 | |
CN110633991A (zh) | 风险识别方法、装置和电子设备 | |
CN108961032A (zh) | 借贷处理方法、装置以及服务器 | |
CN110287311B (zh) | 文本分类方法及装置、存储介质、计算机设备 | |
CN107491985A (zh) | 电商平台的用户评分方法及装置、电子设备、存储介质 | |
WO2019242627A1 (zh) | 一种数据处理方法及其装置 | |
CN111931047B (zh) | 基于人工智能的黑产账号检测方法及相关装置 | |
CN110930218A (zh) | 一种识别欺诈客户的方法、装置及电子设备 | |
CN111582645B (zh) | 基于因子分解机的app风险评估方法、装置和电子设备 | |
CN110489423B (zh) | 一种信息抽取的方法、装置、存储介质及电子设备 | |
CN114663002A (zh) | 一种自动化匹配绩效考核指标的方法及设备 | |
CN115759748A (zh) | 风险检测模型生成方法和装置、风险个体识别方法和装置 | |
CN114139931A (zh) | 企业数据评估方法、装置、计算机设备及存储介质 | |
CN114119191A (zh) | 风控方法、逾期预测方法、模型训练方法及相关设备 | |
CN116777646A (zh) | 基于人工智能的风险识别方法、装置、设备及存储介质 | |
CN110717817A (zh) | 贷前审核方法及装置、电子设备和计算机可读存储介质 | |
CN113762579A (zh) | 一种模型训练方法、装置、计算机存储介质及设备 | |
CN112560978A (zh) | 图像处理方法及装置、电子设备及存储介质 | |
CN112529303A (zh) | 基于模糊决策的风险预测方法、装置、设备和存储介质 | |
CN110888987B (zh) | 一种贷款中介的识别方法、系统、设备及存储介质 | |
CN115186775B (zh) | 一种图像描述文字的匹配度检测方法、装置及电子设备 |
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 |