本發(fā)明涉及短信詐騙識別，尤其涉及一種基于機器學(xué)習(xí)的短信詐騙識別方法、系統(tǒng)及計算機設(shè)備。

背景技術(shù)：

1、隨著移動通信技術(shù)的快速發(fā)展和智能手機的普及，短信已成為人們?nèi)粘Ｉ钪胁豢苫蛉钡耐ㄐ欧绞街?。然而，伴隨著短信使用的增加，短信詐騙也日益猖獗，給用戶帶來財產(chǎn)損失和安全隱患。傳統(tǒng)的基于規(guī)則和關(guān)鍵詞匹配的短信詐騙識別方法已無法應(yīng)對日益復(fù)雜和多變的詐騙手段，其準(zhǔn)確率和實時性都難以滿足實際需求。

2、近年來，機器學(xué)習(xí)技術(shù)在自然語言處理領(lǐng)域取得了顯著進展，為短信詐騙識別提供了新的解決思路。然而，單一的機器學(xué)習(xí)模型往往難以全面捕捉短信詐騙的多樣性特征，且容易受到數(shù)據(jù)噪聲和模型局限性的影響。此外，現(xiàn)有的短信詐騙識別方法大多只關(guān)注文本特征，忽視了短信中可能包含的多模態(tài)信息，如圖像、url等，這限制了識別的全面性和準(zhǔn)確性。另一方面，知識圖譜作為一種結(jié)構(gòu)化的知識表示方法，在多個領(lǐng)域展現(xiàn)出強大的潛力。然而，如何有效地將知識圖譜與機器學(xué)習(xí)模型結(jié)合，以增強短信詐騙識別的性能，仍是一個亟待解決的問題。同時，如何在保證識別準(zhǔn)確性的同時，實現(xiàn)對新接收短信的實時分析和風(fēng)險預(yù)測，也是當(dāng)前研究面臨的重要挑戰(zhàn)。

技術(shù)實現(xiàn)思路

1、本發(fā)明提供了一種基于機器學(xué)習(xí)的短信詐騙識別方法、系統(tǒng)及計算機設(shè)備，本發(fā)明能夠?qū)π陆邮盏亩绦胚M行快速分析，滿足了實際應(yīng)用中的實時性要求，采用風(fēng)險閾值分類機制，使得詐騙風(fēng)險預(yù)測結(jié)果更具可解釋性和可操作性，便于后續(xù)的風(fēng)險管理和處置。

2、第一方面，本發(fā)明提供了一種基于機器學(xué)習(xí)的短信詐騙識別方法，所述基于機器學(xué)習(xí)的短信詐騙識別方法包括：

3、對收集的詐騙和非詐騙短信樣本進行預(yù)處理，得到結(jié)構(gòu)化短信數(shù)據(jù)；

4、對所述結(jié)構(gòu)化短信數(shù)據(jù)進行多維度特征提取，得到初始特征向量；

5、基于所述結(jié)構(gòu)化短信數(shù)據(jù)構(gòu)建短信詐騙多模態(tài)知識圖譜；

6、利用所述短信詐騙多模態(tài)知識圖譜對所述初始特征向量進行特征增強，得到知識增強特征向量；

7、將所述知識增強特征向量輸入多個機器學(xué)習(xí)模型進行訓(xùn)練，得到集成短信詐騙識別模型；

8、基于所述集成短信詐騙識別模型對新接收的短信進行實時分析，得到詐騙風(fēng)險預(yù)測結(jié)果。

9、第二方面，本發(fā)明提供了一種基于機器學(xué)習(xí)的短信詐騙識別裝置，所述基于機器學(xué)習(xí)的短信詐騙識別裝置包括：

10、預(yù)處理模塊，用于對收集的詐騙和非詐騙短信樣本進行預(yù)處理，得到結(jié)構(gòu)化短信數(shù)據(jù)；

11、提取模塊，用于對所述結(jié)構(gòu)化短信數(shù)據(jù)進行多維度特征提取，得到初始特征向量；

12、構(gòu)建模塊，用于基于所述結(jié)構(gòu)化短信數(shù)據(jù)構(gòu)建短信詐騙多模態(tài)知識圖譜；

13、增強模塊，用于利用所述短信詐騙多模態(tài)知識圖譜對所述初始特征向量進行特征增強，得到知識增強特征向量；

14、訓(xùn)練模塊，用于將所述知識增強特征向量輸入多個機器學(xué)習(xí)模型進行訓(xùn)練，得到集成短信詐騙識別模型；

15、分析模塊，用于基于所述集成短信詐騙識別模型對新接收的短信進行實時分析，得到詐騙風(fēng)險預(yù)測結(jié)果。

16、本發(fā)明第三方面提供了一種計算機設(shè)備，包括：存儲器和至少一個處理器，所述存儲器中存儲有指令；所述至少一個處理器調(diào)用所述存儲器中的所述指令，以使得所述計算機設(shè)備執(zhí)行上述的基于機器學(xué)習(xí)的短信詐騙識別方法。

17、本發(fā)明的第四方面提供了一種計算機可讀存儲介質(zhì)，所述計算機可讀存儲介質(zhì)中存儲有指令，當(dāng)其在計算機上運行時，使得計算機執(zhí)行上述的基于機器學(xué)習(xí)的短信詐騙識別方法。

18、本發(fā)明提供的技術(shù)方案中，通過多維度特征提取和知識圖譜增強，本發(fā)明能夠全面捕捉短信的語義、結(jié)構(gòu)和上下文信息，提高了特征表示的豐富性和區(qū)分度。采用多模態(tài)知識圖譜的構(gòu)建方法，有效融合了文本和圖像信息，擴展了知識表示的維度，增強了對復(fù)雜詐騙模式的理解能力。利用多個機器學(xué)習(xí)模型進行集成學(xué)習(xí)，克服了單一模型的局限性，提高了詐騙識別的魯棒性和泛化能力。引入stacking模型作為次級學(xué)習(xí)器，實現(xiàn)了對不同模型預(yù)測結(jié)果的自適應(yīng)融合，進一步優(yōu)化了最終的詐騙風(fēng)險預(yù)測結(jié)果。通過實時特征提取和模型預(yù)測，本發(fā)明能夠?qū)π陆邮盏亩绦胚M行快速分析，滿足了實際應(yīng)用中的實時性要求。采用風(fēng)險閾值分類機制，使得詐騙風(fēng)險預(yù)測結(jié)果更具可解釋性和可操作性，便于后續(xù)的風(fēng)險管理和處置。

技術(shù)特征：

1.一種基于機器學(xué)習(xí)的短信詐騙識別方法，其特征在于，所述方法包括：

2.根據(jù)權(quán)利要求1所述的基于機器學(xué)習(xí)的短信詐騙識別方法，其特征在于，所述對收集的詐騙和非詐騙短信樣本進行預(yù)處理，得到結(jié)構(gòu)化短信數(shù)據(jù)，包括：

3.根據(jù)權(quán)利要求1所述的基于機器學(xué)習(xí)的短信詐騙識別方法，其特征在于，所述對所述結(jié)構(gòu)化短信數(shù)據(jù)進行多維度特征提取，得到初始特征向量，包括：

4.根據(jù)權(quán)利要求1所述的基于機器學(xué)習(xí)的短信詐騙識別方法，其特征在于，所述基于所述結(jié)構(gòu)化短信數(shù)據(jù)構(gòu)建短信詐騙多模態(tài)知識圖譜，包括：

5.根據(jù)權(quán)利要求1所述的基于機器學(xué)習(xí)的短信詐騙識別方法，其特征在于，所述利用所述短信詐騙多模態(tài)知識圖譜對所述初始特征向量進行特征增強，得到知識增強特征向量，包括：

6.根據(jù)權(quán)利要求1所述的基于機器學(xué)習(xí)的短信詐騙識別方法，其特征在于，所述將所述知識增強特征向量輸入多個機器學(xué)習(xí)模型進行訓(xùn)練，得到集成短信詐騙識別模型，包括：

7.根據(jù)權(quán)利要求6所述的基于機器學(xué)習(xí)的短信詐騙識別方法，其特征在于，所述基于所述集成短信詐騙識別模型對新接收的短信進行實時分析，得到詐騙風(fēng)險預(yù)測結(jié)果，包括：

8.一種基于機器學(xué)習(xí)的短信詐騙識別裝置，其特征在于，用于執(zhí)行如權(quán)利要求1-7中任一項所述的基于機器學(xué)習(xí)的短信詐騙識別方法，所述裝置包括：

9.一種計算機設(shè)備，其特征在于，包括存儲器和處理器，所述存儲器存儲有可在處理器上運行的計算機程序，其特征在于，所述處理器執(zhí)行所述計算機程序時實現(xiàn)權(quán)利要求1至7中任一項所述的基于機器學(xué)習(xí)的短信詐騙識別方法。

10.一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，所述計算機程序在被處理器運行時使得所述處理器執(zhí)行如權(quán)利要求1至7中任一項所述的基于機器學(xué)習(xí)的短信詐騙識別方法。

技術(shù)總結(jié)
本發(fā)明涉及短信詐騙識別技術(shù)領(lǐng)域，公開了一種基于機器學(xué)習(xí)的短信詐騙識別方法、系統(tǒng)及計算機設(shè)備，本發(fā)明包括：對收集的詐騙和非詐騙短信樣本進行預(yù)處理，得到結(jié)構(gòu)化短信數(shù)據(jù)；進行多維度特征提取，得到初始特征向量；構(gòu)建短信詐騙多模態(tài)知識圖譜；進行特征增強，得到知識增強特征向量；將知識增強特征向量輸入多個機器學(xué)習(xí)模型進行訓(xùn)練，得到集成短信詐騙識別模型；基于集成短信詐騙識別模型對新接收的短信進行實時分析，得到詐騙風(fēng)險預(yù)測結(jié)果，本發(fā)明能夠?qū)π陆邮盏亩绦胚M行快速分析，滿足了實際應(yīng)用中的實時性要求，采用風(fēng)險閾值分類機制，使得詐騙風(fēng)險預(yù)測結(jié)果更具可解釋性和可操作性，便于后續(xù)的風(fēng)險管理和處置。

技術(shù)研發(fā)人員：王錦國,申玥,袁飛,林炯宇,張志忠
受保護的技術(shù)使用者：深圳市高斯通通信股份有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/9