公开(公告)号：CN109474756A

公开(公告)日：2019-03-15

申请号：CN201811367747.5

申请日：2018-11-16

Applicant: 国家计算机网络与信息安全管理中心

Inventor： 张震 ,  刘冠男 ,  张亮 ,  林浩 ,  吴俊杰 ,  马欢 ,  缪亚男

IPC: H04M3/22 ,  H04W12/12 ,  G06F16/2458

CPC classification number: H04M3/2281 ,  H04W12/12

Abstract: 本发明公开了一种基于协同网络表示学习的电信异常检测方法，属于数据挖掘与机器学习领域。首先训练xgboost分类器，测试每条CDR数据的欺诈类别概率构成待检测的信令数据集。提取主被叫用户构成通联二部图P，根据评分从信令数据集中选取疑似欺诈的主叫节点生成种子节点集合Z，并将存在共同被叫邻居的任意两个主叫添加到协同网络集合G。通联二部图P扩展出待选的被叫节点集合B，并移除不满足条件的被叫用户，保留下来的被叫节点更新到集合B'中；扩展并更新种子节点集合Z'，去重合并更新协同网络G'，降维得到嵌入向量进行建模预测，取异常得分最大的N个作为检测结果输出。本发明保证了生成的协同网络的质量，提高计算速度，可以适应不同的数据特点。

公开(公告)号：CN109492026B

公开(公告)日：2021-11-09

申请号：CN201811301410.4

申请日：2018-11-02

Applicant: 国家计算机网络与信息安全管理中心

Inventor： 万辛 ,  刘冠男 ,  郭佳 ,  林浩 ,  安茂波 ,  李鹏 ,  高圣翔 ,  黄远 ,  沈亮

IPC: G06F16/2458 ,  G06Q50/30

Abstract: 本发明公开了一种基于改进的主动学习技术的电信欺诈分类检测方法，涉及一种基于改进的主动学习技术的电信欺诈分类检测方法。抽取数量为X的数据划分训练集和测试集。从训练集中抽取样本作为初始训练集，其余为未标记样本。若当前训练集中正类与负类样本数量的比值不小于阈值e，训练有监督分类器f并构造强组合分类器F；将未标记样本逐个放入有监督分类器f中进行类别评分，得到类别评分结果，输入主动学习采样算法，得到信息量大小的评分。选取信息量最大的前D个进行标注，并加入训练集中；当前训练集样本数量大于等于X1，或者迭代次数大于等于C时结束，输出训练好的分类器f。本发明具有较强的稳定性和鲁棒性，实现较高的分类和检测效率。

公开(公告)号：CN109587350B

公开(公告)日：2021-06-22

申请号：CN201811373658.1

申请日：2018-11-16

Applicant: 国家计算机网络与信息安全管理中心

Inventor： 万辛 ,  刘冠男 ,  张亮 ,  林浩 ,  安茂波 ,  李鹏 ,  高圣翔 ,  黄远 ,  林格平

IPC: G06F16/2458 ,  H04W12/12 ,  H04M3/22

Abstract: 本发明公开了一种基于滑动时间窗口聚合的电信诈骗电话的序列异常检测方法，属于数据挖掘与机器学习和商务智能领域。首先构造训练用户数据集，回溯被叫用户全部通话记录，形成各被叫用户通话序列。利用cos相似度函数，计算序列结构相似度和统计特征相似度并进行线性组合，得到加和相似度。然后通过K‑Means聚类模型得到K类用户，构成独立的序列训练数据集，通过滑动时间窗口，形成K个训练集。最后在每个训练集上训练iForest模型，得到K个异常检测模型。每个被叫用户通过对应的异常检测模型识别异常，当最大值高于阈值h时，该被叫用户是高风险的被叫用户。每过固定时间段更新K‑Means模型和异常检测模型。本发明缓解了数据稀疏性问题，发现基于群组的异常特征。

公开(公告)号：CN111858925A

公开(公告)日：2020-10-30

申请号：CN202010501138.5

申请日：2020-06-04

Applicant: 国家计算机网络与信息安全管理中心

Inventor： 万辛 ,  李鹏 ,  刘冠男 ,  孙旭东 ,  曲金铭 ,  沈亮 ,  刘发强 ,  倪善金 ,  吴俊杰

IPC: G06F16/35 ,  G06F16/335 ,  G06F40/211 ,  G06F40/289 ,  G06Q30/00 ,  G06Q50/32

Abstract: 本发明公开了电信网络诈骗事件的剧本提取方法、装置、电子设备以及存储介质。该方法包括：获取已知主题类别的电信网络诈骗事件文本；对文本进行分句操作；提取文本中各单句的关键词；利用预先建立的BERT模型提取已知主题类别的电信网络诈骗事件文本中各单句的关键词向量；基于任意两个具有相邻句序的单句的关键词向量的均值向量之间的空间距离，对两个具有相邻句序的单句进行剧情阶段的划分；获取各阶段所包含的单句的关键词作为所属的主题类别下电信网络诈骗事件中各阶段的情节特征的表示。本发明实现了对于电信网络诈骗事件剧情阶段的划分，提取出有助于识别电信网络诈骗事件的特征，从而达到精准提取电信网络诈骗事件剧本的目的。

公开(公告)号：CN109474756B

公开(公告)日：2020-09-22

申请号：CN201811367747.5

申请日：2018-11-16

Applicant: 国家计算机网络与信息安全管理中心

Inventor： 张震 ,  刘冠男 ,  张亮 ,  林浩 ,  吴俊杰 ,  马欢 ,  缪亚男

IPC: G06F16/2458 ,  H04M3/22 ,  H04W12/12

Abstract: 本发明公开了一种基于协同网络表示学习的电信异常检测方法，属于数据挖掘与机器学习领域。首先训练xgboost分类器，测试每条CDR数据的欺诈类别概率构成待检测的信令数据集。提取主被叫用户构成通联二部图P，根据评分从信令数据集中选取疑似欺诈的主叫节点生成种子节点集合Z，并将存在共同被叫邻居的任意两个主叫添加到协同网络集合G。通联二部图P扩展出待选的被叫节点集合B，并移除不满足条件的被叫用户，保留下来的被叫节点更新到集合B'中；扩展并更新种子节点集合Z'，去重合并更新协同网络G'，降维得到嵌入向量进行建模预测，取异常得分最大的N个作为检测结果输出。本发明保证了生成的协同网络的质量，提高计算速度，可以适应不同的数据特点。