專利名稱：一種通信業(yè)務(wù)欺詐行為的實(shí)時(shí)識(shí)別系統(tǒng)和方法
技術(shù)領(lǐng)域：
本發(fā)明涉及通信業(yè)務(wù)支撐技術(shù)領(lǐng)域，特別涉及一種通信業(yè)務(wù)欺詐行為的實(shí)時(shí)識(shí)別系統(tǒng)和方法。
背景技術(shù)：
用戶的欺詐行為一直困擾著電信運(yùn)營(yíng)商以及金融、保險(xiǎn)等多個(gè)行業(yè)，帶有不同目的的欺詐行為屢見(jiàn)不鮮，各運(yùn)營(yíng)商針對(duì)不同的欺詐行為也制定了不少的方法，取得了一定的效果。隨著數(shù)據(jù)業(yè)務(wù)的發(fā)展，用戶的欺詐方式發(fā)生了根本的變化，不是單個(gè)的用戶欺詐獲利，而是相關(guān)的服務(wù)提供商(SP)或內(nèi)容提供商(CP)通過(guò)操作大量用戶的方式進(jìn)行欺詐獲利，SP或CP通過(guò)操作大量用戶的方法進(jìn)行欺詐的方式更加的多樣化，欺詐手段更加的隱蔽。現(xiàn)在的做法是先找出單個(gè)的欺詐用戶，然后再深挖隱藏在背后的SP或CP。對(duì)于單個(gè)的欺詐用戶識(shí)別，由于缺少用戶屬性數(shù)據(jù)，電信行業(yè)現(xiàn)在針對(duì)用戶欺詐行為通常利用行為數(shù)據(jù)進(jìn)行識(shí)別，大致采取兩類方法一是采取閾值法，即制定一個(gè)固定閾值作為該業(yè)務(wù)用戶是否發(fā)生欺詐行為的判別標(biāo)準(zhǔn)。二是根據(jù)事后行為數(shù)據(jù)，采用數(shù)據(jù)挖掘方法分析用戶行為模式，識(shí)別欺詐用戶。其中，如圖1所示，現(xiàn)有的第一種欺詐用戶識(shí)別方法的系統(tǒng)包括數(shù)據(jù)輸入模塊 101、閾值判定模塊102和欺詐應(yīng)用模塊103。數(shù)據(jù)輸入模塊101每月或每天接收已發(fā)生業(yè)務(wù)的用戶數(shù)據(jù)，并輸入至閾值判定模塊102。閾值判定模塊102預(yù)先設(shè)定用于判定業(yè)務(wù)用戶是否發(fā)生欺詐行為的固定閾值，其根據(jù)該固定閾值對(duì)用戶數(shù)據(jù)進(jìn)行判定，將滿足閾值條件的用戶數(shù)據(jù)判定為欺詐用戶，并將該用戶信息輸出至欺詐應(yīng)用模塊103進(jìn)行例如預(yù)警、追繳欺詐費(fèi)用、形成黑名單沉淀等后續(xù)處理。這種識(shí)別方法由于欺詐的閾值比較固定，需要人工進(jìn)行參數(shù)設(shè)置，使用起來(lái)不夠靈活，不能根據(jù)用戶行為的變化進(jìn)行自動(dòng)的調(diào)整，導(dǎo)致欺詐識(shí)別的準(zhǔn)確性受到一定程度的限制。而欺詐用戶在一段時(shí)間內(nèi)會(huì)發(fā)現(xiàn)閾值規(guī)律，對(duì)欺詐行為進(jìn)行調(diào)整，則會(huì)導(dǎo)致欺詐閾值失效。如圖2所示，現(xiàn)有的第二種欺詐用戶識(shí)別方法的系統(tǒng)包括樣本抽取模塊201、欺詐特征訓(xùn)練模塊202、欺詐用戶識(shí)別模塊203和欺詐應(yīng)用模塊204。樣本抽取模塊201對(duì)已經(jīng)發(fā)現(xiàn)的欺詐用戶的歷史行為數(shù)據(jù)進(jìn)行樣本抽取，并將抽取出的樣本輸出至欺詐特征訓(xùn)練模塊202。其中，現(xiàn)有的欺詐樣本抽取的方法有很多種，通常使用的方法為簡(jiǎn)單隨機(jī)抽樣，也可根據(jù)需要使用其他較為復(fù)雜的樣本抽取方法，例如非概率抽樣、不回置抽樣等。欺詐特征訓(xùn)練模塊202根據(jù)欺詐樣本建立欺詐識(shí)別模型，得出欺詐用戶的特征規(guī)則，并將該特征規(guī)則存儲(chǔ)在欺詐用戶識(shí)別模塊203的欺詐用戶特征規(guī)則庫(kù)中。其中，欺詐識(shí)別模型的建立可通過(guò)數(shù)據(jù)挖掘的神經(jīng)網(wǎng)絡(luò)算法、決策樹(shù)算法、回歸(Logistic)算法等來(lái)完成。欺詐用戶識(shí)別模塊203讀取已發(fā)生業(yè)務(wù)的用戶歷史行為數(shù)據(jù)，根據(jù)欺詐用戶特征規(guī)則庫(kù)的特征規(guī)則對(duì)用戶數(shù)據(jù)進(jìn)行判定，將滿足特征規(guī)則的用戶數(shù)據(jù)判定為欺詐用戶，并將該用戶信息輸出至欺詐應(yīng)用模塊204進(jìn)行例如預(yù)警、追繳欺詐費(fèi)用、形成黑名單沉淀等后續(xù)處理。這種識(shí)別方法通過(guò)事后行為，采用數(shù)據(jù)挖掘方法分析用戶行為模式，可以較為準(zhǔn)確的找出欺詐用戶。但是由于欺詐用戶的識(shí)別總是在事后進(jìn)行的，欺詐行為已經(jīng)發(fā)生，欺詐用戶已經(jīng)逃之夭夭，因此對(duì)欺詐用戶的識(shí)別沒(méi)有起到及時(shí)阻止欺詐行為、降低損失的作用， 使欺詐用戶覺(jué)得有恃無(wú)恐。另一方面，用于欺詐行為模式不斷“推陳出新”，對(duì)欺詐用戶的行為不能及時(shí)準(zhǔn)確的識(shí)別，會(huì)導(dǎo)致欺詐識(shí)別模型隨時(shí)間的推移準(zhǔn)確率不斷的降低，不能迅速地適用欺詐行為的變化。

發(fā)明內(nèi)容
本發(fā)明提供了一種通信業(yè)務(wù)欺詐行為的實(shí)時(shí)識(shí)別系統(tǒng)和方法，能夠?qū)崟r(shí)地發(fā)現(xiàn)欺詐用戶并處理，減少欺詐帶來(lái)的損失，并且將實(shí)時(shí)發(fā)現(xiàn)的欺詐用戶作為特征樣本、實(shí)時(shí)更新欺詐用戶特征規(guī)則庫(kù)，動(dòng)態(tài)跟蹤欺詐行為的變化趨勢(shì)。為了解決上述問(wèn)題，本發(fā)明提供了一種通信業(yè)務(wù)欺詐行為的實(shí)時(shí)識(shí)別系統(tǒng)和方法，本發(fā)明的解決其技術(shù)問(wèn)題所采用的技術(shù)方案是一種通信業(yè)務(wù)欺詐行為的實(shí)時(shí)識(shí)別系統(tǒng)，包括樣本抽取模塊、欺詐特征訓(xùn)練模塊和欺詐應(yīng)用模塊，其進(jìn)一步包括欺詐用戶實(shí)時(shí)識(shí)別模塊和欺詐用戶樣本實(shí)時(shí)采集模塊，樣本抽取模塊抽取欺詐用戶樣本、并輸出至欺詐特征訓(xùn)練模塊；欺詐特征訓(xùn)練模塊根據(jù)樣本抽取模塊抽取的樣本建立欺詐識(shí)別模型，得出欺詐用戶特征規(guī)則；欺詐用戶實(shí)時(shí)識(shí)別模塊實(shí)時(shí)采集業(yè)務(wù)用戶數(shù)據(jù)，根據(jù)欺詐用戶特征規(guī)則判斷欺詐用戶，并將欺詐用戶數(shù)據(jù)輸出至欺詐應(yīng)用模塊進(jìn)行欺詐用戶處理；欺詐用戶樣本實(shí)時(shí)采集模塊實(shí)時(shí)采集來(lái)自欺詐用戶實(shí)時(shí)識(shí)別模塊的欺詐用戶數(shù)據(jù)，并輸出至欺詐特征訓(xùn)練模塊建立實(shí)時(shí)欺詐識(shí)別模型，得出實(shí)時(shí)欺詐用戶特征規(guī)則，并將實(shí)時(shí)欺詐用戶特征規(guī)則補(bǔ)充至所述欺詐用戶特征規(guī)則。本發(fā)明還提供了一種通信業(yè)務(wù)欺詐行為的實(shí)時(shí)識(shí)別方法，包括如下步驟抽取欺詐用戶樣本，根據(jù)欺詐用戶樣本建立欺詐識(shí)別模型，得出欺詐用戶特征規(guī)則；實(shí)時(shí)采集業(yè)務(wù)用戶數(shù)據(jù)，根據(jù)欺詐用戶特征規(guī)則判斷欺詐用戶、并進(jìn)行欺詐用戶處理；根據(jù)欺詐用戶數(shù)據(jù)建立實(shí)時(shí)欺詐識(shí)別模型，得出實(shí)時(shí)欺詐用戶特征規(guī)則，將實(shí)時(shí)欺詐用戶特征規(guī)則補(bǔ)充至所述欺詐用戶特征規(guī)則。本發(fā)明的通信業(yè)務(wù)欺詐行為的實(shí)時(shí)識(shí)別系統(tǒng)和方法，建立了一套從欺詐特征識(shí)別、欺詐用戶實(shí)時(shí)發(fā)現(xiàn)到欺詐應(yīng)用處理的完整流程，這一欺詐識(shí)別處理流程具有以下兩個(gè)優(yōu)點(diǎn)第一、能夠?qū)崟r(shí)地發(fā)現(xiàn)欺詐用戶，把欺詐行為扼殺在欺詐的始發(fā)階段，減少由欺詐帶來(lái)的損失；第二、能夠?qū)?shí)時(shí)發(fā)現(xiàn)的欺詐用戶作為樣本，進(jìn)一步發(fā)現(xiàn)欺詐用戶的特征，不管欺詐的行為、手段、模式如何變換，都能發(fā)現(xiàn)出欺詐用戶的特征，準(zhǔn)確地找到欺詐用戶。本發(fā)明的通信業(yè)務(wù)欺詐行為的實(shí)時(shí)識(shí)別系統(tǒng)和方法，彌補(bǔ)了現(xiàn)在的用戶欺詐分析的不足，迎合了現(xiàn)在對(duì)反用戶欺詐的需求，對(duì)反用戶欺詐行為起到了促進(jìn)作用。


圖1為現(xiàn)有技術(shù)中第一種欺詐用戶識(shí)別方法的系統(tǒng)結(jié)構(gòu)示意圖。圖2為現(xiàn)有技術(shù)中第二種欺詐用戶識(shí)別方法的系統(tǒng)結(jié)構(gòu)示意圖。圖3為本發(fā)明的通信業(yè)務(wù)欺詐行為的實(shí)時(shí)識(shí)別系統(tǒng)的結(jié)構(gòu)示意圖。圖4為本發(fā)明的通信業(yè)務(wù)欺詐行為的實(shí)時(shí)識(shí)別方法的流程圖。
具體實(shí)施例方式本發(fā)明提供了一種通信業(yè)務(wù)欺詐行為的實(shí)時(shí)識(shí)別系統(tǒng)和方法，能夠?qū)崟r(shí)地發(fā)現(xiàn)欺詐用戶并處理，減少欺詐帶來(lái)的損失，并且將實(shí)時(shí)發(fā)現(xiàn)的欺詐用戶作為特征樣本、實(shí)時(shí)更新欺詐用戶特征規(guī)則庫(kù)，動(dòng)態(tài)跟蹤欺詐行為的變化趨勢(shì)。圖3為本發(fā)明的通信業(yè)務(wù)欺詐行為的實(shí)時(shí)識(shí)別系統(tǒng)的結(jié)構(gòu)示意圖。如圖3所示，本發(fā)明的通信業(yè)務(wù)欺詐行為的實(shí)時(shí)識(shí)別系統(tǒng)包括樣本抽取模塊301、欺詐特征訓(xùn)練模塊302 和欺詐應(yīng)用模塊304，其進(jìn)一步包括欺詐用戶實(shí)時(shí)識(shí)別模塊303和欺詐用戶樣本實(shí)時(shí)采集模塊305。其中，樣本抽取模塊301從歷史欺詐用戶數(shù)據(jù)311中抽取欺詐用戶樣本312、并將欺詐用戶樣本312輸出至欺詐特征訓(xùn)練模塊302。欺詐特征訓(xùn)練模塊302根據(jù)欺詐用戶樣本312，可運(yùn)用多種數(shù)據(jù)挖掘算法建立欺詐識(shí)別模型，得出欺詐用戶特征規(guī)則，并將欺詐用戶特征規(guī)則輸出至欺詐用戶實(shí)時(shí)識(shí)別模塊 303。欺詐用戶實(shí)時(shí)識(shí)別模塊303實(shí)時(shí)采集業(yè)務(wù)用戶數(shù)據(jù)，根據(jù)欺詐用戶特征規(guī)則判斷欺詐用戶，并將判定為欺詐用戶的數(shù)據(jù)輸出至欺詐應(yīng)用模塊304進(jìn)行欺詐用戶處理；欺詐用戶樣本實(shí)時(shí)采集模塊305實(shí)時(shí)采集來(lái)自欺詐用戶實(shí)時(shí)識(shí)別模塊303的欺詐用戶數(shù)據(jù)，并將該欺詐用戶數(shù)據(jù)輸出至欺詐特征訓(xùn)練模塊302建立實(shí)時(shí)欺詐識(shí)別模型，得出實(shí)時(shí)欺詐用戶特征規(guī)則，并將實(shí)時(shí)欺詐用戶特征規(guī)則補(bǔ)充至所述欺詐用戶特征規(guī)則，從而實(shí)現(xiàn)欺詐用戶特征規(guī)則的動(dòng)態(tài)更新。如圖3所示，本發(fā)明的通信業(yè)務(wù)欺詐行為的實(shí)時(shí)識(shí)別系統(tǒng)的欺詐用戶特征規(guī)則建立流程為一個(gè)閉環(huán)的循環(huán)過(guò)程，在對(duì)欺詐用戶的實(shí)時(shí)識(shí)別過(guò)程中，不斷補(bǔ)充新的欺詐用戶特征，能夠?qū)崟r(shí)更新欺詐用戶特征規(guī)則庫(kù)，動(dòng)態(tài)跟蹤欺詐行為的變化趨勢(shì)。具體地，樣本抽取模塊301的主要功能是進(jìn)行欺詐用戶的數(shù)據(jù)樣本抽取，主要是隨機(jī)抽樣的方法、分層抽樣來(lái)實(shí)現(xiàn)對(duì)欺詐用戶的歷史行為數(shù)據(jù)的樣本抽取。也可根據(jù)需要使用其他較為復(fù)雜的樣本抽取方法，例如非概率抽樣、不回置抽樣等。欺詐特征識(shí)別模塊302的主要功能是訓(xùn)練欺詐用戶模型，找出欺詐用戶的特征規(guī)則。欺詐特征識(shí)別模塊302可包括多個(gè)數(shù)據(jù)挖掘算法模塊，如神經(jīng)網(wǎng)絡(luò)算法模塊321、決策樹(shù)算法模塊322、Logistic算法模塊等。由于欺詐用戶模型的構(gòu)建方法和特征規(guī)則的總結(jié)方法與現(xiàn)有方法相同，在此不再贅述。通過(guò)多種算法模型的共同作用，相互加強(qiáng)和補(bǔ)充，使欺詐識(shí)別更加準(zhǔn)確和穩(wěn)定，欺詐特征訓(xùn)練模塊302將欺詐用戶特征規(guī)則輸出至欺詐用戶實(shí)時(shí)識(shí)別模塊303進(jìn)行儲(chǔ)存。欺詐用戶實(shí)時(shí)識(shí)別模塊303是本發(fā)明的核心模塊之一，它主要的功能是根據(jù)欺詐特征訓(xùn)練模塊302提供的特征規(guī)則對(duì)實(shí)時(shí)數(shù)據(jù)進(jìn)行實(shí)時(shí)的處理，檢測(cè)出滿足欺詐特征的欺
詐用戶。欺詐用戶實(shí)時(shí)識(shí)別模塊303包括實(shí)時(shí)數(shù)據(jù)接口 331、欺詐用戶特征規(guī)則庫(kù)332和實(shí)時(shí)識(shí)別模塊333三個(gè)子模塊。實(shí)時(shí)數(shù)據(jù)主要為用戶行為數(shù)據(jù)，例如彩鈴訂購(gòu)話單和計(jì)費(fèi)話單等。實(shí)時(shí)數(shù)據(jù)接口 331與通信業(yè)務(wù)系統(tǒng)對(duì)接，對(duì)實(shí)時(shí)數(shù)據(jù)進(jìn)行數(shù)據(jù)格式配置、實(shí)時(shí)掃描和讀取，并實(shí)時(shí)傳輸?shù)綄?shí)時(shí)識(shí)別模塊333 ；用戶欺詐特征規(guī)則庫(kù)332中存放來(lái)自欺詐特征訓(xùn)練模塊302的所有欺詐用戶規(guī)則。實(shí)時(shí)識(shí)別模塊333通過(guò)讀取欺詐用戶特征規(guī)則庫(kù)332的特征規(guī)則和實(shí)時(shí)數(shù)據(jù)接口 331的流數(shù)據(jù)，計(jì)算匹配特征規(guī)則的用戶行為數(shù)據(jù)，把滿足欺詐特征規(guī)則的用戶判別為欺詐用戶，進(jìn)行輸出。該數(shù)據(jù)一方面?zhèn)鬏數(shù)狡墼p應(yīng)用模塊304，進(jìn)行欺詐用戶處理，另一方面作為欺詐樣本輸入至欺詐用戶樣本實(shí)時(shí)采集模塊305，去尋找和更新新的欺詐特征模式。實(shí)時(shí)識(shí)別模塊333采用現(xiàn)有的流處理技術(shù)，能達(dá)到1000000條/秒的處理能力。欺詐用戶樣本實(shí)時(shí)采集模塊305也是本發(fā)明的核心模塊之一，它的主要功能是不斷的發(fā)現(xiàn)新的欺詐用戶特征規(guī)則，最大可能的識(shí)別出欺詐用戶。其工作的原理是實(shí)時(shí)采集實(shí)時(shí)識(shí)別模塊333實(shí)時(shí)發(fā)現(xiàn)的欺詐用戶數(shù)據(jù)，當(dāng)該欺詐用戶數(shù)據(jù)的數(shù)量達(dá)到預(yù)定數(shù)量N時(shí)， 則立即將其作為新的欺詐用戶樣本傳輸至欺詐特征訓(xùn)練模塊302，建立新的實(shí)時(shí)欺詐用戶模型，得出實(shí)時(shí)欺詐用戶特征規(guī)則。如果得到新的實(shí)時(shí)欺詐用戶特征規(guī)則，則對(duì)欺詐用戶特征規(guī)則庫(kù)332進(jìn)行更新，將實(shí)時(shí)欺詐用戶特征規(guī)則補(bǔ)充至欺詐用戶特征規(guī)則庫(kù)332中。實(shí)時(shí)識(shí)別模塊333使用新的實(shí)時(shí)欺詐特征規(guī)則對(duì)實(shí)時(shí)數(shù)據(jù)接口 331的數(shù)據(jù)進(jìn)行計(jì)算，發(fā)現(xiàn)新的欺詐用戶，從而形成一個(gè)自適應(yīng)發(fā)現(xiàn)欺詐行為的閉環(huán)。在本系統(tǒng)中，欺詐用戶樣本實(shí)時(shí)采集模塊305的優(yōu)點(diǎn)在于，不管欺詐用戶的欺詐行為、欺詐模式、欺詐手段怎么變換，欺詐用戶樣本實(shí)時(shí)采集模塊305通過(guò)閉環(huán)的方式總能迅速準(zhǔn)確識(shí)別出欺詐用戶的特征。欺詐應(yīng)用模塊304的主要功能是提供了一個(gè)實(shí)時(shí)數(shù)據(jù)輸出的接口，可以對(duì)欺詐用戶行為進(jìn)行實(shí)時(shí)封堵、可以對(duì)彩鈴等業(yè)務(wù)欺詐行為進(jìn)行預(yù)警、還可以進(jìn)行沉淀形成黑名單庫(kù)等等。本發(fā)明的通信業(yè)務(wù)欺詐行為的實(shí)時(shí)識(shí)別系統(tǒng)，通過(guò)在欺詐用戶實(shí)時(shí)識(shí)別模塊303 中設(shè)置與通信業(yè)務(wù)系統(tǒng)對(duì)接的實(shí)時(shí)數(shù)據(jù)接口 331，能夠在線采集發(fā)生業(yè)務(wù)的用戶數(shù)據(jù)，及時(shí)地發(fā)現(xiàn)欺詐用戶并處理，而不是像現(xiàn)有的欺詐識(shí)別方法那樣以天或以月為單位對(duì)欺詐用戶數(shù)據(jù)進(jìn)行處理，這樣不僅能夠及時(shí)阻止欺詐行為的擴(kuò)大蔓延，而且能夠減少由欺詐帶來(lái)的損失。進(jìn)一步地，本發(fā)明的實(shí)時(shí)識(shí)別系統(tǒng)不僅實(shí)時(shí)地判斷欺詐用戶，并且針對(duì)判斷為欺詐用戶的業(yè)務(wù)數(shù)據(jù)建立新的實(shí)時(shí)欺詐用戶模型，提取新的實(shí)時(shí)欺詐特征規(guī)則，能夠根據(jù)實(shí)時(shí)數(shù)據(jù)調(diào)整欺詐用戶的判斷標(biāo)準(zhǔn)，做到了欺詐特征發(fā)現(xiàn)的自適應(yīng)性，使欺詐識(shí)別更加準(zhǔn)確。另外，通過(guò)設(shè)定欺詐用戶數(shù)據(jù)的判斷數(shù)量N，能夠防止系統(tǒng)對(duì)欺詐用戶的誤判斷， 防止系統(tǒng)反應(yīng)過(guò)當(dāng)。本發(fā)明還提供了一種通信業(yè)務(wù)欺詐行為的實(shí)時(shí)識(shí)別方法，如圖4所示，包括如下步驟步驟401 從歷史欺詐用戶數(shù)據(jù)中抽取欺詐用戶樣本；步驟402 根據(jù)欺詐用戶樣本建立欺詐識(shí)別模型，得出欺詐用戶特征規(guī)則，將該欺詐用戶特征規(guī)則存儲(chǔ)至欺詐用戶特征規(guī)則庫(kù)；步驟403 實(shí)時(shí)采集業(yè)務(wù)用戶數(shù)據(jù)，根據(jù)欺詐用戶特征規(guī)則庫(kù)的欺詐用戶特征規(guī)則判斷欺詐用戶，對(duì)欺詐用戶進(jìn)行欺詐用戶處理；步驟404:將步驟403中判斷為欺詐用戶的數(shù)據(jù)建立欺詐用戶樣本，執(zhí)行步驟402。其中，如圖4所示，自步驟402至步驟404的根據(jù)欺詐用戶樣本建立欺詐識(shí)別模型，得出欺詐用戶特征規(guī)則，并根據(jù)欺詐用戶特征規(guī)則判斷欺詐用戶的流程為一個(gè)自適應(yīng)發(fā)現(xiàn)欺詐行為的閉環(huán)執(zhí)行過(guò)程。S卩，通信業(yè)務(wù)欺詐行為的實(shí)時(shí)識(shí)別系統(tǒng)與通信業(yè)務(wù)系統(tǒng)對(duì)接，對(duì)實(shí)時(shí)數(shù)據(jù)進(jìn)行數(shù)據(jù)格式配置、實(shí)時(shí)掃描和讀取，并根據(jù)用戶欺詐特征規(guī)則庫(kù)中存放的所有欺詐用戶規(guī)則和實(shí)時(shí)數(shù)據(jù)接口的流數(shù)據(jù)，計(jì)算匹配特征規(guī)則的用戶行為數(shù)據(jù)，把滿足欺詐特征規(guī)則的用戶判別為欺詐用戶，進(jìn)行輸出。該數(shù)據(jù)一方面用于進(jìn)行欺詐用戶處理，另一方面作為新的實(shí)時(shí)欺詐樣本再次進(jìn)行欺詐用戶模型的建立和欺詐特征規(guī)則的總結(jié)，以尋找和更新新的欺詐特征模式。優(yōu)選地，當(dāng)實(shí)時(shí)發(fā)現(xiàn)的欺詐用戶數(shù)據(jù)的數(shù)量達(dá)到預(yù)定數(shù)量N時(shí)，則立即將其作為新的欺詐用戶樣本，建立新的實(shí)時(shí)欺詐用戶模型，得出實(shí)時(shí)欺詐用戶特征規(guī)則。如果得到新的實(shí)時(shí)欺詐用戶特征規(guī)則，則對(duì)欺詐用戶特征規(guī)則庫(kù)進(jìn)行更新，將新的實(shí)時(shí)欺詐用戶特征規(guī)則補(bǔ)充至欺詐用戶特征規(guī)則庫(kù)中，并進(jìn)一步使用新的實(shí)時(shí)欺詐特征規(guī)則對(duì)實(shí)時(shí)數(shù)據(jù)接口的數(shù)據(jù)進(jìn)行計(jì)算，發(fā)現(xiàn)新的欺詐用戶。如此循環(huán)，不僅實(shí)時(shí)地判斷欺詐用戶，并且針對(duì)判斷為欺詐用戶的業(yè)務(wù)數(shù)據(jù)建立新的實(shí)時(shí)欺詐用戶模型，提取新的實(shí)時(shí)欺詐特征規(guī)則，能夠根據(jù)實(shí)時(shí)數(shù)據(jù)調(diào)整欺詐用戶的判斷標(biāo)準(zhǔn)，做到了欺詐特征發(fā)現(xiàn)的自適應(yīng)性，使欺詐識(shí)別更加準(zhǔn)確。本發(fā)明的通信業(yè)務(wù)欺詐行為的實(shí)時(shí)識(shí)別系統(tǒng)和方法，建立了一套從欺詐特征識(shí)別、欺詐用戶實(shí)時(shí)發(fā)現(xiàn)到欺詐應(yīng)用處理的完整流程，這一欺詐識(shí)別處理流程具有以下兩個(gè)優(yōu)點(diǎn)第一、能夠?qū)崟r(shí)地發(fā)現(xiàn)欺詐用戶，把欺詐行為扼殺在欺詐的始發(fā)階段，減少由欺詐帶來(lái)的損失；第二、能夠?qū)?shí)時(shí)發(fā)現(xiàn)的欺詐用戶作為樣本，進(jìn)一步發(fā)現(xiàn)欺詐用戶的特征，不管欺詐的行為、手段、模式如何變換，都能發(fā)現(xiàn)出欺詐用戶的特征，準(zhǔn)確地找到欺詐用戶。本發(fā)明的通信業(yè)務(wù)欺詐行為的實(shí)時(shí)識(shí)別系統(tǒng)和方法，彌補(bǔ)了現(xiàn)在的用戶欺詐分析的不足，迎合了現(xiàn)在對(duì)反用戶欺詐的需求，對(duì)反用戶欺詐行為起到了促進(jìn)作用。以上所述僅為本發(fā)明的較佳實(shí)施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所做的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明保護(hù)的范圍之內(nèi)。
權(quán)利要求
1.一種通信業(yè)務(wù)欺詐行為的實(shí)時(shí)識(shí)別系統(tǒng)，包括樣本抽取模塊、欺詐特征訓(xùn)練模塊和欺詐應(yīng)用模塊，其特征在于，進(jìn)一步包括欺詐用戶實(shí)時(shí)識(shí)別模塊和欺詐用戶樣本實(shí)時(shí)采集模塊，樣本抽取模塊抽取欺詐用戶樣本、并輸出至欺詐特征訓(xùn)練模塊；欺詐特征訓(xùn)練模塊根據(jù)樣本抽取模塊抽取的樣本建立欺詐識(shí)別模型，得出欺詐用戶特征規(guī)則；欺詐用戶實(shí)時(shí)識(shí)別模塊實(shí)時(shí)采集業(yè)務(wù)用戶數(shù)據(jù)，根據(jù)欺詐用戶特征規(guī)則判斷欺詐用戶，并將欺詐用戶數(shù)據(jù)輸出至欺詐應(yīng)用模塊進(jìn)行欺詐用戶處理；欺詐用戶樣本實(shí)時(shí)采集模塊實(shí)時(shí)采集來(lái)自欺詐用戶實(shí)時(shí)識(shí)別模塊的欺詐用戶數(shù)據(jù)，并輸出至欺詐特征訓(xùn)練模塊建立實(shí)時(shí)欺詐識(shí)別模型，得出實(shí)時(shí)欺詐用戶特征規(guī)則，并將實(shí)時(shí)欺詐用戶特征規(guī)則補(bǔ)充至所述欺詐用戶特征規(guī)則。
2.根據(jù)權(quán)利要求1所述的通信業(yè)務(wù)欺詐行為的實(shí)時(shí)識(shí)別系統(tǒng)，其特征在于，所述欺詐用戶實(shí)時(shí)識(shí)別模塊包括實(shí)時(shí)數(shù)據(jù)接口、欺詐用戶特征規(guī)則庫(kù)和實(shí)時(shí)識(shí)別模塊，實(shí)時(shí)數(shù)據(jù)接口實(shí)時(shí)采集業(yè)務(wù)用戶數(shù)據(jù)、并輸出至實(shí)時(shí)識(shí)別模塊；欺詐用戶特征規(guī)則庫(kù)存儲(chǔ)所述欺詐用戶特征規(guī)則和所述實(shí)時(shí)欺詐用戶特征規(guī)則；實(shí)時(shí)識(shí)別模塊根據(jù)欺詐用戶特征規(guī)則庫(kù)的欺詐用戶特征規(guī)則和實(shí)時(shí)欺詐用戶特征規(guī)則判斷業(yè)務(wù)用戶數(shù)據(jù)、識(shí)別欺詐用戶。
3.根據(jù)權(quán)利要求1或2所述的通信業(yè)務(wù)欺詐行為的實(shí)時(shí)識(shí)別系統(tǒng)，其特征在于，欺詐用戶樣本實(shí)時(shí)采集模塊實(shí)時(shí)采集來(lái)自欺詐用戶實(shí)時(shí)識(shí)別模塊的欺詐用戶數(shù)據(jù)，當(dāng)所述欺詐用戶數(shù)據(jù)輸出至欺詐特征訓(xùn)練模塊建立實(shí)時(shí)欺詐識(shí)別模型，得出實(shí)時(shí)欺詐用戶特征規(guī)則。
4.根據(jù)權(quán)利要求3所述的通信業(yè)務(wù)欺詐行為的實(shí)時(shí)識(shí)別系統(tǒng)，其特征在于，所述通信業(yè)務(wù)為彩鈴業(yè)務(wù)。
5.一種通信業(yè)務(wù)欺詐行為的實(shí)時(shí)識(shí)別方法，其特征在于，包括如下步驟抽取欺詐用戶樣本，根據(jù)欺詐用戶樣本建立欺詐識(shí)別模型，得出欺詐用戶特征規(guī)則；實(shí)時(shí)采集業(yè)務(wù)用戶數(shù)據(jù)，根據(jù)欺詐用戶特征規(guī)則判斷欺詐用戶、并進(jìn)行欺詐用戶處理；根據(jù)欺詐用戶數(shù)據(jù)建立實(shí)時(shí)欺詐識(shí)別模型，得出實(shí)時(shí)欺詐用戶特征規(guī)則，將實(shí)時(shí)欺詐用戶特征規(guī)則補(bǔ)充至所述欺詐用戶特征規(guī)則。
6.根據(jù)權(quán)利要求5所述的通信業(yè)務(wù)欺詐行為的實(shí)時(shí)識(shí)別方法，其特征在于，所述抽取欺詐用戶樣本，根據(jù)欺詐用戶樣本建立欺詐識(shí)別模型，得出欺詐用戶特征規(guī)則之后，進(jìn)一步包括建立欺詐用戶特征規(guī)則庫(kù)，所述欺詐用戶特征規(guī)則庫(kù)中存儲(chǔ)欺詐用戶特征規(guī)則和實(shí)時(shí)欺詐用戶特征規(guī)則。
7.根據(jù)權(quán)利要求5或6所述的通信業(yè)務(wù)欺詐行為的實(shí)時(shí)識(shí)別方法，其特征在于，所述實(shí)時(shí)采集業(yè)務(wù)用戶數(shù)據(jù)，根據(jù)欺詐用戶特征規(guī)則判斷欺詐用戶包括根據(jù)所述欺詐用戶特征規(guī)則和實(shí)時(shí)欺詐用戶特征規(guī)則判斷欺詐用戶。
8.根據(jù)權(quán)利要求5所述的通信業(yè)務(wù)欺詐行為的實(shí)時(shí)識(shí)別方法，其特征在于，所述根據(jù)欺詐用戶數(shù)據(jù)建立實(shí)時(shí)欺詐識(shí)別模型，得出實(shí)時(shí)欺詐用戶特征規(guī)則包括當(dāng)所述欺詐用戶數(shù)據(jù)的數(shù)量大于預(yù)設(shè)數(shù)量時(shí)，根據(jù)該欺詐用戶數(shù)據(jù)建立實(shí)時(shí)欺詐識(shí)別模型， 得出實(shí)時(shí)欺詐用戶特征規(guī)則。
9.根據(jù)權(quán)利要求6或8所述的通信業(yè)務(wù)欺詐行為的實(shí)時(shí)識(shí)別方法，其特征在于，所述通信業(yè)務(wù)為彩鈴業(yè)務(wù)。
全文摘要
本發(fā)明提供了一種通信業(yè)務(wù)欺詐行為的實(shí)時(shí)識(shí)別系統(tǒng)和方法，通過(guò)能夠?qū)崟r(shí)采集和處理業(yè)務(wù)數(shù)據(jù)的欺詐用戶實(shí)時(shí)識(shí)別模塊和根據(jù)實(shí)時(shí)判斷結(jié)果更新欺詐特征規(guī)則庫(kù)的欺詐用戶樣本實(shí)時(shí)采集模塊，實(shí)時(shí)采集業(yè)務(wù)用戶數(shù)據(jù)，根據(jù)欺詐用戶特征規(guī)則判斷欺詐用戶、并進(jìn)行欺詐用戶處理；根據(jù)欺詐用戶數(shù)據(jù)建立實(shí)時(shí)欺詐識(shí)別模型，得出實(shí)時(shí)欺詐用戶特征規(guī)則，將實(shí)時(shí)欺詐用戶特征規(guī)則補(bǔ)充至所述欺詐用戶特征規(guī)則。能夠?qū)崟r(shí)地發(fā)現(xiàn)欺詐用戶并處理，減少欺詐帶來(lái)的損失，并且將實(shí)時(shí)發(fā)現(xiàn)的欺詐用戶作為特征樣本、實(shí)時(shí)更新欺詐用戶特征規(guī)則庫(kù)，動(dòng)態(tài)跟蹤欺詐行為的變化趨勢(shì)。
文檔編號(hào)G06F19/00GK102567788SQ20101062258
公開(kāi)日2012年7月11日 申請(qǐng)日期2010年12月28日 優(yōu)先權(quán)日2010年12月28日
發(fā)明者周麗莎, 朱曉東, 李志君, 李紅波, 王琨, 董宇翔 申請(qǐng)人:中國(guó)移動(dòng)通信集團(tuán)重慶有限公司