基于用户行为的社交网络人格特质识别方法

社交网络已成为人们获取和发布信息的一个重要平台,也是黑客发起网络诈骗的主要场地。大多数黑客在发起网络诈骗之前,首先会判别目标用户的主要人格特点,然后根据主要人格特点制定与其接触的策略。因此,面向社交网络用户的人格特质识别方法的研究对提高用户识别社交网络诈骗能力具有重要意义。提出基于用户的人格特质识别方法。通过构建面向社交网络的人格特质词典提取用户发表或转发文本信息中能反映用户主要人格特质类型的观测值,采用5个具有不同参数值的隐半马尔可夫模型刻画用户在社交网络上发表或转发文本信息的行为过程。在人格特质识别阶段,通过计算每个用户在发表或转发文本信息过程中产生的观测序列相对于模型的平均对数似然概率,以识别用户所属的人格特质类型。在采集的新浪微博数据集上进行实验,结果表明,当假正率为10%时,该方法的总真正率为93.18%,能准确识别用户的人格特质类型。

基于CDR分析的电信诈骗用户行为的研究

为更好地防范和打击电信诈骗,本文通过分析电信诈骗用户的历史通信行为数据,基于CDR话单分析方法,分别对通话时间频率分布,通话时间间隔分布,同一对象通话次数频率分布,通话周期和通话间隔相关性进行分析,得出电信诈骗用户部分行为特征。结合用户行为模型,本文研究成果能为公安机关打击电信诈骗提供参考依据。

我国企业信息告诉义务的法律规定及完善研究

企业承担信息告诉义务是信息使用者及时得到真实、可靠、充分的相关信息的保证 ,对社会经济有效运行和社会秩序稳定有重大意义。作者具体分析了我国企业信息告诉义务的法律规定 ,并提出进一步完善建议 ,以遏制正在我国恶性蔓延的企业信息欺诈。

恶意透支型信用卡诈骗罪“持卡人”的认定

恶意透支型信用卡诈骗罪中的"持卡人"不仅包括信用卡申领人,也包括实际使用信用卡的人。在信用卡申领人将信用卡交付他人使用的过程中,信用卡申领人和使用人往往能构成利益共同体,其在恶意透支上,可能构成共同犯罪的行为,在此种情况下,应将信用卡申领人和信用卡实际使用人都认定为"持卡人"。

2017年电信运营行业的热点预测和前景展望

首先预测了在2017年的运营市场中,移动支付和光纤宽带接入将成为热点,另外,云服务、SDN/NFV、物联网应用亦开始系统地落地实施、成规模地应用。同时,还预测了Vo LTE业务在2017年将面临尴尬处境,难有作为,并从电信运营商与政府监管部门、与互联网公司、与服务提供商、与设备供应商等各关联方的关系维度,对2017年电信运营行业的前景作了展望。

众包竞赛的离群点欺诈用户检测算法研究

针对基于众包竞赛中欺诈者筛除机制的黄金标准数据方法、聚类算法的离群点检测算法K means算法和DBSCAN算法,依赖于事先给定的参数,不适合大规模数据集检测的问题,提出基于样本连通图的离群点检测算法。首先,给定参数并重复调用离群点检测算法,识别数据中的离群点和聚类;其次,计算每两个样本之间的连接次数和连接强度,在给定连接强度下界δ的情况下,根据样本的连接强度来构造样本之间的连通图;最后,根据样本之间的连通情况,对样本进行标记,把样本标记为聚类节点和离群点。实验结果表明,该算法在放宽参数设置范围的情况下,缩小了离群点个数波动范围,提升了离群点识别准确率,优于对比算法和经典的黄金标准数据方法。

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。

冒用他人信用卡在ATM上取款行为的性质探析

目前,学界对于冒用他人信用卡在ATM(自动取款机)上取款行为的性质认定主要存在两种观点,一种观点认为此行为属于盗窃性质,应当以盗窃罪定罪;另一种观点认为此行为属于诈骗性质,应当认定为信用卡诈骗罪。本文通过对银行客户服务终端和用户密码法律地位的分析,认为应当将ATM视为银行的电子代理人,冒用他人信用卡在ATM上取款的行为应当认定为信用卡诈骗罪。

基于用户行为分析的诈骗电话识别

本文的研究目的是提高诈骗电话的识别率和识别准确性.基于大数据平台采集用户通话行为、上网行为等通信过程数据,结合用户基本属性、手机终端信息等进行综合分析,并采用合适的识别算法进行机器学习建立识别模型,能更好的发现诈骗电话与普通电话的内在差异,相比传统基于呼叫行为的分析,能有效提高骚扰诈骗电话识别的准确度和覆盖率,降低漏判、减少误判.经实际数据验证,对诈骗电话识别效果有明显提升,可作为诈骗电话识别的一种新的技术选择.

电话诈骗识别系统的设计与实现

本文将当前频发的电话诈骗问题与人工智能技术相结合,设计并实现了一个基于卷积神经网络的电话诈骗识别系统,该系统首先清洗并处理已采集的大批量用户话单数据,将其构建成用户特征图片,然后使用基于卷积神经网络技术构造的电话诈骗识别模型,对输入的用户通话特征图片进行挖掘,识别出诈骗人员的用户行为,从而帮助人们在通话初期提前识别出诈骗电话。

基于跨域资源访问的浏览器用户追踪

近年来,点击欺诈给广告商造成了巨大的经济损失,迫使广告商支付高额费用。为了应对点击欺诈,广告商通常使用用户配置文件来识别用户身份。但是,攻击者可以轻松构建独特的虚拟操作环境,干扰身份的识别。该文提出了PingLoc机制,一种基于跨域资源访问的定位方案,可检测点击欺诈来源。该方案从ping响应延迟序列提取特征构建用户指纹。测试表明,PingLoc所收集的延迟特征是稳定的,用户定位指纹的准确性高达98%。

利用大数据建立燃气用户画像

基于企业的基础燃气数据,进行多样化数据采集,进行深度数据挖掘,搭建算法模型,得到用户的相关特征数据,建立完整的用户画像。通过周期性的模型训练和矫正,提高模型的分析准确率。以基于用户画像燃气用户用气欺诈辅助决策为例,进行应用分析。