5G时代下基于大数据AI的全周期反通信信息诈骗方案研究

近年来,电信诈骗呈现持续高发态势,引起社会各界高度关注。随着5G技术的发展,连接设备和传感器数量的激增,导致数据源更丰富,产生的数据量呈指数上升,同时也显著提高了识别和防止诈骗数据处理的复杂程度。对于运营商而言,传统防欺诈技术将不再适用,必须能够在短时间内处理海量数据,以防止欺诈。为了解决上述问题并更好的保护深度受害用户,本文提出一种治理通信信息诈骗的方法,可实现5G时代下从信令中提取疑似码号的通信特征,利用机器学习方法快速研判和处置。经本地验证,该方法的准确性可达85%。

基于集成学习和社交关系识别骚扰诈骗不良号码的方法

本文基于运营商网络通信数据和业务数据,探索“多数据汇聚、多技术融合”的新型数据挖掘方式。在研究手段上,首先采用XGBoost集成学习算法精准分类号码,有效区分骚扰诈骗号码、外卖快递号码和正常号码,并构建号码间的社交特征,基于社交关系进一步提升骚扰诈骗号码精度。经验证,本文通过XGBoost集成学习算法和社交关系的融合模型,进一步提升诈骗骚扰号码的精度至80%,可广泛应用于新型不良信息治理领域,助力打击电信网络新型违法犯罪治理,维护社会公共安全。