CN114285929B - 恶意反催收用户的识别方法、设备及存储介质 - Google Patents
恶意反催收用户的识别方法、设备及存储介质 Download PDFInfo
- Publication number
- CN114285929B CN114285929B CN202111612754.9A CN202111612754A CN114285929B CN 114285929 B CN114285929 B CN 114285929B CN 202111612754 A CN202111612754 A CN 202111612754A CN 114285929 B CN114285929 B CN 114285929B
- Authority
- CN
- China
- Prior art keywords
- user
- communication
- telephone number
- urged
- identifying
- 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 55
- 238000003860 storage Methods 0.000 title claims abstract description 17
- 238000004891 communication Methods 0.000 claims abstract description 243
- 230000006399 behavior Effects 0.000 claims abstract description 104
- 230000002159 abnormal effect Effects 0.000 claims description 10
- 238000003306 harvesting Methods 0.000 abstract description 4
- 230000010365 information processing Effects 0.000 abstract description 2
- 238000012787 harvest procedure Methods 0.000 abstract 1
- 208000003443 Unconsciousness Diseases 0.000 description 12
- 230000009471 action Effects 0.000 description 12
- 230000006698 induction Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000001939 inductive effect Effects 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 230000003402 anti-promotion Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000000983 anti-recall Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000001223 reverse osmosis Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Landscapes
- Telephonic Communication Services (AREA)
Abstract
本申请涉及信息处理技术领域,提供了一种恶意反催收用户的识别方法、设备及存储介质。该方法包括:获取被催收用户的电话号码数据、黑产电话号码数据及所述被催收用户的通信行为数据;根据所述被催收用户的通信行为数据,识别所述被催收用户的电话号码与所述黑产电话号码之间是否存在通信行为;若所述被催收用户的电话号码与所述黑产电话号码不存在通信行为,且所述被催收用户之间存在共同通信联系人,则根据所述被催收用户与所述共同通信联系人之间的通信关系识别恶意反催收用户。本申请提供的方法能够在催收过程中识别出恶意反催收用户,提高了识别恶意反催收用户的效率。
Description
技术领域
本申请涉及信息处理技术领域,尤其涉及一种恶意反催收用户的识别方法、设备及存储介质。
背景技术
随着贷款行业的发展,逾期贷款的事件也逐渐增加。当用户贷款逾期或信用卡逾期时,金融机构管理平台会对逾期用户进行催收,提醒用户按时还款。在金融机构管理平台进行催收时,会发生恶意反催收事件,即黑产向逾期用户传授反催收技巧,传授用户引导金融机构管理平台的催收人员说出违规行为,从而要求免还款或免息分期还款。
针对恶意反催收事件,现有的解决方法是在恶意反催收事件发生后,对用户进行标识,但是这种后期标识恶意反催收用户的行为仍无法避免金融机构管理平台的损失。
现有技术根据标识结果识别恶意反催收用户,识别效率较低。
发明内容
本申请提供一种恶意反催收用户的识别方法、设备及存储介质,用以解决现有技术根据标别结果识别恶意反催收用户,识别效率较低的问题。
第一方面,本申请提供一种恶意反催收用户的识别方法,包括:
获取被催收用户的电话号码数据、黑产电话号码数据及被催收用户的通信行为数据;
根据被催收用户的通信行为数据,识别被催收用户的电话号码与黑产电话号码之间是否存在通信行为;
若被催收用户的电话号码与黑产电话号码不存在通信行为,且被催收用户之间存在共同通信联系人,则根据被催收用户与共同通信联系人之间的通信关系识别恶意反催收用户。
第二方面,本申请提供一种恶意反催收用户的识别设备,包括:
获取模块,用于获取被催收用户的电话号码数据、黑产电话数据及被催收用户的通信行为数据;
识别模块,用于根据被催收用户的通信行为数据,识别被催收用户的电话号码与黑产电话号码之间是否存在通信行为;
识别模块,还用于若被催收用户的电话号码与黑产电话号码不存在通信行为,且被催收用户之间存在共同通信联系人,则根据被催收用户与共同通信联系人之间的通信关系识别恶意反催收用户。
第三方面,本申请提供一种恶意反催收用户的识别设备,包括:处理器、存储器,存储器中存储代码,处理器运行存储器中存储的代码,以执行如第一方面任一项的恶意反催收用户的识别方法。
第四方面,本申请提供一种计算机可读存储介质,计算机可读存储介质中存储有计算机执行指令,计算机执行指令被处理器执行时用于实现如第一方面任一项的恶意反催收用户的识别方法。
本申请提供的一种恶意反催收用户的识别方法,获取被催收用户的电话号码数据、黑产电话号码数据和被催收用户的通信行为数据,根据被催收用户的通信行为数据,能够识别被催收用户的电话号码和黑产电话号码之间是否存在通信行为。当不存在通信行为,且被催收用用户之间存在共同通信联系人时,则可以根据被催收用户和共同通信联系人之间的通信关系识别被催收用户是否是恶意反催收用户,提高了恶意反催收用户的识别效率。
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,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
图1为本申请实施例提供的恶意反催收用户的识别场景示意图;
图2为本申请实施例提供的一种恶意反催收用户的识别方法流程图一;
图3为本申请实施例提供的一种恶意反催收用户的识别方法流程图二;
图4为本申请实施例提供的一种恶意反催收用户的识别方法流程图三;
图5为本申请实施例提供的一种恶意反催收用户的识别设备示意图一;
图6为本申请实施例提供的一种恶意反催收用户的识别设备示意图二。
通过上述附图,已示出本申请明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围,而是通过参考特定实施例为本领域技术人员说明本申请的概念。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
随着逾期贷款事件的增加,产生了通过向被催收用户传授反催收技巧获利的黑色产业,即黑产。黑产通过非法购买用户数据等多种方法,得到被金融机构管理平台催收的用户信息和联系方式。当金融机构管理平台对用户拨打催收电话,告知用户信用卡逾期,或者贷款逾期的情况后,黑产可以通过电话、短信等方式联系被催收用户,传授被催收用户的反催收技巧,让用户引导金融机构管理平台客服说出违规内容。用户使用反催收技巧,向金融机构管理平台投诉,并对于金融机构管理平台客服的违规语句进行录音。用户利用金融机构管理平台投诉录音向监管部门投诉,要求免还款或者免息分期还款。监管部门对于金融机构管理平台的违规行为以及投诉记录,交办金融机构管理平台处理投诉。金融机构管理平台受到监管压力,以及自身客服的违规行为,同意用户的免还款,或者免息分期还款要求。黑产在用户完成反催收业务后,则向客户收取手续费。反催收事件的发生会对金融机构管理平台造成较大的经济损失。
本申请提供一种恶意反催收用户的识别方法,首先获取被催收用户电话号码数据、黑产电话号码数据以及被催收用户的通信行为数据。根据被催收用户的通信行为数据,可以识别被催收用户的电话号码和黑产电话号码之间是否存在通信行为时,识别该被催收用户为恶意反催收用户。当被催收用户的电话号码不存在通信行为,且被催收用户之间存在共同通信联系人时,则可以根据被催收用户与共同通信联系人之间的通信关系识别该被催收用户是否是恶意反催收用户。当被催收用户与共同通信联系人之间的通信关系异常时,则识别该被催收用户为恶意反催收用户,提高了恶意反催收用户的识别效率,金融机构管理平台可以提前做出相应的准备,从而减少损失。
图1为本申请实施例提供的恶意反催收用户的识别场景示意图,如图1所示,通过被催收用户的通信行为数据可以识别被催收用户的电话号码和黑产电话号码是否存在通信行为。当被催收用户的电话号码与黑产电话号码没有发生通信行为数据时,表明该被催收用户为恶意反催收用户的概率较小,可以通过其他进一步的方式进行识别,例如:若被催收用户之间存在共同通信联系人时,可以根据被催收用户和共同通信联系人之间的通信关系进行识别。当被催收用户和黑产电话号码数据发生通信行为时,则识别该被催收用户为恶意反催收用户。
下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图,对本申请的实施例进行描述。
图2为本申请实施例提供的一种恶意反催收用户的识别方法流程图一,本方法的执行主体可以是一种恶意反催收用户的识别设备。恶意反催收用户的识别设备可以为任意具有数据处理功能的设备,例如计算机等。本实施例中的方法可以通过软件、硬件或者软硬件结合的方式来实现。如图2所示,本方法可以包括:
S201:获取被催收用户的电话号码数据、黑产电话号码数据及被催收用户的通信行为数据。
被催收用户可以为贷款逾期或信用卡逾期,没有按时还款的用户。通过被催收用户的电话号码数据可以确认被催收用户的身份信息。黑产为黑色产业,即通过非法手段获利的产业。
被催收用户的电话号码数据和黑产电话号码数据可以由金融机构管理平台提供。其中,被催收用户的电话号码数据可以从贷款人员信息中获取,黑产电话号码数据可以从用户标记号码中获取。
通信行为数据可以由运营商提供。其中,通信行为是被催收用户通过多种通信方式进行通信的行为,包括但不限于电话通信、短信通信以及通过微信等即时聊天工具进行的通信等。
S202:根据被催收用户的通信行为数据,识别被催收用户的电话号码与黑产电话号码之间是否存在通信行为。
通过通信行为数据能够识别用户的电话联系人、短信联系人以及微信等即时聊天对象。通信行为数据可以是电话或短信的通信记录,还可以是微信等即时聊天工具的通信信息。其中,电话或短信的通信记录可以通过被催收用户的手机号从运营商侧对应的网络单元中获取,微信等即时聊天工具的通信信息可以从聊天工具对应的云端服务器获取。
在一种实施场景下,如果被催收用户与黑产电话号码之间存在通信行为,则识别该催收用户为恶意反催收用户。
S203:若被催收用户的电话号码与黑产电话号码不存在通信行为,且被催收用户之间存在共同通信联系人,则根据被催收用户与共同通信联系人之间的通信关系识别恶意反催收用户。
共同通信联系人为被催收用户之间存在的进行通信行为的联系人,例如,可以是电话联系人、短信联系人,也可以是微信等即时聊天对象。
由于被催收用户之间相互认识的概率很小,被催收用户之间存在共同通信联系人的概率也很小,因此可以通过被催收用户和共同通信联系人之间的通信关系识别被催收用户是否是恶意反催收用户。通信关系包括但不限于通过电话、短信以及微信等即时聊天工具发生的通信关系。
在一种实施场景下,为提高识别恶意反催收用户的精准度,可以设置与同一共同通信联系人发生通信行为的被催收用户的数量的阈值。当与同一共同通信联系人发生通信行为的被催收用户的数量高于该阈值时,表明该被催收有较大概率为恶意反催收用户。当与同一共同通信联系人发生通信行为的被催收用户的数量低于该阈值时,表明该被催收用户为恶意反催收用户的概率较小。
可选地,可以通过共同通信联系人与被催收用户的电话号码发生通信行为的时间,与金融机构管理平台和被催收用户的电话号码发生通信行为的时间,识别恶意反催收用户。
识别恶意反催收用户还可以通过共同通信联系人与被催收用户的电话号码发生通信行为的通信时长、通信频次等进行识别。当通信时长或通信频次高于某一阈值时,则识别被催收用户为恶意反催收用户。
本申请提供一种恶意反催收用户的识别方法,获取被催收用户的电话号码数据、黑产电话号码数据和被催收用户的通信行为数据。根据被催收用户的通信行为数据,可以识别出被催收用户的电话号码和黑产电话号码之间是否发生了通信行为。如果被催收用户的电话号码和黑产电话号码之间发生了通信行为,则识别该被催收用户为恶意反催收用户。当被催收用户的电话号码和黑产电话号码之间没有发生通信行为,且被催收用户之间存在共同通信联系人时,则可以根据被催收用户和共同通信联系人之间的通信关系识别该被催收用户是否是恶意反催收用户,使得金融机构管理平台在进行催收时,就可以识别出被催收用户是否是恶意反催收用户,提高了恶意反催收用户的识别效率。
在上述实施例的基础上,下面提供一个实施例对根据被催收用户和共同通信联系人的通信关系识别恶意反催收用户的过程进行描述。
图3为本申请实施例提供的一种恶意反催收用户的识别方法流程图二,具体如下:
S301:判断共同通信联系人与被催收用户的电话号码发生通信行为的时长是否大于设定阈值。
共同通信联系人为被催收用户之间存在的进行通信行为的联系人,可以是电话联系人、短信联系人以及微信等即时聊天对象。
由于黑产向被催收用户传授反催收技巧需要较长的时间,因此可以对被催收用户和共同通信联系人的通信行为时长设定阈值。通过判断通信行为时长是否大于设定阈值识别该被催收用户是否是恶意反催收用户。
在一种实施场景下,如果共同通信联系人与被催收用户的电话号码发生通信行为的时长小于设定阈值,则识别该被催收用户通信关系正常,为正常催收用户。
需要说明的是,若共同通信联系人与被催收用户的电话号码没有发生通信行为,则被催收用户的电话号码与共同通信联系人之间的通信关系正常,识别被催收用户为正常催收用户。
S302:根据共同通信联系人与被催收用户的电话号码发生通信行为的时间,与金融机构管理平台与被催收用户的电话号码发生通信行为的时间,识别恶意反催收用户。
由于被催收用户之间相互认识的概率很小,被催收用户之间存在共同通信联系人的概率也很小,因此被催收用户之间存在的共同通信联系人有较大的概率是黑产。需要说明的是,该共同通信联系人不在获取的黑产电话号码数据中。
S303:若共同通信联系人与被催收用户的电话号码发生通信行为的时间早于金融机构管理平台与被催收用户的电话号码发生通信行为的时间,则通信关系异常。
若被催收用户和共同通信联系人的通信关系异常时,识别被催收用户为恶意反催收用户。当共同通信联系人与被催收用户的电话号码发生通信行为的时间早于金融机构管理平台与被催收用户的电话号码发生通信行为的时间时,表明黑产在金融机构管理平台在对该被催收用户进行催收之前,就获取了被催收用户的联系方式,并向被催收用户传授了反催收技巧,该被催收用户为恶意反催收用户。
S304:若共同通信联系人与被催收用户的电话号码发生通信行为的时间晚于金融机构管理平台与被催收用户的电话号码发生通信行为的时间,则通信关系异常。
当共同通信联系人与被催收用户的电话号码发生通信行为的时间晚于金融机构管理平台与被催收用户的电话号码发生通信行为的时间时,表明黑产在金融机构管理平台对该被催收用户进行催收之后,联系了被催收用户并向其传授了反催收技巧,该被催收用户为恶意反催收用户。
本申请实施例提供一种恶意反催收用户识别的方法,判断被催收用户之间存在的共同通信联系人和被催收用户的电话号码发生通信行为的时长是否大于设定阈值,当小于设定阈值或没有发生通信行为时,该被催收用户为正常催收用户。当大于设定阈值时,则根据共同通信联系人和被催收用户的电话号码发生通信行为的时间,与金融机构管理平台和被催收用户的电话号码发生通信行为的时间识别恶意反催收用户。由于该共同通信联系人可以在金融机构管理平台对被催收用户进行催收前和催收过程中获取被催收用户的联系方式,因此当共同通信联系人与被催收用户的电话号码发生通信行为的时间早于或晚于金融机构管理平台与被催收用户的电话号码发生通信行为的时间时,该被催收用户为恶意反催收用户,因此本申请提供的方法能够在催收过程前和催收过程中识别出被催收用户是否为恶意反催收用户,提高了恶意反催收用户的识别效率。
在上述实施例的基础上,下面提供一个具体的实施例,对恶意反催收用户识别的方法进行详细描述。
图4为本申请实施例提供的一种恶意反催收用户的识别方法流程图三,本方法的执行主体可以是一种恶意反催收用户的识别设备,本方法可以包括:
S401:获取被催收用户的电话号码数据C、黑产电话号码数据H及被催收用户的通信行为数据。
被催收用户的电话号码数据和黑产电话号码数据可以由金融机构管理平台提供,被催收用户的通信行为数据可以由运营商提供。
通信行为是被催收用户通过多种通信方式进行通信的行为,包括但不限于电话通信、短信通信以及通过微信等即时聊天工具进行的通信等。
S402:根据被催收用户的通信行为数据,检索被催收用户的电话号码数据C中的任意一个电话号码C1,识别C1与黑产电话号码之间是否存在通信行为。
通过通信行为数据能够识别用户的电话联系人、短信联系人以及微信等即时聊天对象。通信行为可以是短信行为,还可以是电话行为,本申请对此不做限制。
判断C1与黑产电话号码是否发生短信行为的公式可以为:Dh=((IF C1短信X andX∈H),1,0),当Dh=1时,表明C1与黑产电话号码发生了短信行为。判断C1与黑产电话号码是否发生电话行为的公式可以为:Th=((IF C1电话X and X∈H),1,0),可以理解的,当Th=1时,表明C1与黑产电话号码发生了电话行为。
S403:如果被催收用户的电话号码C1和黑产电话号码不存在通信行为,且被催收用户之间存在共同通信联系人,则根据被催收用户与共同通信联系人之间的通信关系是否异常识别恶意反催收用户。
由于被催收用户之间相互认识的概率极小,所以被催收用户之间存在共同通信联系人的概率也极小。因此可以设被催收用户之间的共同通信联系人为Y,Y联系C1的时间为T1,金融机构管理平台催收C1的联系时间为T2,通信关系识别结果为S,则:S=((IF(Y短信C1 OR Y电话C1)ANDAND />),1,0)。当S=1时,即共同通信联系人和被催收用户之间发生了通信行为,则判断二者之间的通信关系异常。
在一种实施场景下,共同通信联系人在金融机构管理平台联系被催收用户前获取了被催收用户的联系方式,共同通信联系人联系被催收用户的时间早于金融机构管理平台联系被催收用户的时间,即T1>T2,此时S=((IF((Y短信C1 OR Y电话C1)AND(T1>T2))ANDAND />),1,0)。
在另一种实施场景下,共同通信联系人在金融机构管理平台联系被催收用户后获取了被催收用户的联系方式,因此共同通信联系人联系被催收用户的时间晚于金融机构管理平台联系被催收用户的时间,即T1<T2,此时S=((IF((Y短信C1 OR Y电话C1)AND(T1<T2))ANDAND/>),1,0)。
S404:当被催收用户的电话号码C1和黑产电话号码之间不存在通信行为且被催收用户和共同通信联系人之间的通信关系正常时,则识别被催收用户为正常催收用户。
当被催收用户和共同通信联系人之间不存在通信行为时,则二者之间的通信关系正常。设恶意反催收用户为E,则E=((IF Dh=1 OR Th=1 OR S=1),1,0),当E=0时,识别C1为正常催收用户。
在一种实施场景下,当被催收用户的电话号码C1和黑产电话号码之间不存在通信行为,且被催收用户之间不存在共同通信联系人时,则识别被催收用户为正常催收用户。
S405:当被催收用户的电话号码C1和黑产电话号码之间存在通信行为或被催收用户和共同通信联系人之间的通信关系异常时,则识别被催收用户为恶意反催收用户。
设恶意反催收用户为E,则E=((IF Dh=1 OR Th=1 OR S=1),1,0),当E=1时,识别C1为恶意反催收用户。
S406:将识别结果反馈给金融机构管理平台。
识别结果包含该用户是恶意反催收用户和该用户不是恶意反催收用户。当用户不是恶意反催收用户时,金融机构管理平台可以进行正常的催收工作。当用户时恶意反催收用户时,金融机构管理平台相关人员在进行催收工作时可以提前做出准备,从而避免金融机构管理平台的损失。
本申请提供一种恶意反催收用户识别的方法,获取被催收用户的电话号码数据、黑产电话号码数据和被催收用户的通信行为数据。根据通信行为数据,可以识别任一被催收用户的电话号码和黑产电话号码之间是否存在通信行为。当二者存在通信行为时,识别该被催收用户为恶意反催收用户。当被催收用户的电话号码和黑产电话号码之间不存在通信行为,且被催收用户之间存在共同通信联系人时,则根据被催收用户和共同通信联系人的通信关系识别被催收用户是否是恶意反催收用户。如果被催收用户和共同通信联系人在金融机构管理平台联系被催收用户之前或催收过程中发生通信行为,表明二者之间的通信关系异常,识别被催收用户是恶意反催收用户。本申请提供的恶意反催收用户识别的方法可以在催收过程发生前和催收过程中识别出恶意反催收用户,从而提高了恶意反催收用户的识别效率,减少了金融机构管理平台的损失。
在采集通话、短信以及其他通信数据后,采用不同算法实现恶意反催收用户识别,也属于本申请保护的范围内。
需要说明的是,本申请实施例提供的方法还可以识别保险行业恶意退保的用户,或者其他行业中经过黑产培训后进行恶意投诉的用户,本申请实施例对此不做限定。
图5为本申请实施例提供的一种恶意反催收用户的识别设备示意图一,如图5所示,本申请提供的恶意反催收用户的识别设备500,可以包括获取模块501和识别模块502。
获取模块501,用于获取被催收用户的电话号码数据、黑产电话数据及被催收用户的通信行为数据;
识别模块502,用于根据被催收用户的通信行为数据,识别被催收用户的电话号码与黑产电话号码之间是否存在通信行为;
识别模块502,还用于若被催收用户的电话号码与黑产电话号码不存在通信行为,且被催收用户之间存在共同通信联系人,则根据被催收用户与共同通信联系人之间的通信关系识别恶意反催收用户。
本实施例的设备,可用于执行如图2所示的方法实施例,其实现原理和技术效果类似,此处不再赘述。
图6为本申请实施例提供的一种恶意反催收用户的识别设备示意图二,如图6所示,本申请提供的恶意反催收用户的识别设备600包括处理器601和存储器602,其中,处理器601、存储器602通过总线603连接。
在具体实现过程中,存储器602中存储代码,处理器601运行存储器602中存储的代码,以执行上述方法实施例的恶意反催收用户的识别方法。
处理器601的具体实现过程可参见上述方法实施例,其实现原理和技术效果类似,本实施例此处不再赘述。
在上述的图6所示的实施例中,应理解,处理器601可以是中央处理单元(英文:Central Processing Unit,简称:CPU),还可以是其他通用处理器、数字信号处理器(英文:Digital Signal Processor,简称:DSP)、专用集成电路(英文:Application SpecificIntegrated Circuit,简称:ASIC)等。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。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
存储器602可能包含高速RAM存储器,也可能还包括非易失性存储NVM,例如至少一个磁盘存储器。
总线603可以是工业标准体系结构(Industry Standard Architecture,ISA)总线、外部设备互连(Peripheral Component,PCI)总线或扩展工业标准体系结构(ExtendedIndustry Standard Architecture,EISA)总线等。总线603可以分为地址总线、数据总线、控制总线等。为便于表示,本申请附图中的总线603并不限定仅有一根总线或一种类型的总线。
本申请实施例提供一种计算机可读存储介质,计算机可读存储介质中存储有计算机执行指令,计算机执行指令被处理器执行时用于实现上述方法实施例的恶意反催收用户的识别方法。
上述的计算机可读存储介质,可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。可读存储介质可以是通用或专用计算机能够存取的任何可用介质。
一种示例性的可读存储介质耦合至处理器,从而使处理器能够从该可读存储介质读取信息,且可向该可读存储介质写入信息。当然,可读存储介质也可以是处理器的组成部分。处理器和可读存储介质可以位于专用集成电路(Application Specific IntegratedCircuits,简称:ASIC)中。当然,处理器和可读存储介质也可以作为分立组件存在于设备中。
本申请实施例提供一种计算机程序产品,包括计算机程序,计算机程序被处理器执行时实现上述本申请实施例中任意实施例提供的恶意反催收用户的识别方法。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、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申请的一般性原理并包括本申请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,本申请的真正范围和精神由下面的权利要求书指出。
应当理解的是,本申请并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求书来限制。
Claims (9)
1.一种恶意反催收用户的识别方法,其特征在于,包括:
获取被催收用户的电话号码数据、黑产电话号码数据及所述被催收用户的通信行为数据;
根据所述被催收用户的通信行为数据,识别所述被催收用户的电话号码与所述黑产电话号码之间是否存在通信行为;
若所述被催收用户的电话号码与所述黑产电话号码不存在通信行为,且所述被催收用户之间存在共同通信联系人,则根据所述被催收用户与所述共同通信联系人之间的通信关系识别恶意反催收用户;
若所述被催收用户的电话号码与所述黑产电话号码之间存在通信行为,则识别所述被催收用户为恶意反催收用户。
2.根据权利要求1所述的方法,其特征在于,所述根据所述被催收用户与所述共同通信联系人之间的通信关系识别恶意反催收用户,包括:
根据所述共同通信联系人与所述被催收用户的电话号码发生通信行为的时间,与金融机构管理平台与所述被催收用户的电话号码发生通信行为的时间,识别恶意反催收用户。
3.根据权利要求2所述的方法,其特征在于,所述根据所述共同通信联系人与所述被催收用户的电话号码发生通信行为的时间,与金融机构管理平台与所述被催收用户的电话号码发生通信行为的时间,识别恶意反催收用户,包括:
若所述共同通信联系人与所述被催收用户的电话号码发生通信行为的时间早于金融机构管理平台与所述被催收用户的电话号码发生通信行为的时间,则所述通信关系异常。
4.根据权利要求2所述的方法,其特征在于,所述根据所述共同通信联系人与所述被催收用户的电话号码发生通信行为的时间,与金融机构管理平台与所述被催收用户的电话号码发生通信行为的时间,识别恶意反催收用户,还包括:
若所述共同通信联系人与所述被催收用户的电话号码发生通信行为的时间晚于金融机构管理平台与所述被催收用户的电话号码发生通信行为的时间,则所述通信关系异常。
5.根据权利要求2-4任一项所述的方法,其特征在于,所述根据所述共同通信联系人与所述被催收用户的电话号码发生通信行为的时间,与金融机构管理平台与所述被催收用户的电话号码发生通信行为的时间,识别恶意反催收用户之前,还包括:
判断所述共同通信联系人与所述被催收用户的电话号码发生通信行为的时长是否大于设定阈值;
若所述时长大于所述设定阈值,则识别所述恶意反催收用户。
6.根据权利要求1所述的方法,其特征在于,所述根据所述被催收用户与所述共同通信联系人之间的通信关系识别恶意反催收用户,还包括:
若所述共同通信联系人与所述被催收用户的电话号码没有发生通信行为,则所述被催收用户的电话号码与所述共同通信联系人之间的通信关系正常,识别所述被催收用户为正常催收用户。
7.一种恶意反催收用户的识别设备,包括:
获取模块,用于获取被催收用户的电话号码数据、黑产电话号码数据及所述被催收用户的通信行为数据;
识别模块,用于根据所述被催收用户的通信行为数据,识别所述被催收用户的电话号码与所述黑产电话号码之间是否存在通信行为;
所述识别模块,还用于若所述被催收用户的电话号码与所述黑产电话号码不存在通信行为,且所述被催收用户之间存在共同通信联系人,则根据所述被催收用户与所述共同通信联系人之间的通信关系识别恶意反催收用户;
所述识别模块,还用于若所述被催收用户的电话号码与所述黑产电话号码之间存在通信行为,则识别所述被催收用户为恶意反催收用户。
8.一种恶意反催收用户的识别设备,包括:包括:处理器、存储器,所述存储器中存储代码,所述处理器运行所述存储器中存储的代码,以执行如权利要求1-6任一项所述的恶意反催收用户的识别方法。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如权利要求1至6任一项所述的恶意反催收用户的识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111612754.9A CN114285929B (zh) | 2021-12-27 | 2021-12-27 | 恶意反催收用户的识别方法、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111612754.9A CN114285929B (zh) | 2021-12-27 | 2021-12-27 | 恶意反催收用户的识别方法、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114285929A CN114285929A (zh) | 2022-04-05 |
CN114285929B true CN114285929B (zh) | 2024-05-28 |
Family
ID=80876240
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111612754.9A Active CN114285929B (zh) | 2021-12-27 | 2021-12-27 | 恶意反催收用户的识别方法、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114285929B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007139864A (ja) * | 2005-11-15 | 2007-06-07 | Nec Corp | 不審会話検出装置、方法及びそれを用いた通信装置 |
CN104735671A (zh) * | 2015-02-27 | 2015-06-24 | 腾讯科技(深圳)有限公司 | 一种识别恶意电话的方法和装置 |
WO2016065908A1 (zh) * | 2014-10-29 | 2016-05-06 | 中兴通讯股份有限公司 | 一种欺诈用户的检测方法、装置和系统 |
CN107688997A (zh) * | 2017-08-23 | 2018-02-13 | 浙江天悦信息技术有限公司 | 一种基于通话记录实现微贷用户风险评分的算法 |
CN109711984A (zh) * | 2019-01-23 | 2019-05-03 | 北京市天元网络技术股份有限公司 | 一种基于催收的贷前风险监控方法及装置 |
CN112241760A (zh) * | 2020-08-25 | 2021-01-19 | 浙江大学 | 网络小额贷款服务中的黑中介自动挖掘方法与系统 |
CN113657902A (zh) * | 2021-08-03 | 2021-11-16 | 浙江创邻科技有限公司 | 基于图数据库的金融安全管理方法、系统及存储介质 |
CN113792140A (zh) * | 2021-08-12 | 2021-12-14 | 南京星云数字技术有限公司 | 文本处理方法、装置及计算机可读存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11315177B2 (en) * | 2019-06-03 | 2022-04-26 | Intuit Inc. | Bias prediction and categorization in financial tools |
-
2021
- 2021-12-27 CN CN202111612754.9A patent/CN114285929B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007139864A (ja) * | 2005-11-15 | 2007-06-07 | Nec Corp | 不審会話検出装置、方法及びそれを用いた通信装置 |
WO2016065908A1 (zh) * | 2014-10-29 | 2016-05-06 | 中兴通讯股份有限公司 | 一种欺诈用户的检测方法、装置和系统 |
CN104735671A (zh) * | 2015-02-27 | 2015-06-24 | 腾讯科技(深圳)有限公司 | 一种识别恶意电话的方法和装置 |
CN107688997A (zh) * | 2017-08-23 | 2018-02-13 | 浙江天悦信息技术有限公司 | 一种基于通话记录实现微贷用户风险评分的算法 |
CN109711984A (zh) * | 2019-01-23 | 2019-05-03 | 北京市天元网络技术股份有限公司 | 一种基于催收的贷前风险监控方法及装置 |
CN112241760A (zh) * | 2020-08-25 | 2021-01-19 | 浙江大学 | 网络小额贷款服务中的黑中介自动挖掘方法与系统 |
CN113657902A (zh) * | 2021-08-03 | 2021-11-16 | 浙江创邻科技有限公司 | 基于图数据库的金融安全管理方法、系统及存储介质 |
CN113792140A (zh) * | 2021-08-12 | 2021-12-14 | 南京星云数字技术有限公司 | 文本处理方法、装置及计算机可读存储介质 |
Non-Patent Citations (1)
Title |
---|
共享金融视角下的数据利用及其规制――以数据权利为中心;钟凯;刘章荣;;证券法律评论;20190430(00);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114285929A (zh) | 2022-04-05 |
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 | |
CN108616654B (zh) | 消息提醒的方法、装置、终端及计算机可读存储介质 | |
CN110033268B (zh) | 转账中的风控方法、装置及设备 | |
CN109087194A (zh) | 发票审核方法、装置、计算机设备及存储介质 | |
CN108765175A (zh) | 保单保全信息处理方法、装置、计算机设备和存储介质 | |
CN110611929A (zh) | 异常用户识别方法及装置 | |
CN113255929B (zh) | 异常用户可解释原因的获取方法和装置 | |
CN107563588A (zh) | 一种个人信用的获取方法和获取系统 | |
CN113992798A (zh) | 电话识别方法、装置、设备及可读存储介质 | |
CN114285929B (zh) | 恶意反催收用户的识别方法、设备及存储介质 | |
CN111105064A (zh) | 确定欺诈事件的嫌疑信息的方法及装置 | |
CN110555589A (zh) | 风险订单识别方法及装置 | |
CN115130577A (zh) | 一种欺诈号码识别方法、装置及电子设备 | |
CN108769434A (zh) | 来电处理方法、装置及系统 | |
CN114168423A (zh) | 异常号码的呼叫监控方法、装置、设备及存储介质 | |
CN110766540A (zh) | 一种账单核销方法、装置及电子设备 | |
CN112907395A (zh) | 一种客户类型识别方法、装置及设备 | |
CN112839335A (zh) | 号码识别方法、装置、设备及介质 | |
CN108055661A (zh) | 基于通信网络的电话号码黑名单建立方法及装置 | |
CN111429132B (zh) | 一种业务处理方法和装置 | |
CN114679459B (zh) | 云函数的调用方法和装置 | |
CN117956075A (zh) | 电话识别方法、装置、设备及存储介质 | |
CN115860751A (zh) | 反欺诈的分析处理方法、装置和电子设备 | |
CN114881607A (zh) | 基于人工智能的辅助审批方法、装置、计算机设备及介质 | |
CN116774999A (zh) | 监管任务处理方法、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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |