TWI691923B - 金融交易詐騙偵測防範系統及其方法 - Google Patents
金融交易詐騙偵測防範系統及其方法 Download PDFInfo
- Publication number
- TWI691923B TWI691923B TW107111703A TW107111703A TWI691923B TW I691923 B TWI691923 B TW I691923B TW 107111703 A TW107111703 A TW 107111703A TW 107111703 A TW107111703 A TW 107111703A TW I691923 B TWI691923 B TW I691923B
- Authority
- TW
- Taiwan
- Prior art keywords
- fraud
- transaction
- operation record
- analysis module
- threshold
- Prior art date
Links
Images
Landscapes
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
一種金融交易詐騙偵測防範系統,包括:交易平台、監視模組、詐騙特徵資料庫、詐騙分析模組以及警示模組。監視模組在交易平台執行交易操作期間取得第一操作記錄及第二操作記錄。詐騙分析模組從第一操作記錄擷取第一操作特徵集合並從第二操作記錄擷取第二操作特徵集合,將第一操作特徵集合比對詐騙特徵資料庫以輸出第一相符集合及第一相符比率,在第一相符比率大於第一閾值時執行預測程序以輸出預測行為,更將第二操作特徵集合比對預測行為以輸出第二相符比率。警示模組在第二相符比率超過第二閾值時發送警示訊息。
Description
本發明係關於金融服務領域,特別是關於一種整合影像辨識、聲紋語意分析、行為分析、人工智慧與深度學習的金融詐騙偵測防範系統。
目前社會上金融詐騙事件層出不窮,一般民眾對於不斷翻新的詐騙手法以及詐騙話術往往防不勝防。若受害者親自至金融機構提領或轉帳,則尚有機會在進行交易時被服務人員發現並勸阻,然而這種仰仗人為防堵詐騙的方式缺乏效率且成功率低。另一方面,隨著網路及行動通訊裝置的日益普及,人們逐漸習慣透過網路進行線上交易,與此同時,五花八門的行銷廣告與金融產品投資訊息亦散佈於網路的各個角落。一旦使用者稍有不慎,便可能誤信詐騙集團散佈的偽造資訊,而輕易地透過自動化設備、網路銀行或是行動銀行轉移金錢至他人帳戶,且這種類型的金融交易詐騙行為又更難以即時防範。
有鑑於此,本發明提出一種金融交易詐騙偵測防範系統,在交易操作進行期間,即時地發現可能的金融交易詐騙行為,並且避免這些詐騙行為得以順利實現。
依據本發明一實施例所敘述的金融交易詐騙偵測防範系統,包括:交易平台、監視模組、詐騙特徵資料庫、詐騙分析模組以及警示模組。交易平台用以執行交易操作。監視模組,通訊連接至交易平台並用以在交易操作執行期間,取得第一操作記錄及第二操作記錄,其中第一操作記錄早於第二操作記錄。詐騙特徵資料庫用以儲存複數個詐騙特徵。詐騙分析模組通訊連接至交易平台、監視模組及詐騙特徵資料庫。詐騙分析模組包括擷取單元、運算單元及預測單元,其中,擷取單元用以從第一操作記錄中擷取第一操作特徵集合以及從第二操作記錄中擷取第二操作特徵集合;運算單元用以根據第一操作特徵集合比對詐騙特徵資料庫的多個詐騙特徵以輸出第一相符集合以及第一相符比率,預測單元用以在第一相符比率大於第一閾值時將第一相符集合輸入一預測程序以輸出一預測行為;運算單元更用以根據第二操作特徵集合比對預測行為並輸出一第二相符比率,並在第二相符比率超過一第二閾值時將第一操作特徵集合與第二操作特徵集合儲存至詐騙特徵資料庫。警示模組通訊連接至詐騙分析模組,並用以在第二相符比率超過第二閾值時發送警示訊息。
依據本發明一實施例的金融交易詐騙偵測防範方法包括:交易平台執行交易操作;在交易操作執行期間,監視模組取得第一操作記錄及第二操作記錄,其中第一操作記錄早於第二操作記錄;詐騙分析模組之擷取單元從第一操作記錄中擷取第一操作特徵集合;詐騙分析模組之擷取單元從第二操作記錄中擷取第二操作特徵集合;詐騙分析模組之運算單元根據第一操作特徵集合比對詐騙特徵資料庫之複數個詐騙特徵以輸出第一相符集合以及第一相符比率;在第一相符比率大於第一閾值時,詐騙分析模組之預測單元將第一相符集合輸入預測程序以輸出預測行為;詐騙分析模組之運算單元根據第二操作特徵集合比對預測行為並輸出第二相符比率;在第二相符比率超過第二閾值時,詐騙分析模組之運算單元儲存第一操作特徵集合及第二操作特徵集合至詐騙特徵資料庫;以及在第二相符比率超過第二閾值時,警示模組發送警示訊息。
如上所述,本案所揭露的金融交易詐騙偵測防範系統,於行為人進行金融交易時透過採用監視模組收集影像、聲音及操作行為模式,並經由人工智能解析與比對,即時地判斷本次行為人的交易操作是否屬於詐騙交易,如果是,則由警示模組連動交易系統暫停執行並且示警,以防止詐騙交易之資金流出,並且即時地通知行為人。本發明揭露的金融交易詐騙偵測防範系統具有模組化的特色,可直接導入現有的金融交易系統,減少各家金融機構自行建置所額外增加的成本。
以上之關於本揭露內容之說明及以下之實施方式之說明係用以示範與解釋本發明之精神與原理,並且提供本發明之專利申請範圍更進一步之解釋。
以下在實施方式中詳細敘述本發明之詳細特徵以及優點,其內容足以使任何熟習相關技藝者了解本發明之技術內容並據以實施,且根據本說明書所揭露之內容、申請專利範圍及圖式,任何熟習相關技藝者可輕易地理解本發明相關之目的及優點。以下之實施例係進一步詳細說明本發明之觀點,但非以任何觀點限制本發明之範疇。
請參考圖1,其係繪示本發明一實施例所敘述的金融交易詐騙偵測防範系統的架構示意圖。如圖1所示,金融交易詐騙偵測防範系統包括:交易平台1、監視模組3、詐騙特徵資料庫5、詐騙分析模組7以及警示模組9,其中詐騙分析模組7通訊連接至交易平台1、監視模組3、詐騙特徵資料庫5以及警示模組9以便獲取或發送詐騙偵測相關資訊。
交易平台1用以執行交易操作。具體而言,交易平台1例如係金融機構櫃台之電腦、銷售時點情報系統(Point of Sales,POS)、自動櫃員機(Automated Teller Machine,ATM)、智慧型手機或個人電腦,所述的交易操作係指臨櫃交易、透過自動櫃員機交易、登入行動銀行應用程序執行交易或登入網路銀行之網站執行交易。
監視模組3用以在交易操作執行期間,取得第一操作記錄及第二操作記錄,其中第一操作記錄早於第二操作記錄。實務上,監視模組3例如係實體閉路攝影機、智慧型手機之攝影元件、麥克風(或具有相同功能的收音裝置)、鍵盤側錄裝置或鍵盤側錄應用程序。第一操作記錄及第二操作記錄實質上係記錄使用者執行交易操作執行的各種資訊,例如行為人執行交易操作時的影像、錄音或按鍵記錄日誌檔。第一操作記錄及第二操作記錄係為交易操作整體記錄的連續二部分。舉例來說,若使用者操作ATM的時間為20分鐘,則第一操作記錄為監視錄影的前5分鐘,第二操作記錄為監視錄影的後15分鐘。然而,上述並非用以限制第一操作記錄及第二操作記錄的分割方式,實務上可視情況調整第一操作記錄及第二操作記錄的選取範圍。
詐騙特徵資料庫5用以儲存複數個詐騙特徵。具體而言,詐騙特徵資料庫係事先從警政機關或金融同業收集人類心理及行為模式資訊以及詐騙態樣資訊,並且透過深度學習的方式,分類出多個種類的詐騙特徵,例如從錄音檔中辨識出常見詐騙話術的關鍵詞彙:「帳戶定期扣款」、「解除分期付款」、「ATM操作錯誤」等;或者從影像檔中辨識出受害者常見的表情或肢體動作,如:「緊張」、「困惑」、「左右張望」、「肢體晃動」等;或者從影像檔中辨識詐騙者常見的裝扮,如:「口罩」、「安全帽」等。詐騙特徵資料庫5可根據交易行為發生的不同場景(如臨櫃、ATM、網路銀行或行動銀行)將詐騙特徵分類儲存,以供詐騙分析模組7提取作為比對之用。
請參考圖2,其係繪示詐騙分析模組7進行分析時的資料傳遞示意圖。詐騙分析模組7包括擷取單元72、運算單元74及預測單元76。
擷取單元72用以從第一操作記錄中擷取第一操作特徵集合以及從第二操作記錄中擷取第二操作特徵集合。詳言之,第一操作特徵集合及第二操作特徵集合中各自包括複數個操作特徵。所述的操作特徵係包括執行交易操作的行為人的肢體動作、眼神、面部表情、聲音、對話語意、遮蔽行為人的物件及執行交易操作時之背景聲音與影像資訊等。在本發明另一實施例中,第一操作特徵集合及該第二操作特徵集合可更包括交易操作執行時,由交易平台產生之一交易資料,交易資料包括一交易地點及一交易類型。
運算單元74用以根據第一操作特徵集合比對詐騙特徵資料庫5的多個詐騙特徵以輸出第一相符集合以及第一相符比率。第一相符集合係指在第一操作特徵集合中和詐騙特徵資料庫5儲存的詐騙特徵互相符合的一個或數個操作特徵,而且詐騙特徵資料庫5所提供的詐騙特徵將依據交易場景不同而適應性的調整。例如當交易地點為營業櫃檯時,對應的詐騙特徵為:「臉部遮蔽面積超過33%」、「肢體動作慌張」、「語調急促」等;當交易地點為ATM自動化設備時,對應的詐騙特徵為:「眼神飄移」、「行為人當下發出聲音含有特定關鍵詞」等;當交易地點為網路銀行時,對應的詐騙特徵為:「滑鼠或鍵盤按鍵被多次點擊或重壓」、「欄位資料輸入停頓過長」、「交易畫面不停切換」等。第一相符比率則係第一相符集合中的操作特徵數量除以第一操作特徵集合中的操作特徵數量。若第一相符比率小於或等於系統預設的第一閾值(例如:50%),則從第二操作記錄中選取一部分作為新的第一操作記錄,並重新計算第一相符比率;反過來說,若第一相符比率大於第一閾值時,則啟動預測單元76的預測程序。
預測單元76用以在第一相符比率大於第一閾值時將第一相符集合輸入一預測程序以輸出一預測行為。實務上,預測程序可採用適用於影像辨識的卷積神經網路(Convolutional Neural Networks,CNN)、適用於文字解析或語音辨識的遞歸神經網路(Recurrent/Recursive Neural Network,RNN)或長短期記憶(Long Short-Term Memory,LSTM)神經網路,如同詐騙辨識資料庫5的建構方式,預測程序所採用的一或數個類神經網路亦事先從警政機關或金融同業收集人類心理及行為模式資訊以及詐騙態樣資訊作為神經元感知元件(Perception)的訓練資料以建立一個初步的預測程序。預測單元76將第一相符集合中的多個操作特徵作為類神經網路輸入層的輸入變數,輸出層所輸出的預測行為包括一或數個詐騙特徵。
在預測單元輸出預測行為之後,運算單元74將擷取單元72輸出的第二操作特徵集合中的多個操作特徵與預測行為中的多個詐騙特徵互相比對,並且輸出第二相符比率。第二相符比率的計算方式例如將第二操作特徵集合中可匹配至預測行為中詐騙特徵的操作特徵個數除以第二操作特徵集合中的操作特徵個數。若第二相符比率超過系統預設的第二閾值(例如:80%)時,則運算單元74將第一操作特徵集合與第二操作特徵集合儲存至詐騙特徵資料庫5,藉此累計更多的詐騙態樣,並且也有助於提升人工智能判斷和辨識的準確度。
實務上,運算單元74根據該交易地點調整第一閾值及該第二閾值的預設值,其係因應交易場域的特性調整本發明一實施例所述的金融交易詐騙偵測防範系統的敏感度。
整體而言,詐騙分析模組7將所收集的交易操作記錄如影像、聲音、語意、場景及動作等資訊藉由電腦持續模擬及預測後續的行為動作或語意,並與詐騙特徵資料庫5中所儲存的多個詐騙特徵交叉比對,再輸出比對後的第二相符比率,因此可根據第二相符比率與基於交易地點所設置的第二閾值判斷本次交易行為是否為屬於詐騙型交易。
承上所述,當第二相符比率超過第二閾值時,代表詐騙行為正在發生,故警示模組9發送警示訊息,通知相關人員前往處理,或是連線至金融交易伺服器,攔截此交易操作。
請參考圖3,其係依據本發明一實施例的金融交易詐騙偵測防範方法所繪示的流程圖,根據前述金融交易詐騙偵測防範系統的主要元件分類呈現各自的執行流程,以下述及各步驟之間執行的順序請配合圖3的時間軸查看。
請參考步驟S0:交易平台1執行交易操作。例如行為人透過ATM執行轉帳交易。
請參考步驟S1及步驟S2:在交易操作執行期間,監視模組3先後取得第一操作記錄及第二操作記錄,其中第一操作記錄早於第二操作記錄。例如在行為人操作ATM共20分鐘的過程中,監視攝影機持續拍攝行為人,並將前5分鐘的影像作為第一操作記錄,後15分鐘的影像作為第二操作記錄。
請參考步驟S3:在監視模組3取得第一操作記錄的同時,詐騙分析模組7的擷取單元72即時地從第一操作記錄中擷取第一操作特徵集合。例如從影片中辨識行為人的眼神、面部表情,從錄音中辨識行為人言語中的用詞,並從中取得多個操作特徵。
請參考步驟S4:在監視模組3取得第一操作記錄的同時,詐騙分析模組7的擷取單元72即時地從第二操作記錄中擷取第二操作特徵集合。具體作法如同步驟S3所述。
請參考步驟S5及步驟S6:在擷取單元72輸入第一操作特徵集合的同時,詐騙分析模組7的運算單元74即時地將第一操作特徵集合中的多個操作特徵,逐個與詐騙特徵資料庫5中儲存的複數個詐騙特徵比對,如步驟S5所示。藉此,運算單元74找出與詐騙特徵相符的一或數個操作特徵作為第一相符集合,並且計算第一相符集合中的操作特徵個數與第一操作特徵集合中的操作特徵個數的比值作為第一相符比率,如步驟S6所示。
請參考步驟S7:在運算單元輸出第一相符比率後,若第一相符比率大於第一閾值,則詐騙分析模組7的預測單元76將第一相符集合的一或數個操作特徵輸入預測程序,預測程序輸出預測行為,預測行為中包含一或數個操作特徵。
請參考步驟S8及步驟S9:類似於步驟S5及步驟S6的實作方式,在預測單元76輸出預測行為後,詐騙分析模組7的運算單元74將第二操作特徵集合中的多個操作特徵,逐個與預測行為中的多個操作特徵比對,如步驟S8所示。藉此,運算單元74找出兩邊相符的操作特徵作為第二相符集合,並且計算第二相符集合中的操作特徵個數與第二操作特徵集合中的操作特徵個數的比值作為第二相符比率,如步驟S9所示。
請參考步驟S10:在第二相符比率超過第二閾值時,應視為疑似詐騙行為,因此,詐騙分析模組7之運算單元74儲存第一操作特徵集合及第二操作特徵集合至詐騙特徵資料庫5。藉由各種交易行為的分析結果反饋,讓詐騙特徵資料庫5記錄以發掘最新型態的詐騙特徵,並且也提升詐騙分析模組7的預測單元以人工智能判斷的準確度。
請參考步驟S11:在第二相符比率超過第二閾值時,警示模組9發送警示訊息,警示訊息例如用來通知相關人員前往處理,或是用來連線至金融交易伺服器,攔截疑似為詐騙的交易操作。
綜合以上所述,本發明之金融交易詐騙偵測防範系統及其方法,於行為人進行金融交易時透過採用監視模組收集影像、聲音及操作行為模式,並經由人工智能解析與比對,即時地判斷本次行為人的交易操作是否屬於詐騙交易,如果是,則由警示模組連動交易系統暫停執行並且示警,以防止詐騙交易之資金流出,並且即時地通知行為人。本發明揭露的金融交易詐騙系統具有模組化的特色,可直接導入現有的金融交易系統,減少各家金融機構自行建置所額外增加的成本。
雖然本發明以前述之實施例揭露如上,然其並非用以限定本發明。在不脫離本發明之精神和範圍內,所為之更動與潤飾,均屬本發明之專利保護範圍。關於本發明所界定之保護範圍請參考所附之申請專利範圍。
1‧‧‧交易平台3‧‧‧監視模組5‧‧‧詐騙特徵資料庫7‧‧‧詐騙分析模組72‧‧‧擷取單元74‧‧‧運算單元76‧‧‧預測單元9‧‧‧警示模組S0~S11‧‧‧步驟
圖1係依據本發明一實施例所繪示的金融交易詐騙偵測防範系統的架構示意圖。 圖2係依據本發明一實施例所繪示的詐騙分析模組的資料傳遞示意圖。 圖3係依據本發明一實施例所繪示的金融交易詐騙偵測防範方法的流程示意圖。
1‧‧‧交易平台
3‧‧‧監視模組
5‧‧‧詐騙特徵資料庫
7‧‧‧詐騙分析模組
9‧‧‧警示模組
Claims (10)
- 一種金融交易詐騙偵測防範系統,包括:一交易平台,用以執行一交易操作;一監視模組,通訊連接至該交易平台,該監視模組用以在該交易操作執行期間,取得一第一操作記錄及一第二操作記錄,其中該第一操作記錄早於該第二操作記錄;一詐騙特徵資料庫,用以儲存複數個詐騙特徵;一詐騙分析模組,通訊連接至該交易平台、該監視模組及該詐騙特徵資料庫,該詐騙分析模組包括一擷取單元、一運算單元及一預測單元,其中,該擷取單元用以從該第一操作記錄中擷取一第一操作特徵集合以及從該第二操作記錄中擷取一第二操作特徵集合;該運算單元用以根據該第一操作特徵集合比對該詐騙特徵資料庫之該些詐騙特徵以輸出一第一相符集合以及一第一相符比率,該預測單元用以在該第一相符比率大於一第一閾值時將該第一相符集合輸入一預測程序以輸出一預測行為;該運算單元更用以根據該第二操作特徵集合比對該預測行為並輸出一第二相符比率,並在該第二相符比率超過一第二閾值時將該第一操作特徵集合與第二操作特徵集合儲存至該詐騙特徵資料庫;以及一警示模組,通訊連接至該詐騙分析模組,用以在該第二相符比率超過該第二閾值時發送一警示訊息。
- 如請求項1所述的金融交易詐騙偵測防範系統,其中該第一操作特徵集合及該第二操作特徵集合更包括該交易操作執行時該交易平台產生之一交易資料,該交易資料包括一交易地點及一交易類型。
- 如請求項2所述的金融交易詐騙偵測防範系統,其中該運算單元根據該交易地點調整第一閾值及該第二閾值。
- 如請求項1所述的金融交易詐騙偵測防範系統,其中該交易平台係金融機構櫃台之電腦、銷售時點情報系統、自動櫃員機、智慧型手機或個人電腦,且該交易操作係臨櫃交易、透過自動櫃員機交易、登入行動銀行應用程序並執行交易或登入網路銀行之網站並執行交易。
- 如請求項1所述的金融交易詐騙偵測防範系統,其中該監視模組係閉路攝影機、智慧型手機之攝影元件、麥克風、鍵盤側錄裝置或鍵盤側錄應用程序。
- 如請求項1所述的金融交易詐騙偵測防範系統,其中該第一操作記錄及第二操作記錄係一影片檔、一錄音檔或一按鍵記錄日誌檔。
- 如請求項1所述的金融交易詐騙偵測防範系統,其中該預測程序係卷積神經網路、遞歸神經網路或長短期記憶神經網路。
- 如請求項1所述的金融交易詐騙偵測防範系統,其中該第一操作特徵集合及第二操作特徵集合係包括執行該交易操作之一行為人之肢體動作、眼神、面部表情、聲音、對話語意、遮蔽該行為人之物件及執行該交易操作之背景聲音與影像資訊。
- 如請求項1所述的金融交易詐騙偵測防範系統,其中該詐騙特徵資料庫更包括儲存複數個人類心理及行為模式資訊。
- 一種金融交易詐騙偵測防範方法,包括:以一交易平台執行一交易操作;以一監視模組在該交易操作執行期間取得一第一操作記錄及一第二操作記錄,其中該第一操作記錄早於該第二操作記錄;以一詐騙分析模組之一擷取單元從該第一操作記錄中擷取一第一操作特徵集合;以該詐騙分析模組之該擷取單元從該第二操作記錄中擷取該第二操作特徵集合;以該詐騙分析模組之一運算單元根據該第一操作特徵集合比對一詐騙特徵資料庫之複數個詐騙特徵以輸出一第一相符集合以及一第一相符比率;在該第一相符比率大於一第一閾值時,以該詐騙分析模組之一預測單元將該第一相符集合輸入一預測程序以輸出一預測行為;以該詐騙分析模組之該運算單元根據該第二操作特徵集合比對該預測行為並輸出一第二相符比率;在該第二相符比率超過一第二閾值時,以該詐騙分析模組之該運算單元儲存該第一操作特徵集合及第二操作特徵集合至該詐騙特徵資料庫;以及在該第二相符比率超過該第二閾值時,以一警示模組發送一警示訊息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW107111703A TWI691923B (zh) | 2018-04-02 | 2018-04-02 | 金融交易詐騙偵測防範系統及其方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW107111703A TWI691923B (zh) | 2018-04-02 | 2018-04-02 | 金融交易詐騙偵測防範系統及其方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201942842A TW201942842A (zh) | 2019-11-01 |
TWI691923B true TWI691923B (zh) | 2020-04-21 |
Family
ID=69184512
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW107111703A TWI691923B (zh) | 2018-04-02 | 2018-04-02 | 金融交易詐騙偵測防範系統及其方法 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI691923B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111428572B (zh) * | 2020-02-28 | 2023-07-25 | 中国工商银行股份有限公司 | 信息处理方法、装置、电子设备和介质 |
CN113191775B (zh) * | 2021-04-22 | 2023-10-31 | 深圳前海移联科技有限公司 | 基于以太坊上交易时序信息的庞氏骗局智能合约检测方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102405463A (zh) * | 2009-04-30 | 2012-04-04 | 三星电子株式会社 | 利用多模态信息的用户意图推理装置及方法 |
CN106251860A (zh) * | 2016-08-09 | 2016-12-21 | 张爱英 | 面向安防领域的无监督的新颖性音频事件检测方法及系统 |
CN106453061A (zh) * | 2016-11-22 | 2017-02-22 | 北京锐安科技有限公司 | 一种识别网络诈骗行为的方法及系统 |
CN106650655A (zh) * | 2016-12-16 | 2017-05-10 | 北京工业大学 | 一种基于卷积神经网络的动作检测模型 |
CN106875007A (zh) * | 2017-01-25 | 2017-06-20 | 上海交通大学 | 用于语音欺骗检测的基于卷积长短期记忆端对端深度神经网络 |
CN107180226A (zh) * | 2017-04-28 | 2017-09-19 | 华南理工大学 | 一种基于组合神经网络的动态手势识别方法 |
-
2018
- 2018-04-02 TW TW107111703A patent/TWI691923B/zh active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102405463A (zh) * | 2009-04-30 | 2012-04-04 | 三星电子株式会社 | 利用多模态信息的用户意图推理装置及方法 |
CN106251860A (zh) * | 2016-08-09 | 2016-12-21 | 张爱英 | 面向安防领域的无监督的新颖性音频事件检测方法及系统 |
CN106453061A (zh) * | 2016-11-22 | 2017-02-22 | 北京锐安科技有限公司 | 一种识别网络诈骗行为的方法及系统 |
CN106650655A (zh) * | 2016-12-16 | 2017-05-10 | 北京工业大学 | 一种基于卷积神经网络的动作检测模型 |
CN106875007A (zh) * | 2017-01-25 | 2017-06-20 | 上海交通大学 | 用于语音欺骗检测的基于卷积长短期记忆端对端深度神经网络 |
CN107180226A (zh) * | 2017-04-28 | 2017-09-19 | 华南理工大学 | 一种基于组合神经网络的动态手势识别方法 |
Also Published As
Publication number | Publication date |
---|---|
TW201942842A (zh) | 2019-11-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10810510B2 (en) | Conversation and context aware fraud and abuse prevention agent | |
TWM565361U (zh) | 金融交易詐騙偵測防範系統 | |
Saxena et al. | Smart home security solutions using facial authentication and speaker recognition through artificial neural networks | |
CN112328999B (zh) | 双录质检方法、装置、服务器及存储介质 | |
WO2019071903A1 (zh) | 微表情面审辅助方法、装置及存储介质 | |
WO2017107734A1 (zh) | 一种金融终端安全防护方法及系统 | |
CN111241883B (zh) | 防止远程被测人员作弊的方法和装置 | |
JP2023547808A (ja) | 視聴覚型ディープフェイク検出 | |
US20220318349A1 (en) | Liveness detection using audio-visual inconsistencies | |
CN112788269B (zh) | 视频处理方法、装置、服务器及存储介质 | |
TWI691923B (zh) | 金融交易詐騙偵測防範系統及其方法 | |
CN109816893B (zh) | 信息发送方法、装置、服务器及存储介质 | |
US11948365B2 (en) | Frictionless authentication and monitoring | |
Shome et al. | A generalized mechanism beyond NLP for real-time detection of cyber abuse through facial expression analytics | |
CN111339829B (zh) | 用户身份鉴定方法、装置、计算机设备和存储介质 | |
CN115206328A (zh) | 数据处理方法、装置和客服机器人 | |
US20200327910A1 (en) | Dual Control Security Processing | |
Tietz et al. | Verification of keyboard acoustics authentication on laptops and smartphones using webrtc | |
TWM589318U (zh) | 金融服務系統 | |
US20230336564A1 (en) | Unauthorized Activity Detection Based on Spatially Aware Devices | |
TWI730473B (zh) | 金融服務系統及警示方法 | |
US20240135713A1 (en) | Monitoring device, monitoring system, monitoring method, and non-transitory computer-readable medium storing program | |
Kiaei et al. | Design and Development of an Integrated Internet of Audio and Video Sensors for COVID-19 Coughing and Sneezing Recognition | |
EP3828805A1 (en) | Frictionless fraud identification and tracking | |
CN112380514B (zh) | 生物识别安全态势预测方法、装置和电子设备 |