CN114363465A - 信息处理方法、装置、设备及存储介质 - Google Patents
信息处理方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114363465A CN114363465A CN202111616753.1A CN202111616753A CN114363465A CN 114363465 A CN114363465 A CN 114363465A CN 202111616753 A CN202111616753 A CN 202111616753A CN 114363465 A CN114363465 A CN 114363465A
- Authority
- CN
- China
- Prior art keywords
- information
- call
- telephone number
- abnormal
- target
- 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
Landscapes
- Telephonic Communication Services (AREA)
- Telephone Function (AREA)
Abstract
本公开提供一种信息处理方法、装置、设备及存储介质,涉及信息安全技术领域。该方法包括:获取目标电话号码的多种通话信息;根据多种通话信息对目标电话号码进行分类处理,获得目标电话号码的目标类别信息;根据多种通话信息和目标电话号码的目标类别信息进行层次分析,获得目标电话号码的异常指标权重,以根据异常指标权重对目标电话号码进行异常处理。该方法实现了有效识别进行异常行为的电话号码。
Description
技术领域
本公开涉及信息安全技术领域,具体而言,涉及一种信息处理方法、装置、设备及可读存储介质。
背景技术
随着信息技术的发展,利用通讯实施异常行为的现象越来越多,例如通过电话、网络和短信方式进行诈骗等异常通讯行为。如何有效识别进行异常行为的电话号码成为亟待解决的问题。
在所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解,因此它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信息处理方法、装置、设备及可读存储介质,可有效识别进行异常行为的电话号码。
本公开的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本公开的实践而习得。
根据本公开的一方面,提供一种信息处理方法,包括:获取目标电话号码的多种通话信息;根据所述多种通话信息对所述目标电话号码进行分类处理,获得所述目标电话号码的目标类别信息;根据所述多种通话信息和所述目标电话号码的目标类别信息进行层次分析,获得所述目标电话号码的异常指标权重,以根据所述异常指标权重对所述目标电话号码进行异常处理。
根据本公开的一实施例,所述异常指标权重包括多个异常指标级别分别相对于所述目标电话号码的多个权重;根据所述多种通话信息和所述目标电话号码的目标类别进行层次分析,获得所述目标电话号码的异常指标权重,包括:根据所述目标电话号码的目标类别信息获得所述多种通话信息的比较矩阵,所述多种通话信息的比较矩阵用于表示所述多种通话信息中每两种通话信息相对于所述目标电话号码的重要性的大小;根据所述多种通话信息获得所述多个异常指标级别的比较矩阵,所述多个异常指标级别的比较矩阵用于表示所述多个异常指标级别中每两种异常指标级别相对于各种通话信息的重要性的大小;基于所述多种通话信息的比较矩阵和所述多个异常指标级别的比较矩阵获得所述多个异常指标级别分别相对于所述目标电话号码的多个权重。
根据本公开的一实施例,所述多种通话信息包括呼出号码信息、通话时长信息、呼叫时间信息和流量使用信息;所述目标电话号码的目标类别信息包括呼出号码异常类别权重、通话时长异常类别权重、呼叫时间异常类别权重和流量使用异常类别权重;根据所述多种通话信息对所述目标电话号码进行分类处理,获得所述目标电话号码的目标类别信息,包括:根据所述呼出号码信息、所述通话时长信息、所述呼叫时间信息和所述流量使用信息获得所述目标电话号码的通话特征向量;将所述目标电话号码的通话特征向量输入卷积神经网络,获得所述目标电话号码的呼出号码异常类别权重、通话时长异常类别权重、呼叫时间异常类别权重和流量使用异常类别权重;根据所述目标电话号码的目标类别信息获得所述多种通话信息的比较矩阵,包括:根据所述目标电话号码的呼出号码异常类别权重、通话时长异常类别权重、呼叫时间异常类别权重和流量使用异常类别权重,比较所述多种通话信息中每两种通话信息的异常类别权重大小,获得所述多种通话信息的比较矩阵。
根据本公开的一实施例,所述方法还包括:根据所述目标电话号码的目标类别信息对所述多种通话信息的比较矩阵进行一致性检验;若所述多种通话信息的比较矩阵通过一致性检验,获得所述多种通话信息的比较矩阵的归一化特征向量;根据所述多种通话信息对所述多个异常指标级别的比较矩阵进行一致性检验;若所述多个异常指标级别的比较矩阵通过一致性检验,获得所述多个异常指标级别的比较矩阵的归一化特征向量;基于所述多种通话信息的比较矩阵和所述多个异常指标级别的比较矩阵获得所述多个异常指标级别分别相对于所述目标电话号码的多个权重,包括:根据所述多种通话信息的比较矩阵的归一化特征向量和所述多个异常指标级别的比较矩阵的归一化特征向量获得所述多个异常指标级别分别相对于所述目标电话号码的多个权重。
根据本公开的一实施例,所述多种通话信息包括通话语音信息;所述方法还包括:获取预设敏感词;根据所述目标电话号码的目标类别信息获得所述多种通话信息的比较矩阵,包括:根据所述目标电话号码的目标类别信息和所述预设敏感词获得所述多种通话信息的比较矩阵;根据所述多种通话信息获得所述多个异常指标级别的比较矩阵,包括:根据所述多种通话信息和所述预设敏感词获得所述多个异常指标级别的比较矩阵。
根据本公开的一实施例,所述通话语音信息包括对通话语音进行自然语言处理得到的通话文本;根据所述目标电话号码的目标类别信息和所述预设敏感词获得所述多种通话信息的比较矩阵,包括:根据所述预设敏感词对所述通话文本进行匹配,获得所述通话文本的敏感程度信息;根据所述目标电话号码的目标类别信息和所述通话文本的敏感程度信息获得所述多种通话信息的比较矩阵;根据所述多种通话信息和所述预设敏感词获得所述多个异常指标级别的比较矩阵,包括:根据所述多种通话信息和所述通话文本的敏感程度信息获得所述多个异常指标级别的比较矩阵。
根据本公开的一实施例,所述多个异常指标级别包括黑名单级别、灰名单级别和白名单级别,所述黑名单级别的异常程度高于所述灰名单级别,所述白名单级别为不异常的级别。
根据本公开的再一方面,提供一种信息处理装置,包括:获取模块,用于获取目标电话号码的多种通话信息;处理模块,用于根据所述多种通话信息对所述目标电话号码进行分类处理,获得所述目标电话号码的目标类别信息;分析模块,用于根据所述多种通话信息和所述目标电话号码的目标类别信息进行层次分析,获得所述目标电话号码的异常指标权重,以根据所述异常指标权重对所述目标电话号码进行异常处理。
根据本公开的一实施例,所述异常指标权重包括多个异常指标级别分别相对于所述目标电话号码的多个权重;所述分析模块,还用于:根据所述目标电话号码的目标类别信息获得所述多种通话信息的比较矩阵,所述多种通话信息的比较矩阵用于表示所述多种通话信息中每两种通话信息相对于所述目标电话号码的重要性的大小;根据所述多种通话信息获得所述多个异常指标级别的比较矩阵,所述多个异常指标级别的比较矩阵用于表示所述多个异常指标级别中每两种异常指标级别相对于各种通话信息的重要性的大小;基于所述多种通话信息的比较矩阵和所述多个异常指标级别的比较矩阵获得所述多个异常指标级别分别相对于所述目标电话号码的多个权重。
根据本公开的一实施例,所述多种通话信息包括呼出号码信息、通话时长信息、呼叫时间信息和流量使用信息;所述目标电话号码的目标类别信息包括呼出号码异常类别权重、通话时长异常类别权重、呼叫时间异常类别权重和流量使用异常类别权重;所述处理模块,还用于:根据所述呼出号码信息、所述通话时长信息、所述呼叫时间信息和所述流量使用信息获得所述目标电话号码的通话特征向量;将所述目标电话号码的通话特征向量输入卷积神经网络,获得所述目标电话号码的呼出号码异常类别权重、通话时长异常类别权重、呼叫时间异常类别权重和流量使用异常类别权重;所述分析模块,还用于根据所述目标电话号码的呼出号码异常类别权重、通话时长异常类别权重、呼叫时间异常类别权重和流量使用异常类别权重,比较所述多种通话信息中每两种通话信息的异常类别权重大小,获得所述多种通话信息的比较矩阵。
根据本公开的一实施例,所述分析模块,还用于:根据所述目标电话号码的目标类别信息对所述多种通话信息的比较矩阵进行一致性检验;若所述多种通话信息的比较矩阵通过一致性检验,获得所述多种通话信息的比较矩阵的归一化特征向量;根据所述多种通话信息对所述多个异常指标级别的比较矩阵进行一致性检验;若所述多个异常指标级别的比较矩阵通过一致性检验,获得所述多个异常指标级别的比较矩阵的归一化特征向量;根据所述多种通话信息的比较矩阵的归一化特征向量和所述多个异常指标级别的比较矩阵的归一化特征向量获得所述多个异常指标级别分别相对于所述目标电话号码的多个权重。
根据本公开的一实施例,所述多种通话信息包括通话语音信息;所述获取模块,还用于获取预设敏感词;所述分析模块,还用于:根据所述目标电话号码的目标类别信息和所述预设敏感词获得所述多种通话信息的比较矩阵;根据所述多种通话信息和所述预设敏感词获得所述多个异常指标级别的比较矩阵。
根据本公开的一实施例,所述通话语音信息包括对通话语音进行自然语言处理得到的通话文本;所述分析模块,还用于:根据所述预设敏感词对所述通话文本进行匹配,获得所述通话文本的敏感程度信息;根据所述目标电话号码的目标类别信息和所述通话文本的敏感程度信息获得所述多种通话信息的比较矩阵;根据所述多种通话信息和所述通话文本的敏感程度信息获得所述多个异常指标级别的比较矩阵。
根据本公开的一实施例,所述多个异常指标级别包括黑名单级别、灰名单级别和白名单级别,所述黑名单级别的异常程度高于所述灰名单级别,所述白名单级别为不异常的级别。
根据本公开的再一方面,提供一种设备,包括:存储器、处理器及存储在所述存储器中并可在所述处理器中运行的可执行指令,所述处理器执行所述可执行指令时实现如上述任一种方法。
根据本公开的再一方面,提供一种计算机可读存储介质,其上存储有计算机可执行指令,所述可执行指令被处理器执行时实现如上述任一种方法。
本公开的实施例提供的信息处理方法,获取目标电话号码的多种通话信息后,根据多种通话信息对目标电话号码进行分类处理,获得目标电话号码的目标类别信息,然后根据多种通话信息和目标电话号码的目标类别信息进行层次分析,获得目标电话号码的异常指标权重,以根据异常指标权重对目标电话号码进行异常处理,通过综合目标电话号码的多种通话信息以及目标类别信息进行层次分析,获得表征目标电话号码的异常风险程度异常指标权重,从而可实现有效识别进行异常行为的电话号码。
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的,并不能限制本公开。
附图说明
通过参照附图详细描述其示例实施例,本公开的上述和其它目标、特征及优点将变得更加显而易见。
图1示出本公开实施例中一种系统结构的示意图。
图2示出本公开实施例中一种信息处理方法的流程图。
图3示出了图2中所示的步骤S204和步骤S206在一实施例中的处理过程示意图。
图4示出本公开实施例中再一种方法的流程图。
图5示出了图2中所示的步骤S310在一实施例中的处理过程示意图。
图6示出了图2中所示的步骤S206在另一实施例中的处理过程示意图。
图7是根据图2至图6示出的一种异常电话号码识别流程的示意图。
图8示出本公开实施例中一种信息处理装置的框图。
图9示出本公开实施例中一种电子设备的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施例。然而,示例实施例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,提供这些实施例使得本公开将更加全面和完整,并将示例实施例的构思全面地传达给本领域的技术人员。附图仅为本公开的示意性图解,并非一定是按比例绘制。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。
此外,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例中。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例的充分理解。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、装置、步骤等。在其它情况下,不详细示出或描述公知结构、方法、装置、实现或者操作以避免喧宾夺主而使得本公开的各方面变得模糊。
此外,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本公开的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。符号“/”一般表示前后关联对象是一种“或”的关系。
在本公开中,除非另有明确的规定和限定,“连接”等术语应做广义理解,例如,可以是电连接或可以互相通讯;可以是直接相连,也可以通过中间媒介间接相连。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本公开中的具体含义。
随着信息技术的发展,电信诈骗行为越来越多,例如通过电话、网络和短信方式,编造虚假信息而设置骗局,通常以冒充他人及仿冒、伪造各种合法外衣和形式的方式,如冒充公检法、商家公司厂家、国家机关工作人员、银行工作人员等各类机构工作人员,伪造和冒充招工、婚恋、贷款、中奖、手机定位等形式,对受害人实施远程、非接触式诈骗,诱使受害人打款或转账的犯罪行为,达到欺骗的目的。防止电信诈骗对保护人民生命财产安全是很有必要的,而在电信诈骗发生之前对电话号码进行诈骗风险分析,是一种有效防范电信诈骗发生的方式。
因此,本公开提供了一种信息处理方法,获取目标电话号码的多种通话信息后,根据多种通话信息对目标电话号码进行分类处理,获得目标电话号码的目标类别信息,然后根据多种通话信息和目标电话号码的目标类别信息进行层次分析,获得目标电话号码的异常指标权重,以根据异常指标权重对目标电话号码进行异常处理,通过综合目标电话号码的多种通话信息以及目标类别信息进行层次分析,获得表征目标电话号码的异常风险程度异常指标权重,从而可实现有效识别进行异常行为的电话号码。
图1示出了可以应用本公开的信息处理方法或信息处理装置的示例性系统架构10。
如图1所示,系统架构10可以包括终端设备102、网络104和服务器106。终端设备102可以是具有显示屏并且支持输入、输出的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机、台式计算机、可穿戴设备、虚拟现实设备、智能家居等等。网络104用以在终端设备102和服务器106之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。服务器106可以是提供各种服务的服务器或服务器集群等,例如可以是后台处理服务器、数据库服务器等等。
用户可以使用终端设备102通过网络104与服务器106交互,以接收或发送数据等。例如用户通过网络104从服务器106上将目标电话号码的多种通话信息下载到终端设备102上,然后通过终端设备102上的信息处理软件进行分类处理。又例如用户在终端设备102上进行操作,通过网络104调用服务器106对目标电话号码的多种通话信息进行处理。再例如服务器106可根据多种通话信息和目标电话号码的目标类别信息进行层次分析,然后将获得的目标电话号码的异常指标权重通过网络104发送到终端设备102上,用户可在终端设备102上查看目标电话号码的异常指标权重。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
图2是根据一示例性实施例示出的一种信息处理方法的流程图。如图2所示的方法例如可以应用于上述系统的服务器端,也可以应用于上述系统的终端设备。
参考图2,本公开实施例提供的方法20可以包括以下步骤。
在步骤S202中,获取目标电话号码的多种通话信息。
在一些实施例中,例如,目标电话号码可以是运营商可以获得的所有在网用户电话号码,即产生了通话的所有电话号码无论是否通过用户实名认证,其相关的通话信息都可由通信网络的网络设备记录。
在一些实施例中,例如,多种通话信息可以包括呼出号码信息、通话时长信息、呼叫时间信息和流量使用信息。其中,呼出号码信息可以包括呼出号码列表、呼出号码是否为备案的电信诈骗号码、呼出号码数量、呼出号码的所属地域信息等等;通话时长信息可以包括通话时长,是否小于预设时长阈值(例如15秒、30秒、1分钟等等);呼叫时间信息可以包括呼叫时间点、呼出频率等等,例如呼叫时间点是否为每天的固定时段中的时间点,呼叫备案的电信诈骗号码的频率是否高于预设频率阈值(例如1次/周、2次/周、3次/周等等);流量使用信息可以包括连续使用流量网络的时间。
在一些实施例中,例如,多种通话信息可以包括通话语音信息,通话语音信息可以包括答录机通话的录音,还可以包括对该通话语音进行自然语言处理(Natural LanguageProcessing,NLP)得到的通话文本。
在一些实施例中,例如,多种通话信息可以包括根据通话连接基站获得行程轨迹,以及短信发送频率、时间等等。
在一些实施例中,例如,在获得网络设备采集的所有用户电话号码的初始信息之后,可以按照呼出号码信息、通话时长信息、呼叫时间信息、流量使用信息和通话语音信息等进行初步分类,例如可采用正则匹配等方式,获得对应类型的信息。
在步骤S204中,根据多种通话信息对目标电话号码进行分类处理,获得目标电话号码的目标类别信息。
在一些实施例中,目标电话号码的目标类别信息可以包括呼出号码异常类别权重、通话时长异常类别权重、呼叫时间异常类别权重和流量使用异常类别权重。可以根据多种通话信息中呼出号码信息、通话时长信息、呼叫时间信息和流量使用信息等信息的具体内容,采用卷积神经网络进行分类,获得各个异常类别的权重,然后将目标电话号码的呼出号码异常类别权重、通话时长异常类别权重、呼叫时间异常类别权重和流量使用异常类别权重应用于步骤S206的层次分析中,具体实施方式可参照图3。
在一些实施例中,目标类别信息可以包括敏感词异常类别,例如,若多种通话信息中包括通话语音信息,可在通过NLP处理获得通话语音文本后,根据预先设置的敏感词对通话语音文本进行匹配,再按照设置的敏感词数量阈值判断目标电话号码是否属于敏感词异常类别。
在步骤S206中,根据多种通话信息和目标电话号码的目标类别信息进行层次分析,获得目标电话号码的异常指标权重,以根据异常指标权重对目标电话号码进行异常处理。
在一些实施例中,可以利用层次分析方法,针对采集到的目标电话号码的通话信息进行评估,将目标电话号码划分为不同的等级。可以基于骚扰、诈骗电话的特征创建电话号码层次分析模型,电话号码分析模型中针对号码的呼出号码、呼叫时长、定时呼叫、流量使用等信息按不同权重做层次分析决策电话号码的风险等级。
层次分析方法是根据问题的性质和要达到的总目标,将问题分解为不同的组成因素,并按照因素间的相互关联影响以及隶属关系将因素按不同的层次聚集组合,形成一个多层次的分析结构模型,从而最终使问题归结为最低层(供决策的方案、措施等)相对于最高层(总目标)的相对重要权值的确定或相对优劣次序的排定。例如,目标电话号码可以为最高层,目标电话号码的多种通话信息可以为中间层的多种因素,目标电话号码的异常指标级别可以为最底层,利用目标电话号码的目标类别信息可以获得中间层相对于最高层的相对重要权值,以及获得最低层相对于中间层的的相对重要权值,最后获得最低层相对于最高层的相对重要权值,即为包括多个异常指标级别分别相对于目标电话号码的多个权重的异常指标权重。采用层次分析法的电话号码分析模型的具体实施方式可参照图3至图6。
在一些实施例中,多个异常指标级别可以包括黑名单级别、灰名单级别和白名单级别,黑名单级别的异常程度高于灰名单级别,白名单级别为不异常的级别,例如,若在目标电话号码的层次分析结果中,黑名单级别的异常指标权重高于灰名单级别的异常指标权重和白名单级别的异常指标权重,则判定将目标电话号码划分在黑名单中,并进行相应的提醒处理。不同异常级别的电话号码的处理的具体实施方式可参照图7。
根据本公开实施例提供的信息处理方法,获取目标电话号码的多种通话信息后,根据多种通话信息对目标电话号码进行分类处理,获得目标电话号码的目标类别信息,然后根据多种通话信息和目标电话号码的目标类别信息进行层次分析,获得目标电话号码的异常指标权重,以根据异常指标权重对目标电话号码进行异常处理,通过综合目标电话号码的多种通话信息以及目标类别信息进行层次分析,获得表征目标电话号码的异常风险程度异常指标权重,从而可实现有效识别进行异常行为的电话号码。
根据本公开实施例提供的信息处理方法,可基于大数据对所有手机号码进行全方面的分析,将其通话记录进行卷积神经分类与层次分析,根据分析结果将这些用户分为黑,白,灰名单,并将黑白灰三种名单加不同的标识符,给接到此来电的用户以提醒,预防电信诈骗的发生,保障生命财产安全。
图3示出了图2中所示的步骤S204和步骤S206在一实施例中的处理过程示意图。如图3所示,本公开实施例中,上述步骤S204和步骤S206可以进一步包括以下步骤。
步骤S302,根据呼出号码信息、通话时长信息、呼叫时间信息和流量使用信息获得目标电话号码的通话特征向量。
在一些实施例中,可以将呼出号码信息、通话时长信息、呼叫时间信息和流量使用信息按照设定的规则进行特征向量提取,例如,呼出号码信息特征向量维度可以包括呼出号码为备案的电信诈骗号码的数量、呼出号码总数量、每天呼出号码数量等等,通话时长信息特征向量维度可以包括通话时长小于预设时长阈值记为1、通话时长不小于预设时长阈值记为0等等,呼叫时间信息特征向量维度可以包括呼叫时间点标识、呼叫备案的电信诈骗号码的频率高于预设频率阈值的倍数等等,流量使用信息特征向量维度可以包括连续使用流量时长标识等等。
步骤S304,将目标电话号码的通话特征向量输入卷积神经网络,获得目标电话号码的呼出号码异常类别权重、通话时长异常类别权重、呼叫时间异常类别权重和流量使用异常类别权重。
在一些实施例中,例如,可以使用已人工标注的涉嫌诈骗的电话号码对卷积神经网络(Convolutional Neural Networks,CNN)进行训练,其中,CNN的输出可以包括多个异常类别的权重,例如,呼出号码异常类别权重、通话时长异常类别权重、呼叫时间异常类别权重和流量使用异常类别权重等等。然后将待预测的目标电话号码的通话特征向量输入训练完成的CNN,获得目标电话号码的呼出号码异常类别权重、通话时长异常类别权重、呼叫时间异常类别权重和流量使用异常类别权重。
步骤S306,根据目标电话号码的呼出号码异常类别权重、通话时长异常类别权重、呼叫时间异常类别权重和流量使用异常类别权重,比较多种通话信息中每两种通话信息的异常类别权重大小,获得多种通话信息的比较矩阵。
在一些实施例中,可以根据目标电话号码的呼出号码异常类别权重、通话时长异常类别权重、呼叫时间异常类别权重和流量使用异常类别权重,获得用于表示多种通话信息中每两种通话信息相对于目标电话号码的重要性的大小多种通话信息的比较矩阵。中间层的因素可以包括呼出号码异常因素、通话时长异常因素、呼叫时间异常因素和流量使用异常因素。可以采用Santy的1-9标度方法获得比较矩阵,例如,若目标电话号码的呼出号码异常类别权重为0.8,通话时长异常类别权重为0.1,则目标电话号码的呼出号码异常因素比通话时长异常因素强烈重要,则中间层的多种通话信息的比较矩阵中的元素Aij=7,Aji=1/7,i表示呼出号码异常因素,j表示通话时长异常因素。
步骤S308,根据多种通话信息获得多个异常指标级别的比较矩阵。
在一些实施例中,可以根据目标电话号码的多种通话信息内容本身获得用于表示多个异常指标级别中每两种异常指标级别相对于各种通话信息的重要性的大小的多个异常指标级别的比较矩阵。例如,对于中间层的呼出号码异常因素来说,若目标电话号码的呼出号码信息中呼出号码为备案的电信诈骗号码的数量为500,呼出号码总数量为550,则对于目标电话号码的呼出号码异常因素,最低层的黑名单级别与灰名单级别相对于呼出号码异常因素的重要性较大,即根据呼出号码为备案的电信诈骗号码的数量和呼出号码总数量来看,目标电话号码极有可能是黑名单级别,则最低层的多种通话信息的比较矩阵中的元素Bpq=8,Bqp=1/8,p表示呼出号码异常因素,q表示通话时长异常因素。
步骤S310,基于多种通话信息的比较矩阵和多个异常指标级别的比较矩阵获得多个异常指标级别分别相对于目标电话号码的多个权重。
在一些实施例中,获得中间层和最低层的比较矩阵后,可以分别获得中间层和最低层的比较矩阵的归一化特征向量,然后将归一化特征向量作为该层的权重向量,再按照最低层的每个异常指标级别(例如黑名单级别、灰名单级别和白名单级别),将逐层权重相乘,获得多个异常指标级别分别相对于目标电话号码的多个权重,具体实施方式可参照图5。
图4示出了图2中所示的步骤S206在一实施例中的处理过程示意图。如图4所示,本公开实施例中,上述步骤S206可以进一步包括以下步骤。
步骤S402,根据目标电话号码的目标类别信息获得多种通话信息的比较矩阵,多种通话信息的比较矩阵用于表示多种通话信息中每两种通话信息相对于目标电话号码的重要性的大小。
在一些实施例中,步骤S402的具体实施方式可参照步骤S306和步骤S604。
步骤S404,根据多种通话信息获得多个异常指标级别的比较矩阵,多个异常指标级别的比较矩阵用于表示多个异常指标级别中每两种异常指标级别相对于各种通话信息的重要性的大小。
在一些实施例中,步骤S404的具体实施方式可参照步骤S308和步骤S606。
步骤S406,基于多种通话信息的比较矩阵和多个异常指标级别的比较矩阵获得多个异常指标级别分别相对于目标电话号码的多个权重。
在一些实施例中,步骤S406的具体实施方式可参照图5。
图5示出了图2中所示的步骤S310在一实施例中的处理过程示意图。如图5所示,本公开实施例中,上述步骤S310可以进一步包括以下步骤。
步骤S502,根据目标电话号码的目标类别信息对多种通话信息的比较矩阵进行一致性检验。
在一些实施例中,可以以比较矩阵的大小、特征值为参数,定义其一致性指标,当按照比较矩阵的大小、特征值计算得到其一致性指标满足一致性要求时,可以认为其通过了一致性检验,否则未通过一致性检验。
步骤S504,若多种通话信息的比较矩阵通过一致性检验,获得多种通话信息的比较矩阵的归一化特征向量。
在一些实施例中,若多种通话信息的比较矩阵未通过一致性检验,则可以对该比较矩阵中的值进行调整,直至其通过一致性检验。
步骤S506,根据多种通话信息对多个异常指标级别的比较矩阵进行一致性检验。
步骤S508,若多个异常指标级别的比较矩阵通过一致性检验,获得多个异常指标级别的比较矩阵的归一化特征向量。
步骤S510,根据多种通话信息的比较矩阵的归一化特征向量和多个异常指标级别的比较矩阵的归一化特征向量获得多个异常指标级别分别相对于目标电话号码的多个权重。
在一些实施例中,将各层归一化特征向量作为该层的权重向量,再按照最低层的每个异常指标级别(例如黑名单级别、灰名单级别和白名单级别),将逐层权重相乘,获得多个异常指标级别分别相对于目标电话号码的多个权重。
根据本公开实施例提供的信息处理方法,从用户的多方面采集数据,基于大数据的深度学习算法利用卷积神经网络对用户数据进行分类,并结合层次分析决策方法进行风险分级,数据的来源丰富,实时、误差小,提高了数据的准确性,流程简单而效果显著。
图6示出了图2中所示的步骤S206在另一实施例中的处理过程示意图。如图6所示,本公开实施例中,上述步骤S206可以进一步包括以下步骤。
步骤S602,获取预设敏感词。
在一些实施例中,可以定义一个涉嫌电信诈骗术语关键字的名单,名单上即为预设敏感词,例如可以包括身份证、银行卡、卡号、密码、验证码等等。
步骤S604,根据目标电话号码的目标类别信息和预设敏感词获得多种通话信息的比较矩阵。
步骤S6042,根据预设敏感词对通话文本进行匹配,获得通话文本的敏感程度信息。
在一些实施例中,例如,可以获得通话文本匹配成功的敏感词的数量,例如为5个、10个、20个等等,匹配成功的敏感词的数量的多少可以表示通话文本的敏感程度,数量越多表示通话文本的敏感程度越大。
步骤S6044,根据目标电话号码的目标类别信息和通话文本的敏感程度信息获得多种通话信息的比较矩阵。
在一些实施例中,参照步骤S306,中间层的因素还可以包括通话内容敏感因素,可以根据通话文本匹配成功的敏感词的数量获得通话内容敏感因素与其他因素相比相对于最高层(目标电话号码)的重要性,进而获得多种通话信息的比较矩阵中的对应值。
步骤S606,根据多种通话信息和预设敏感词获得多个异常指标级别的比较矩阵。
步骤S6062,根据多种通话信息和通话文本的敏感程度信息获得多个异常指标级别的比较矩阵。
在一些实施例中,参照步骤S308,中间层的因素还可以包括通话内容敏感因素,可以根据通话文本匹配成功的敏感词的数量获得各异常指标级别相对于通话内容敏感因素的重要性,进而获得多个异常指标级别的比较矩阵中的对应值。
根据本公开实施例提供的信息处理方法,将目标电话号码是否与备案的电信诈骗手机号有过联系、联系频率、通话过程中是否有涉及电信诈骗的敏感字段等多种因素综合考虑,分析目标电话号码为电信诈骗号码的风险等级,提高了分析结果的准确性。
图7是根据图2至图6示出的一种异常电话号码识别流程的示意图。如图7所示,异常电话号码识别流程可以包括以下步骤。
步骤S702.诈骗、骚扰等敏感数据定义:定义涉嫌电信诈骗、骚扰等术语关键字的名单。
步骤S704.数据采集与分类:获取用户的原始数据7002,例如可以包括通话记录、通话频率、行程轨迹、短信、电话录音等信息。采集原始数据7002,可以对其进行初步分类,例如可以根据号码所属城市、入网时间、是否实名、实名验证是否通过等特征进行初步分类,然后按照初步分类的结果按类别分别进行分析。
步骤S706.调用数据存储7004中的目标电话号码的通话信息。
步骤S708.利用卷积神经网络对调用的目标电话号码的通话信息进行分类。利用大数据技术对获取到的用户信息进行全方位的分析,采用的大数据技术为深度学习算法,利用卷积神经网络进行统计分析,实时处理采集过来的数据,具体实施方式可参照图3。
步骤S710.诈骗风险分析与结果评估:引入层次分析方法、灰度统计理论等技术,利用这些技术可以针对采集到的数据进行评估(参照图4至图6),划分为不同的等级,确定诈骗的手机号是黑名单7006,有诈骗嫌疑的是灰名单7010,没诈骗的为白名单7012,并将这些信息实时以不同的标识(S714)给手机用户7008实时反馈,这样就可以动态的、灵活的防止电信诈骗。
步骤S712.可以实时将与黑名单联系的用户反馈给国家相关机构,有效阻止电信诈骗的发生。
根据本公开实施例提供的异常电话号码识别方法,可基于大数据对所有手机号码进行全方面的分析,将其通话记录进行卷积神经分类与层次分析,根据分析结果将这些用户分为黑,白,灰名单,并加不同标识提醒用户,可与警方系统实时交互,与公安部门联手防止电信诈骗。
图8是根据一示例性实施例示出的一种信息处理装置的框图。如图8所示的装置例如可以应用于上述系统的服务器端,也可以应用于上述系统的终端设备。
参考图8,本公开实施例提供的装置80可以包括获取模块802、处理模块804和分析模块806。
获取模块802可用于获取目标电话号码的多种通话信息。
多种通话信息可以包括呼出号码信息、通话时长信息、呼叫时间信息和流量使用信息。
多种通话信息可以包括通话语音信息。
通话语音信息可以包括对通话语音进行自然语言处理得到的通话文本。
获取模块802还可用于获取预设敏感词。
处理模块804可用于根据多种通话信息对目标电话号码进行分类处理,获得目标电话号码的目标类别信息。
目标电话号码的目标类别信息可以包括呼出号码异常类别权重、通话时长异常类别权重、呼叫时间异常类别权重和流量使用异常类别权重。
处理模块804还可用于:根据呼出号码信息、通话时长信息、呼叫时间信息和流量使用信息获得目标电话号码的通话特征向量;将目标电话号码的通话特征向量输入卷积神经网络,获得目标电话号码的呼出号码异常类别权重、通话时长异常类别权重、呼叫时间异常类别权重和流量使用异常类别权重。
分析模块806可用于根据多种通话信息和目标电话号码的目标类别信息进行层次分析,获得目标电话号码的异常指标权重,以根据异常指标权重对目标电话号码进行异常处理。
异常指标权重可以包括多个异常指标级别分别相对于目标电话号码的多个权重。
多个异常指标级别包括黑名单级别、灰名单级别和白名单级别,黑名单级别的异常程度高于灰名单级别,白名单级别为不异常的级别。
分析模块806还可用于:根据目标电话号码的目标类别信息获得多种通话信息的比较矩阵,多种通话信息的比较矩阵用于表示多种通话信息中每两种通话信息相对于目标电话号码的重要性的大小;根据多种通话信息获得多个异常指标级别的比较矩阵,多个异常指标级别的比较矩阵用于表示多个异常指标级别中每两种异常指标级别相对于各种通话信息的重要性的大小;基于多种通话信息的比较矩阵和多个异常指标级别的比较矩阵获得多个异常指标级别分别相对于目标电话号码的多个权重。
分析模块806,还可用于根据目标电话号码的呼出号码异常类别权重、通话时长异常类别权重、呼叫时间异常类别权重和流量使用异常类别权重,比较多种通话信息中每两种通话信息的异常类别权重大小,获得多种通话信息的比较矩阵。
分析模块806还可用于:根据目标电话号码的目标类别信息对多种通话信息的比较矩阵进行一致性检验;若多种通话信息的比较矩阵通过一致性检验,获得多种通话信息的比较矩阵的归一化特征向量;根据多种通话信息对多个异常指标级别的比较矩阵进行一致性检验;若多个异常指标级别的比较矩阵通过一致性检验,获得多个异常指标级别的比较矩阵的归一化特征向量;根据多种通话信息的比较矩阵的归一化特征向量和多个异常指标级别的比较矩阵的归一化特征向量获得多个异常指标级别分别相对于目标电话号码的多个权重。
分析模块806还用可于:根据目标电话号码的目标类别信息和预设敏感词获得多种通话信息的比较矩阵;根据多种通话信息和预设敏感词获得多个异常指标级别的比较矩阵。
分析模块806还可用于:根据预设敏感词对通话文本进行匹配,获得通话文本的敏感程度信息;根据目标电话号码的目标类别信息和通话文本的敏感程度信息获得多种通话信息的比较矩阵;根据多种通话信息和通话文本的敏感程度信息获得多个异常指标级别的比较矩阵。
本公开实施例提供的装置中的各个模块的具体实现可以参照上述方法中的内容,此处不再赘述。
图9示出本公开实施例中一种电子设备的结构示意图。需要说明的是,图9示出的设备仅以计算机系统为示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图9所示,设备900包括中央处理单元(CPU)901,其可以根据存储在只读存储器(ROM)902中的程序或者从存储部分908加载到随机访问存储器(RAM)903中的程序而执行各种适当的动作和处理。在RAM903中,还存储有设备900操作所需的各种程序和数据。CPU901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。
以下部件连接至I/O接口905:包括键盘、鼠标等的输入部分906;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分907;包括硬盘等的存储部分908;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分909。通信部分909经由诸如因特网的网络执行通信处理。驱动器910也根据需要连接至I/O接口905。可拆卸介质911,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器910上,以便于从其上读出的计算机程序根据需要被安装入存储部分908。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分909从网络上被下载和安装,和/或从可拆卸介质911被安装。在该计算机程序被中央处理单元(CPU)901执行时,执行本公开的系统中限定的上述功能。
需要说明的是,本公开所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——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。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机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。而在本公开中,计算机可读的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,其中承载了计算机可读的程序代码。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。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、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。计算机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、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中,例如,可以描述为:一种处理器包括获取模块、处理模块和分析模块。其中,这些模块的名称在某种情况下并不构成对该模块本身的限定,例如,数据获取模块还可以被描述为“向所连接的服务器端获取通话信息的模块”。
作为另一方面,本公开还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的设备中所包含的;也可以是单独存在,而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该设备包括:
获取目标电话号码的多种通话信息;根据多种通话信息对目标电话号码进行分类处理,获得目标电话号码的目标类别信息;根据多种通话信息和目标电话号码的目标类别信息进行层次分析,获得目标电话号码的异常指标权重,以根据异常指标权重对目标电话号码进行异常处理。
以上具体地示出和描述了本公开的示例性实施例。应可理解的是,本公开不限于这里描述的详细结构、设置方式或实现方法;相反,本公开意图涵盖包含在所附权利要求的精神和范围内的各种修改和等效设置。
Claims (10)
1.一种信息处理方法,其特征在于,包括:
获取目标电话号码的多种通话信息;
根据所述多种通话信息对所述目标电话号码进行分类处理,获得所述目标电话号码的目标类别信息;
根据所述多种通话信息和所述目标电话号码的目标类别信息进行层次分析,获得所述目标电话号码的异常指标权重,以根据所述异常指标权重对所述目标电话号码进行异常处理。
2.根据权利要求1所述的方法,其特征在于,所述异常指标权重包括多个异常指标级别分别相对于所述目标电话号码的多个权重;
根据所述多种通话信息和所述目标电话号码的目标类别进行层次分析,获得所述目标电话号码的异常指标权重,包括:
根据所述目标电话号码的目标类别信息获得所述多种通话信息的比较矩阵,所述多种通话信息的比较矩阵用于表示所述多种通话信息中每两种通话信息相对于所述目标电话号码的重要性的大小;
根据所述多种通话信息获得所述多个异常指标级别的比较矩阵,所述多个异常指标级别的比较矩阵用于表示所述多个异常指标级别中每两种异常指标级别相对于各种通话信息的重要性的大小;
基于所述多种通话信息的比较矩阵和所述多个异常指标级别的比较矩阵获得所述多个异常指标级别分别相对于所述目标电话号码的多个权重。
3.根据权利要求2所述的方法,其特征在于,所述多种通话信息包括呼出号码信息、通话时长信息、呼叫时间信息和流量使用信息;
所述目标电话号码的目标类别信息包括呼出号码异常类别权重、通话时长异常类别权重、呼叫时间异常类别权重和流量使用异常类别权重;
根据所述多种通话信息对所述目标电话号码进行分类处理,获得所述目标电话号码的目标类别信息,包括:
根据所述呼出号码信息、所述通话时长信息、所述呼叫时间信息和所述流量使用信息获得所述目标电话号码的通话特征向量;
将所述目标电话号码的通话特征向量输入卷积神经网络,获得所述目标电话号码的呼出号码异常类别权重、通话时长异常类别权重、呼叫时间异常类别权重和流量使用异常类别权重;
根据所述目标电话号码的目标类别信息获得所述多种通话信息的比较矩阵,包括:
根据所述目标电话号码的呼出号码异常类别权重、通话时长异常类别权重、呼叫时间异常类别权重和流量使用异常类别权重,比较所述多种通话信息中每两种通话信息的异常类别权重大小,获得所述多种通话信息的比较矩阵。
4.根据权利要求2所述的方法,其特征在于,还包括:
根据所述目标电话号码的目标类别信息对所述多种通话信息的比较矩阵进行一致性检验;
若所述多种通话信息的比较矩阵通过一致性检验,获得所述多种通话信息的比较矩阵的归一化特征向量;
根据所述多种通话信息对所述多个异常指标级别的比较矩阵进行一致性检验;
若所述多个异常指标级别的比较矩阵通过一致性检验,获得所述多个异常指标级别的比较矩阵的归一化特征向量;
基于所述多种通话信息的比较矩阵和所述多个异常指标级别的比较矩阵获得所述多个异常指标级别分别相对于所述目标电话号码的多个权重,包括:
根据所述多种通话信息的比较矩阵的归一化特征向量和所述多个异常指标级别的比较矩阵的归一化特征向量获得所述多个异常指标级别分别相对于所述目标电话号码的多个权重。
5.根据权利要求2所述的方法,其特征在于,所述多种通话信息包括通话语音信息;
所述方法还包括:
获取预设敏感词;
根据所述目标电话号码的目标类别信息获得所述多种通话信息的比较矩阵,包括:
根据所述目标电话号码的目标类别信息和所述预设敏感词获得所述多种通话信息的比较矩阵;
根据所述多种通话信息获得所述多个异常指标级别的比较矩阵,包括:
根据所述多种通话信息和所述预设敏感词获得所述多个异常指标级别的比较矩阵。
6.根据权利要求5所述的方法,其特征在于,所述通话语音信息包括对通话语音进行自然语言处理得到的通话文本;
根据所述目标电话号码的目标类别信息和所述预设敏感词获得所述多种通话信息的比较矩阵,包括:
根据所述预设敏感词对所述通话文本进行匹配,获得所述通话文本的敏感程度信息;
根据所述目标电话号码的目标类别信息和所述通话文本的敏感程度信息获得所述多种通话信息的比较矩阵;
根据所述多种通话信息和所述预设敏感词获得所述多个异常指标级别的比较矩阵,包括:
根据所述多种通话信息和所述通话文本的敏感程度信息获得所述多个异常指标级别的比较矩阵。
7.根据权利要求2所述的方法,其特征在于,所述多个异常指标级别包括黑名单级别、灰名单级别和白名单级别,所述黑名单级别的异常程度高于所述灰名单级别,所述白名单级别为不异常的级别。
8.一种信息处理装置,其特征在于,包括:
获取模块,用于获取目标电话号码的多种通话信息;
处理模块,用于根据所述多种通话信息对所述目标电话号码进行分类处理,获得所述目标电话号码的目标类别信息;
分析模块,用于根据所述多种通话信息和所述目标电话号码的目标类别信息进行层次分析,获得所述目标电话号码的异常指标权重,以根据所述异常指标权重对所述目标电话号码进行异常处理。
9.一种信息处理设备,包括:存储器、处理器及存储在所述存储器中并可在所述处理器中运行的可执行指令,其特征在于,所述处理器执行所述可执行指令时实现如权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质,其上存储有计算机可执行指令,其特征在于,所述可执行指令被处理器执行时实现如权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111616753.1A CN114363465A (zh) | 2021-12-27 | 2021-12-27 | 信息处理方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111616753.1A CN114363465A (zh) | 2021-12-27 | 2021-12-27 | 信息处理方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114363465A true CN114363465A (zh) | 2022-04-15 |
Family
ID=81102658
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111616753.1A Pending CN114363465A (zh) | 2021-12-27 | 2021-12-27 | 信息处理方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114363465A (zh) |
-
2021
- 2021-12-27 CN CN202111616753.1A patent/CN114363465A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10855840B2 (en) | Systems and methods for automatically conducting risk assessments for telephony communications | |
CN110851872B (zh) | 针对隐私数据泄漏的风险评估方法及装置 | |
CN104079475A (zh) | 一种消息处理方法和系统 | |
CN110493476B (zh) | 一种检测方法、装置、服务器及存储介质 | |
CN110598383B (zh) | 解除账户权限限制的方法以及装置 | |
CN112561685B (zh) | 客户的分类方法和装置 | |
CN110619535A (zh) | 一种数据处理方法及其装置 | |
KR20220082697A (ko) | 분산형 자동 전화 사기 위험 관리 | |
CN108600250A (zh) | 认证方法 | |
CN113553583A (zh) | 信息系统资产安全风险评估方法与装置 | |
CN116823428A (zh) | 一种反欺诈检测方法、装置、设备及存储介质 | |
CN113518075A (zh) | 网络诈骗预警方法、装置、电子设备、及存储介质 | |
CN117252429A (zh) | 风险用户的识别方法、装置、存储介质及电子设备 | |
US11508377B2 (en) | System and method for detecting fraud rings | |
CN112950359A (zh) | 一种用户识别方法和装置 | |
CN115983907A (zh) | 一种数据推荐方法、装置、电子设备及计算机可读介质 | |
CN114363465A (zh) | 信息处理方法、装置、设备及存储介质 | |
CN116305038A (zh) | 一种基于用户画像的账号安全监测方法、装置及电子设备 | |
CN112182520A (zh) | 非法账号的识别方法、装置、可读介质及电子设备 | |
CN116703555A (zh) | 一种预警方法、装置、电子设备及计算机可读介质 | |
CN114944950B (zh) | 实名认证方法以及装置 | |
US11627218B2 (en) | Caller identification information analyzer | |
CN108769434A (zh) | 来电处理方法、装置及系统 | |
CN114358543A (zh) | 一种信息处理方法和装置 | |
CN110087230B (zh) | 数据处理方法、装置、存储介质及电子设备 |
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 |