老年人电信网络诈骗识别与防范影响因素及对策研究

针对电信网络对老年人诈骗日趋猖獗的现象,通过对老年人基本信息、生活状态、消费习惯和诈骗经历进行数据调研,结果显示老年人防范意识和诈骗识别能力薄弱.通过对影响老年人受电信诈骗因素分析,提出解决方案.研究结论对老年人电信网络诈骗识别与防范具有借鉴意义.

基于跨界养老服务平台的老年诈骗识别防范技术研究与实现

随着我国进入老龄化社会的速度不断加快以及现代科技的飞速发展,老年人群体在智能应用方面的普及程度也越来越高.为了解决老年人群在运用智能技术方面遇到的电信网络诈骗问题,更好地满足我国日益增长的健康养老服务需求,本文研究了基于跨界养老服务平台的老年诈骗识别防范技术及其实现.首先介绍了我国养老服务业现状、以多模态协同智能交互为关键技术的跨界养老服务平台,其次介绍了老年诈骗识别防范技术的主要研究内容和关键技术,最后对老年诈骗防范相关理论和技术进行实现.

基于大型语言模型微调技术的反诈骗信息识别方法研究

针对反诈骗信息识别,对大型语言模型(LLMs)的微调技术进行了深入的实验研究。选取了3种不同规模的LLMs基础模型,并采用了LoRA和p-tuningv22种先进的微调技术,以适应特定的反诈骗信息识别任务。通过多个维度的实验评估,微调策略不仅能够显著提升模型在反诈骗信息识别上的性能,还能够在一定程度上保持模型的通用性。此外,探讨了LLMs在少样本情况下的学习能力,并分析了不同微调策略下的资源消耗情况。

电信诈骗识别的知识图谱设计与应用

电信诈骗事件的增加给人民群众的财产安全和人身安全带来了越来越多的问题。为减少电信诈骗事件带来的危害,本文研究了电信诈骗识别的知识图谱设计和应用工作。在电信诈骗识别知识图谱设计方面,本文构建了实体、关系、属性。其中,实体包括类别、方式、防范措施、骗术实体;关系包括类别与方式关系、类别与防范措施关系、类别与骗术关系、骗术与类别关系、骗术和防范措施关系;属性包括类别的侵害对象和概念属性。为提升电信诈骗识别的性能,本文应用知识图谱提出了基于知识图谱的电信诈骗识别系统,并对系统的数据库进行了设计。在系统实现方面,对系统进行了编码和性能测试,验证了本文提出的电信诈骗识别的知识图谱具有较好的应用价值。

复杂诈骗脚本识别策略研究

电信诈骗分子使用的诈骗脚本越来越复杂,单从其中的某条消息很难对诈骗脚本进行精准判别。为了提高复杂诈骗脚本的精确度,本文对现有的关键词组合策略进行了改进,在原有逻辑运算符中引入了顺序运算符,从而提高了关键词组合策略的表达能力。通过顺序运算符能够快速定义复杂诈骗脚本策略,实现对诈骗脚本的精准识别。

基于SPARK与随机森林的短信诈骗用户识别研究

当今数据时代电信诈骗现象日益增多,为了在短信诈骗份子实施诈骗前及时识别出其身份,根据目前电信行业需求及研究现状,在SPARK并行处理框架上,针对性地提出了分层子空间的加权随机森林算法。面对短信用户种类繁杂导致的数据类别不平衡带来的随机森林性能低下的问题,采用改进的分层子空间的方法,并根据评估出的每棵树的分类能力给决策树加权,相较于其他分类算法,改进的随机森林表现得更优异;针对电信行业海量数据的特点,选择分布式SPARK作为数据处理平台,并行化的平台缩短了模型训练和测试时间,提高了效率,实时、准确地识别电信短信诈骗用户,其准确率达到90%以上。

面向诈骗短信息识别的融合多策略数据增强技术研究

针对诈骗短信息识别模型对新型诈骗短信息识别率低的模型鲁棒性问题,文章提出了一种文本生成和深度合成的数据融合增强技术的模型训练方法。借助统计分析发现新型诈骗短信息异于普通诈骗短信息的内容和结构特点,文章分别使用文本生成、深度合成和两者融合技术等数据增强方式来增强原生诈骗短信息训练集,同时在CNN、LSTM、GRU等多个模型中对新型诈骗短信息和原生诈骗短信息进行对比实验,进一步验证模型性能的优化程度。实验结果表明,使用数据融合增强技术后,模型对新型诈骗短信息的识别率由73.4%提升到98.4%,F1值由0.64提升到0.98,诈骗短信息识别模型的整体性能得到了提升。

基于卷积神经网络模型的诈骗网站识别技术研究

为了解决传统诈骗网站检测方法精确度不足、机器学习方法过于臃肿开销过大的问题,本文提出基于卷积神经网络模型的诈骗网站识别模型。通过采集大量网络流量数据,提取数据流特征,建立模型,训练并判断目标网站是否具有诈骗网站特征。并采用朴素贝叶斯算法,检测用户异常行为,判断是否执行过诈骗网站特定操作。若赋值结果超过规定阈值,则目标网站被判为诈骗网站,反之则为正常网站。经过试验检测,该模型召回率为97.65%,检测精确度为91.2%,具有较好实验效果与实践意义。

基于网络行为分析的诈骗网站识别技术研究

分析用户网络行为,识别诈骗网站,对电信网络诈骗犯罪的防控工作具有重要的实际意义。本文通过研究用户的多步骤、时序性的网络数据流,提取显性流量特征以及隐性网络行为特征,建立基于BP神经网络的诈骗网站识别模型,实现对诈骗网站的动态识别。为解决传统的诈骗网站检测模型精确度不足、模型开销庞大的问题,以及传统BP神经网络模型容易陷入局部最优解的问题,本文提出遗传算法优化的BP神经网络模型,通过遗传算法寻找最佳初始权阈值,优化神经网络模型。在用户网络行为数据集的基础上进行实验,证明模型能够有效识别网站的诈骗属性,具有实战意义。

基于机器学习的大数据防诈骗能力研究与应用

本文提出了一种基于机器学习技术和运营商业务分析相结合的大数据防诈骗系统方案。通过建立用户画像和多场景诈骗电话识别模型,实现多方面、多维度对通讯诈骗行为的监控,并由运营商直接在通信网络侧进行实时拦截处理,为广大用户切断诈骗电话来源。该方案不仅识别准确性高、覆盖范围广,而且节约通信网络资源,保障了正常的通信环境。

基于音频指纹模板匹配的不良音频模糊检索方法

不良音频包含暴力恐怖、宗教极端、色情等有害的信息,其传播会对国家、社会和人民群众等造成极大危害,需要运用特定技术高效准确地识别控制。本方法基于音频指纹模板匹配的不良音频模糊检索,采用语音端点检测、梅尔频率倒谱系数特征提取、非对称距离计算、大规模音频特征库快速分层搜索技术与多候选匹配等算法,可高效准确地在大规模不良音频中识别出特定的不良音频,可支持电信级应用,例如诈骗电话识别等。

大数据认知计算在内容安全管控中的应用

通信网络中存在海量垃圾和不良信息,这些信息需要被阅读和理解,以便对其进行有效的特征提取和拦截封堵。基于人工分析的方法已经无法达到目的,需要使用基于大数据的认知计算技术代替人工进行海量的数据分析和理解,帮助人们制订内容安全管控策略。针对电信诈骗治理、不良消息治理、变体消息治理和不良网站治理4个方面遇到的实际问题,分别提出了大数据认知计算的解决方案,并给出了创新性实践的效果。实践表明,提出的解决方案能够快速发现不良信息,有效地提升内容管控质量。