CN116389642B - 实时监测移动用户行为的自动化处置方法、系统及设备 - Google Patents
实时监测移动用户行为的自动化处置方法、系统及设备 Download PDFInfo
- Publication number
- CN116389642B CN116389642B CN202310649046.5A CN202310649046A CN116389642B CN 116389642 B CN116389642 B CN 116389642B CN 202310649046 A CN202310649046 A CN 202310649046A CN 116389642 B CN116389642 B CN 116389642B
- Authority
- CN
- China
- Prior art keywords
- data
- ticket
- module
- model
- white list
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 57
- 238000000034 method Methods 0.000 title claims abstract description 32
- 230000006399 behavior Effects 0.000 title claims abstract description 29
- 238000004458 analytical method Methods 0.000 claims abstract description 74
- 238000004891 communication Methods 0.000 claims description 78
- 238000002372 labelling Methods 0.000 claims description 9
- 238000013500 data storage Methods 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 3
- 230000002159 abnormal effect Effects 0.000 claims description 2
- 208000012260 Accidental injury Diseases 0.000 abstract description 5
- 230000006378 damage Effects 0.000 abstract description 4
- 208000014674 injury Diseases 0.000 abstract description 4
- 238000012795 verification Methods 0.000 abstract description 4
- 238000010295 mobile communication Methods 0.000 abstract description 2
- 230000009471 action Effects 0.000 description 10
- 238000007726 management method Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 9
- 238000013515 script Methods 0.000 description 5
- 102100035175 SEC14-like protein 4 Human genes 0.000 description 2
- 101800000853 Tachykinin-associated peptide 3 Proteins 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000007789 sealing Methods 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
- G06F16/24552—Database cache management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M3/00—Automatic or semi-automatic exchanges
- H04M3/22—Arrangements for supervision, monitoring or testing
- H04M3/2218—Call detail recording
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Signal Processing (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Computer Security & Cryptography (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Technology Law (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明提供了一种实时监测移动用户行为的自动化处置方法、系统及设备,属于移动通信技术领域。本发明通过指标分析和模型分析,实现了一种快速、自动的实时监测移动用户行为的自动化处置。并且引入了新的白名单数据,使得监测话单行为与报备行业相匹配,有效减少对特殊行业用户利益的损坏,避免了误伤,解决了处置延误,处置不精确的问题。与现有技术相比,提高了风险号码处置的时效性,通过模型匹配到的号码,系统能够自动及时关停或者触发二次实人认证校验,在一定程度上避免了风险的扩大。
Description
技术领域
本发明涉及实时监测移动用户行为的自动化处置方法,还涉及一种实时监测移动用户行为的自动化处置系统,进一步涉及一种计算设备,属于移动通信技术领域。
背景技术
“实名不实人”的电话卡,会被犯罪分子用来实施电信网络犯罪。为了打击治理电信网络新型违法犯罪,全国开展“断卡”行动,依法清理整治涉诈电话卡、物联网卡以及关联互联网账号的行动,“断卡”即是斩断犯罪分子的信息流和资金流。
在现有技术中,如公布号为CN108270932A、公布号为CN113890941A的中国专利文件;目前主要是通过上级机构下发的待处置号码数据进行相应的处置动作,在时间上具有延后性,部分风险、涉诈的号码数据在上级机构进行通报并下发时,运营企业才会关注到。另外为了更好的区分号码风险类型而定义了很多模型,如12321-广告电话、12321-电信核查、公安通报等。在现有技术中,按模型对号码进行监测时,风险号码的处置往往是无差别的,会造成部分正常使用用户的误伤,如特殊行业用户如快递派送、外卖、出租车司机、物流货运等;一般在收到用户的反馈后,才会对相应的号码进行核实恢复,存在监测处置不实时,不精确、有误伤等情况。
发明内容
本发明所要解决的技术问题在于提供一种实时监测移动用户行为的自动化处置方法、系统及计算设备。
为实现上述技术目的,本发明采用以下的技术方案:
一种实时监测移动用户行为的自动化处置方法,包括:
S1:话单监测模块从第一存储模块中获取话单分析数据,计算话单分析数据中每个通讯号码的通信数据,获得第一结果数据;
S2:话单监测模块从第二存储模块获取第一指标数据和白名单数据,并将第一指标数据与步骤S1的第一结果数据进行匹配,并验证通讯号码是否属于白名单数据中;如果第一结果数据与第一指标数据匹配成功,并且第一结果数据的通讯号码不属于白名单数据中,则将匹配成功的通讯号码的指标数据发送至指标分析模块中;如果匹配失败,则本次自动化处置结束;
S3:指标分析模块对S2步骤的匹配成功的通讯号码做标签标记作为第一标记号码,并将第一标记号码发送至第二存储模块中存储;
S4:指标分析模块从第二存储模块中获取模型数据和白名单数据,并将步骤S3的第一标记号码的指标数据与所述模型数据进行匹配,并验证所述第一标记号码的通讯号码是否属于所述白名单数据中;如果第一标记号码的指标数据与所述模型数据匹配出关联模型,并且所述第一标记号码的通讯号码不属于所述白名单数据中,则将所述第一标记号码与匹配出的所述关联模型发送至模型分析模块;如果不能匹配出关联模型,则本次自动化处置结束;
S5:模型分析模块对步骤S4匹配出的所述关联模型从第二存储模块中获取预设处置规则,对第一标记号码做标签标记作为第二标记号码,并将所述第二标记号码发送至第二存储模块中;
S6:号码处置模块从第二存储模块获取步骤S5的第二标记号码中关联模型的预设处置规则,并且根据所述处置规则,对所述第二标记号码的通讯号码进行处置。
进一步地,步骤S3中,对S2步骤的匹配成功的通讯号码做标签标记作为第一标记号码,包括:
S31:指标分析模块从第一存储模块中获取步骤S2中匹配成功的指标数据对应的标记位置字段;
S32:根据步骤S31的标记位置字段,更改步骤S2中匹配成功的通讯号码的字符。
进一步地,还包括:
S01:采集白名单数据;
S02:通过预设模型对步骤S01的白名单数据进行监测;如果白名单数据中的通讯号码的话单数据与预设模型匹配,则将通讯号码从白名单数据中移除;如果白名单数据中的通讯号码的话单数据不与预设模型匹配,则留存于白名单数据中。
进一步地,步骤S01包括:入网时报备和人工反馈报备。
进一步地,白名单数据包含通讯号码的行业信息。
进一步地,步骤S1之前还包括:
S1-1:话单获取模块实时获取话单数据,并发送至话单分析模块;
S1-2:话单分析模块对步骤S1-1的话单数据进行分析,并将分析后获得的话单数据发送至第一存储模块中存储。
一种实时监测移动用户行为的自动化处置系统,用于执行上述实时监测移动用户行为的自动化处置方法,包括:
话单获取模块、话单分析模块、话单监测模块、指标分析模块、模型分析模块、号码处置模块及存储模块。
话单获取模块,用于通过传输协议实时接收话单数据,并存储于第一存储模块中。
话单分析模块,用于分析话单数据,并将分析结果存储于第一存储模块中。
话单监测模块,用于从第一存储系统获取话单数据,并对话单数据进行计算,得出第一结果数据;从第二存储模块获取第一指标数据和白名单数据;并将第一结果数据与第一指标数据进行匹配,并验证话单数据中的通讯号码是否属于白名单数据中。
指标分析模块,用于对话单监测模块中匹配成功的通讯号码做标签标记作为第一标记号码;从第二存储模块中获取模型数据和白名单数据,并将第一标记号码的指标数据与模型数据进行匹配,并验证第一标记号码的通讯号码是否属于白名单数据中。
模型分析模块,用于对所述指标分析模块中匹配出的所述关联模型从第二存储模块中获取预设处置规则,对第一标记号码做标签标记作为第二标记号码,并发送至所述第二存储模块中。
号码处置模块,用于从所述第二存储模块获取所述第二标记号码中关联模型的预设处置规则,并且根据所述处置规则,对所述第二标记号码的通讯号码进行处置。
进一步地,还包括消息中间件,用于获取数据和发送数据。
进一步地,第一存储模块的数据存储系统为Redis缓存数据库;第二存储模块的数据存储系统为数据中心的Oracle数据库。
一种计算设备,包括:
至少一个处理器;和存储有程序指令的存储器;
其中,程序指令被配置为适于由至少一个处理器执行,程序指令包括用于执行上述实时监测移动用户行为的自动化处置方法的指令。
与现有技术相比较,本发明通过指标分析和模型分析,实现了一种快速、自动的实时监测移动用户行为的自动化处置。并且引入了新的白名单数据,使得监测话单行为与报备行业相匹配,有效减少对特殊行业用户利益的损坏,避免了误伤,解决了处置延误,处置不精确的问题。与现有技术相比,提高了风险号码处置的时效性,通过模型匹配到的号码,系统能够自动及时关停或者触发二次实人认证校验,在一定程度上避免了风险的扩大。通过设计自动化处置装置及处置方法,实现了实时地、自动地、快速地对通讯号码进行识别及处置,提升了对风险号码处置的时效性。并且,引入了指标匹配和模型匹配的方法,以及白名单数据的验证方法,提高了对特殊行业通讯号码的精准识别,避免了错误处置的情况。
附图说明
图1为本发明一个实施例中自动化处置流程示意图。
图2为本发明一个实施例中的系统结构示意图。
实施方式
为了使本领域的技术人员更好地理解本发明方案,下面结合附图和具体实施例对本发明的技术内容进行清楚、完整地描述,显然,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
本发明实施例提供的实时监测移动用户行为的自动化处置系统,用于执行实时监测移动用户行为的自动化处置方法。具体包括话单获取模块、话单分析模块、话单监测模块、指标分析模块、模型分析模块、号码处置模块及存储模块。其中,话单获取模块用于通过传输协议实时接收话单数据,并存储于第一存储模块中;话单分析模块,用于分析话单数据,并将分析结果存储于第一存储模块中;话单监测模块,用于从第一存储系统获取话单数据,并对话单数据进行计算,得出第一结果数据;从第二存储模块获取第一指标数据和白名单数据;并将第一结果数据与第一指标数据进行匹配,并验证话单数据中的通讯号码是否属于白名单数据中;指标分析模块,用于对话单监测模块中匹配成功的通讯号码做标签标记作为第一标记号码;从第二存储模块中获取模型数据和白名单数据,并将第一标记号码的指标数据与模型数据进行匹配,并验证第一标记号码的通讯号码是否属于白名单数据中;模型分析模块,用于对指标分析模块中匹配出的关联模型从第二存储模块中获取预设处置规则,对第一标记号码做标签标记作为第二标记号码,并发送至所述第二存储模块中;号码处置模块,用于从第二存储模块获取第二标记号码中关联模型的预设处置规则,并且根据所述处置规则,对所述第二标记号码的通讯号码进行处置。
在本发明实施例中,第一存储模块的数据存储系统为Redis缓存数据库;第二存储模块的数据存储系统为数据中心的Oracle数据库。在Redis缓存数据库中存有分析后的话单数据、指标数据对应的标记位置字段等。在Oracle数据库中有一份全量号码监测明细表,里面数据字段主要包括号码信息、号码初始通信时间、最后通信时间、指标标记数据、模型标记数据等。所有被指标分析模块或模型分析模块标记的号码数据都会更新到此表中。查询号码的实时监测结果都可以在此处查询。
另外,实时监测移动用户行为的自动化处置系统还包括消息中间件,用于获取数据和发送数据。在本发明实施例中,中间件为RocketMq。
下面详细说明利用上述实时监测移动用户行为的自动化处置系统对话单数据执行实时监测移动用户行为的自动化处置的方法。
本发明实施例提供的实时监测移动用户行为的自动化处置方法,包括步骤S1-S6。
S1:话单监测模块从第一存储模块中获取话单分析数据,计算话单分析数据中每个通讯号码的通信数据,获得第一结果数据。
具体的,话单监测模块分析通讯号码的具体通信行为。如通话时长、次数、频率、通信地点等。计算话单分析数据中每个通讯号码的通信数据为对通话次数等数据的一个简单累加的过程。
在本发明实施例中,以最主要的语音通话数据为例进行说明。话单监测模块会从Redis缓存数据库(即第一存储模块)中获取通讯号码的各项通话数据,并计算该通讯号码累计的通话次数、当日通话次数、通话地点、通话时间、对端客户数量等,获得第一结果数据。
在这里,通讯号码的各项通话数据指的是语音、短信及流量话单。其中,语音通话数据尤为重要,因为广告、诈骗等一般都是通过电话沟通。
另外,对端客户数量指的是,如果被监测的通讯号码为A,当A给B1、B2、B3……等被叫拨打电话时,这些B1、B2、B3……通讯号码就是通讯号码A的对端客户。在监测通讯号码A这一天给多少通讯号码打了电话时,就能用到对端客户数量。
S2:话单监测模块从第二存储模块获取第一指标数据和白名单数据,并将第一指标数据与步骤S1的第一结果数据进行匹配,并验证通讯号码是否属于白名单数据中;如果第一结果数据与第一指标数据匹配成功,并且第一结果数据的通讯号码不属于白名单数据中,则将匹配成功的通讯号码的指标数据发送至指标分析模块中;如果匹配失败,匹配结果存储到第一存储模块,本次自动化处置结束。
具体的,话单监测模块利用步骤S1的第一结果数据与数据中心Oracle数据库(即第二存储模块)的第一指标数据、白名单数据进行匹配分析,并将匹配后的数据存于Redis缓存数据库中。当第一结果数据满足某个指标规则且不在白名单时,会发送给指标分析模块进行下一个步骤S3。
其中,第一指标数据是一种规则,是一种固定格式的用Groovy语言去配置的脚本。比如一天中,6秒以内短时长通话次数超10次,被叫对端客户数量超过50等。Groovy是一种基于JVM(Java虚拟机)的敏捷开发语言。
S3:指标分析模块对S2步骤的匹配成功的通讯号码做标签标记作为第一标记号码,并将第一标记号码发送至第二存储模块中存储。
具体的,当通讯号码被标记后其数据存放在数据中心Oracle数据库中,表现形式是一串固定长度的字符串,初始值为00000000000000。其中每一位都以0或1标识,0代表未标记,1代表被标记。该初始值的长度可以根据实际需求任意设计。
在指标分析中的标记长度为20位,该值所在的位置能代表预先定义好的一种标记含义。如10000000000000000000,第一位被标记了,代表号码被标记为“疑似广告电话”。
在步骤S3中,对S2步骤的匹配成功的通讯号码做标签标记作为第一标记号码,包括:
S31:指标分析模块从第一存储模块中获取步骤S2中匹配成功的指标数据对应的标记位置字段;
S32:根据步骤S31的标记位置字段,更改步骤S2中匹配成功的通讯号码的标记段字符。
具体的,在指标分析模块对满足指标规则的通讯号码进行标记时,是从Redis缓存数据库中获取匹配成功的指标数据的标记位置字段。如“疑似广告电话”标记位置是第1位,然后更改标记段字符的第一位改为1。
S4:指标分析模块从第二存储模块中获取模型数据和白名单数据,并将步骤S3的第一标记号码的指标数据与模型数据进行匹配,并验证第一标记号码的通讯号码是否属于白名单数据中;如果第一标记号码的指标数据与模型数据匹配出关联模型,并且第一标记号码的通讯号码不属于白名单数据中,则将第一标记号码与关联模型发送至模型分析模块;如果不能匹配出关联模型,则本次自动化处置结束。
在本发明实施例中,指标与模型可以是多对多的关系。指标与模型匹配出关联模型,主要是看模型是否依赖于指标。如果指标“短高频通话(20+20)”,表示一天内≤20秒主叫与呼转通话次数≥20次,则模型“疑似广告电话”就依赖于此指标数据。
模型就是一条保存在数据库中的基础数据,里面包含模型名称、定义的唯一编码、规则脚本(Groovy语音编写)、可用状态、处置动作编码(比如M21,程序在处理时,识别到编码是M21,就会执行管理停机的动作,号码就会被停机)、创建修改时间等一些信息。模型名称可以是12321-广告电话、12321-电信核查、公安通报、疑似广告电话、高风险卡(三无睡眠卡)。但是,本领域技术人员应该了解,关联模型可以根据实际需求自定义,并且可以根据实际需求进行增加、修改。
另外,模型分析模块是从数据中心Oracle数据库中获取待处理数据,里面有关键的手机号码、用户标识、模型标识等信息,通过号码信息去匹配白名单,通过模型标识去拿到模型配置数据,通过对应模型的用Groovy语言编写的规则脚本进行各种条件判断。如该模型脚本里面写到,排除靓号、排除是否在某个代理商办得卡等。举一个模型的规则脚本内容为例展示如下:
S5:模型分析模块对步骤S4匹配出的关联模型从第二存储模块中获取预设处置规则,对第一标记号码做标签标记作为第二标记号码,并将第二标记号码发送至第二存储模块中。
具体的,模型数据里面包含处置动作标识。如我们定义好的M10(管理单复)、M11(管理单停)、M20(管理复机)、M21(管理停机)、N1(短信通知)等。当如一个模型的处置动作配置为N1,匹配成功时,程序会在相应字符位置做好N1标记,生成第二标记号码存储在数据中心Oracle数据库。
具体的,在模型分析中的标记长度为30位,该值所在的位置能代表预先定义好的一种标记含义。如果第一标记号码的指标数据与模型数据匹配出关联模型,则对第一标记号码的字符串相应位置进行更改生成第二标记号码。
S6:号码处置模块从第二存储模块获取步骤S5的第二标记号码中关联模型的预设处置规则,并且根据所述处置规则,对所述第二标记号码的通讯号码进行处置。
具体的,号码处置模块实时获取待处理数据(JAVA的实时任务),取到这条数据后,从第二标记号码中获取包含管理模型的处置动作标识,调用对应的处置方法进行处置,给用户发送短信通知。如我们定义好的M10(管理单复)、M11(管理单停)、M20(管理复机)、M21(管理停机)、N1(短信通知)等,配置成功的模型的处置动作配置为N1,获取该处置动作N1后,按照预设处置方法进行短信通知。
在本发明实施例中,在步骤S1之前还包括:
S1-1:话单获取模块实时获取话单数据,并发送至话单分析模块。
在本发明实施例中,话单数据是由移动、联通、电信等基础运营商按照一定的时效通过TAP3协议传输过来的文件。例如,移动公司每2分钟下发一次话单数据,话单获取模块接收到TAP3文件后会实时进行解码,话单分析等操作。
S1-2:话单分析模块对步骤S1-1的话单数据进行分析,并将分析后获得的话单数据发送至第一存储模块中存储。
在本发明实施例提供的实时监测移动用户行为的自动化处置方法,还包括步骤S01-S02。
S01:采集白名单数据。
具体的,采集白名单数据包括入网时报备和人工反馈报备。
白名单数据包含通讯号码的行业信息。以此减少对特殊行业用户利益的损坏。
在白名单上报途径是在用户办理电话卡时增加了白名单上报方式,对比传统的号码被封控了再来报备解封是一个优化,两者互为补充。上报的途径包括在我们的微信小程序、公众号H5、代理商开卡的门店小程序等系统的实名制入网流程中增加此功能。用户上报工作证、职业证明等信息后,会有人工审核。
S02:通过预设模型对步骤S01的白名单数据进行监测;如果白名单数据中的通讯号码的话单数据与预设模型匹配,则将通讯号码从白名单数据中移除;如果白名单数据中的通讯号码的话单数据不与预设模型匹配,则留存于白名单数据中。
具体的,针对上报用户设置有单独的模型来匹配监测,如上报的快递员,会分析号码通信时间段是否符合快递员工作时间,通信地点是否固定等。当数据异常时,号码可能会被移出白名单。
这里描述的各种技术可结合硬件或软件,或者它们的组合一起实现。
具体的,一种计算设备,包括至少一个处理器,和存储有程序指令的存储器;其中,程序指令被配置为适于由至少一个处理器执行,程序指令包括用于执行如权利要求1-6中任一项的实时监测移动用户行为的自动化处置方法的指令。
综上所述,本发明通过指标分析和模型分析,实现了一种快速、自动的实时监测移动用户行为的自动化处置。并且引入了新的白名单数据,使得监测话单行为与报备行业相匹配,有效减少对特殊行业用户利益的损坏,避免了误伤,解决了处置延误,处置不精确的问题。与现有技术相比,提高了风险号码处置的时效性,通过模型匹配到的号码,系统能够自动及时关停或者触发二次实人认证校验,在一定程度上避免了风险的扩大。
需要说明的是,本发明中的术语“第一”、“第二”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。在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
以上对本发明进行了详细的说明。对本领域的一般技术人员而言,在不背离本发明实质内容的前提下对它所做的任何显而易见的改动,都将构成对本发明专利权的侵犯,将承担相应的法律责任。
Claims (7)
1.一种实时监测移动用户行为的自动化处置方法,其特征在于,包括:
S1:话单监测模块从第一存储模块中获取话单分析数据,计算所述话单分析数据中通讯号码的通信数据,获得第一结果数据;还包括:采集白名单数据;
S2:话单监测模块从第二存储模块获取第一指标数据和白名单数据,并将所述第一指标数据与所述步骤S1的第一结果数据进行匹配,并验证所述通讯号码是否属于白名单数据中;如果所述第一结果数据与所述第一指标数据匹配成功,并且所述第一结果数据的通讯号码不属于所述白名单数据中,则将匹配成功的通讯号码的指标数据发送至指标分析模块中;如果匹配失败,匹配结果存储到第一存储模块,则本次自动化处置结束;
所述白名单来源为入网时报备和人工反馈报备;其中所述入网报备方式包括以下一种或多种:微信小程序、公众号、代理商开卡的门店小程序;
所述白名单数据包含所述通讯号码的行业信息,以及,针对上报用户设置有单独的模型来匹配监测,当数据异常时,号码可能会被移出白名单;
具体包括:通过预设模型对所述步骤S1的白名单数据进行监测;如果白名单数据中的通讯号码的话单数据与所述预设模型匹配,则将所述通讯号码从白名单数据中移除;如果白名单数据中的通讯号码的话单数据不与预设模型匹配,则留存于白名单数据中;
S3:指标分析模块对所述S2步骤的匹配成功的通讯号码做标签标记作为第一标记号码,并将第一标记号码发送至第二存储模块中存储;
S4:指标分析模块从第二存储模块中获取模型数据和白名单数据,并将所述步骤S3的第一标记号码的指标数据与所述模型数据进行匹配,并验证所述第一标记号码的通讯号码是否属于所述白名单数据中;如果所述第一标记号码的指标数据与所述模型数据匹配出关联模型,并且所述第一标记号码的通讯号码不属于所述白名单数据中,则将所述第一标记号码与匹配出的所述关联模型发送至模型分析模块;如果不能匹配出关联模型,则本次自动化处置结束;
S5:模型分析模块对所述步骤S4匹配出的所述关联模型从第二存储模块中获取预设处置规则,对第一标记号码做标签标记作为第二标记号码,并将所述第二标记号码发送至第二存储模块中;
S6:号码处置模块从第二存储模块获取所述步骤S5的第二标记号码中关联模型的预设处置规则,并且根据所述处置规则,对所述第二标记号码的通讯号码进行处置。
2.根据权利要求1所述的一种实时监测移动用户行为的自动化处置方法,其特征在于,所述步骤S3中,对所述S2步骤的匹配成功的通讯号码做标签标记作为第一标记号码,包括:
S31:指标分析模块从第一存储模块中获取所述步骤S2中匹配成功的指标数据对应的标记位置字段;
S32:根据所述步骤S31的标记位置字段,标记所述步骤S2中匹配成功的通讯号码的所述位置字段的字符。
3.根据权利要求1所述的一种实时监测移动用户行为的自动化处置方法,其特征在于,所述步骤S1之前还包括:
S1-1:话单获取模块实时获取话单数据,并发送至话单分析模块;
S1-2:话单分析模块对步骤S1-1的话单数据进行分析,并将分析后获得的话单分析数据发送至第一存储模块中存储。
4.一种实时监测移动用户行为的自动化处置系统,用于执行如权利要求1-3中任一项所述的实时监测移动用户行为的自动化处置方法,其特征在于,包括:
话单获取模块、话单分析模块、话单监测模块、指标分析模块、模型分析模块、号码处置模块及存储模块;
所述话单获取模块,用于通过传输协议实时接收话单数据,并存储于所述第一存储模块中;
所述话单分析模块,用于分析所述话单数据,并将分析结果存储于所述第一存储模块中;
所述话单监测模块,用于从所述第一存储模块获取话单数据,并对所述话单数据进行计算,得出所述第一结果数据;从所述第二存储模块获取第一指标数据和白名单数据;并将所述第一结果数据与所述第一指标数据进行匹配,并验证所述话单数据中的通讯号码是否属于所述白名单数据中;
所述指标分析模块,用于对所述话单监测模块中匹配成功的通讯号码做标签标记作为第一标记号码;从所述第二存储模块中获取模型数据和白名单数据,并将所述第一标记号码的指标数据与所述模型数据进行匹配,并验证所述第一标记号码的通讯号码是否属于所述白名单数据中;
所述模型分析模块,用于对所述指标分析模块中匹配出的所述关联模型从第二存储模块中获取预设处置规则,对第一标记号码做标签标记作为第二标记号码,并发送至所述第二存储模块中;
所述号码处置模块,用于从所述第二存储模块获取所述第二标记号码中关联模型的预设处置规则,并且根据所述处置规则,对所述第二标记号码的通讯号码进行处置。
5.根据权利要求4所述的实时监测移动用户行为的自动化处置系统,其特征在于,还包括消息中间件,用于获取数据和发送数据。
6.根据权利要求4所述的实时监测移动用户行为的自动化处置系统,其特征在于,所述第一存储模块的数据存储系统为Redis缓存数据库;所述第二存储模块的数据存储系统为数据中心的Oracle数据库。
7.一种计算设备,包括:
至少一个处理器;和存储有程序指令的存储器;
其中,所述程序指令被配置为适于由所述至少一个处理器执行,所述程序指令包括用于执行如权利要求1-3中任一项所述的实时监测移动用户行为的自动化处置方法的指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310649046.5A CN116389642B (zh) | 2023-06-02 | 2023-06-02 | 实时监测移动用户行为的自动化处置方法、系统及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310649046.5A CN116389642B (zh) | 2023-06-02 | 2023-06-02 | 实时监测移动用户行为的自动化处置方法、系统及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116389642A CN116389642A (zh) | 2023-07-04 |
CN116389642B true CN116389642B (zh) | 2023-12-05 |
Family
ID=86967892
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310649046.5A Active CN116389642B (zh) | 2023-06-02 | 2023-06-02 | 实时监测移动用户行为的自动化处置方法、系统及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116389642B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109429230A (zh) * | 2017-08-28 | 2019-03-05 | 中国移动通信集团浙江有限公司 | 一种通信诈骗识别方法及系统 |
CN115767551A (zh) * | 2022-11-03 | 2023-03-07 | 中国联合网络通信集团有限公司 | 骚扰诈骗电话识别方法、装置、设备及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10693880B2 (en) * | 2017-11-27 | 2020-06-23 | Bank Of America Corporation | Multi-stage authentication of an electronic communication |
-
2023
- 2023-06-02 CN CN202310649046.5A patent/CN116389642B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109429230A (zh) * | 2017-08-28 | 2019-03-05 | 中国移动通信集团浙江有限公司 | 一种通信诈骗识别方法及系统 |
CN115767551A (zh) * | 2022-11-03 | 2023-03-07 | 中国联合网络通信集团有限公司 | 骚扰诈骗电话识别方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116389642A (zh) | 2023-07-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110321268B (zh) | 一种告警信息处理方法及装置 | |
CN101453358B (zh) | 一种oracle数据库绑定变量的sql语句审计方法及系统 | |
CN111931189B (zh) | Api接口转用风险检测方法、装置和api服务系统 | |
CN113536325A (zh) | 一种数字化信息风险监控方法及装置 | |
CN110362689A (zh) | 一种风险评估方法、装置、存储介质和服务器 | |
CN104618410B (zh) | 资源推送方法和装置 | |
CN111159548A (zh) | 一种网络信息科技推广服务系统 | |
CN107094291A (zh) | 一种反电信诈骗的系统、方法及终端 | |
US20100031095A1 (en) | Method and apparatus for enhancing ticketing system in a service management process for efficient problem resolultion | |
CN116389642B (zh) | 实时监测移动用户行为的自动化处置方法、系统及设备 | |
CN108563706A (zh) | 一种催收大数据智能服务系统及其运行方法 | |
CN110177369A (zh) | 智能通讯监控方法、装置及计算机可读存储介质 | |
CN111931186B (zh) | 软件风险识别方法及装置 | |
CN109120613A (zh) | 通讯数据的监控方法和系统 | |
CN113923011B (zh) | 一种网络诈骗的预警方法、装置、计算机设备及存储介质 | |
CN104702671A (zh) | 一种实现信息举报的方法及服务器 | |
US20060218186A1 (en) | Automated data processing using optical character recognition | |
CN113111153A (zh) | 一种数据分析方法、装置、设备及存储介质 | |
CN116418915A (zh) | 非正常号码识别方法、装置、服务器和存储介质 | |
CN112434082A (zh) | 运维资源管理方法、装置、设备及介质 | |
CN112650783A (zh) | 一种科技信息检索方法及系统 | |
CN113010865A (zh) | 智慧教育平台的大数据基础组件安全管理方法及系统 | |
CN111274780A (zh) | 一种两票管理方法及系统 | |
CN113360926B (zh) | 一种基于运维人员操作集约化管理的智能运维审计系统 | |
CN106355377A (zh) | 具有分析处理功能的笔录管理方法、系统及其终端 |
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 |