CN116170537A - 一种信息处理方法、设备及存储介质 - Google Patents
一种信息处理方法、设备及存储介质 Download PDFInfo
- Publication number
- CN116170537A CN116170537A CN202111415258.4A CN202111415258A CN116170537A CN 116170537 A CN116170537 A CN 116170537A CN 202111415258 A CN202111415258 A CN 202111415258A CN 116170537 A CN116170537 A CN 116170537A
- Authority
- CN
- China
- Prior art keywords
- target number
- equipment
- communication
- target
- information processing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000010365 information processing Effects 0.000 title claims abstract description 94
- 238000003672 processing method Methods 0.000 title claims abstract description 24
- 238000003860 storage Methods 0.000 title claims abstract description 22
- 230000006854 communication Effects 0.000 claims abstract description 151
- 238000004891 communication Methods 0.000 claims abstract description 149
- 230000000694 effects Effects 0.000 claims abstract description 18
- 238000000034 method Methods 0.000 claims description 46
- 241000565357 Fraxinus nigra Species 0.000 claims description 45
- 238000004519 manufacturing process Methods 0.000 claims description 34
- 230000011664 signaling Effects 0.000 claims description 28
- 238000012360 testing method Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 10
- 230000007774 longterm Effects 0.000 claims description 3
- 241000282326 Felis catus Species 0.000 abstract description 43
- 230000002159 abnormal effect Effects 0.000 abstract description 15
- 230000006870 function Effects 0.000 description 26
- 230000006399 behavior Effects 0.000 description 17
- 238000003066 decision tree Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 12
- 238000011156 evaluation Methods 0.000 description 10
- 238000012549 training Methods 0.000 description 10
- 238000012706 support-vector machine Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 238000009333 weeding Methods 0.000 description 7
- 230000008901 benefit Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000011282 treatment Methods 0.000 description 5
- 210000002268 wool Anatomy 0.000 description 5
- 238000004220 aggregation Methods 0.000 description 4
- 230000002776 aggregation Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 230000003542 behavioural effect Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000011273 social behavior Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000011269 treatment regimen Methods 0.000 description 2
- 208000003443 Unconsciousness Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000001680 brushing effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M3/00—Automatic or semi-automatic exchanges
- H04M3/22—Arrangements for supervision, monitoring or testing
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M3/00—Automatic or semi-automatic exchanges
- H04M3/22—Arrangements for supervision, monitoring or testing
- H04M3/229—Wire identification arrangements; Number assignment determination
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Telephonic Communication Services (AREA)
Abstract
本申请公开了一种信息处理方法，所述方法包括：获取目标号码的通信特征；基于所述目标号码的通信特征，判断所述目标号码是否属于第一类设备；所述第一类设备为进行非法活动的设备；在所述目标号码不属于所述第一类设备的情况下，通过所述目标号码的通信特征确定所述目标号码是否为黑灰产号码。另外，本申请还公开了一种设备及存储介质。本申请提供的一种信息处理方法、设备及存储介质，不仅能够将属于猫池设备中的号码判断出来，还能够将其他异常号码判断出来，从而避免出现漏判的问题。
Description
技术领域
本申请涉及信息处理领域，涉及但不限于一种信息处理方法、设备及存储介质。
背景技术
相关技术中，在判断号码是否属于猫池设备中的号码时，先在包括该号码的第一号码集合中筛选出每月在网天数小于预定天数的号码，形成第二号码集合，再从第二号码集合中筛选出同步运行的号码，并将同步运行的号码确定为属于猫池设备中的号码的。然而，通过这种方式进行判断时，只能将属于猫池设备中的号码判断出来，而无法将其他异常号码判断出来，从而造成漏判的问题。
发明内容
本申请实施例为解决相关技术中存在的至少一个问题而提供一种信息处理方法、设备及存储介质，不仅能够将属于猫池设备中的号码判断出来，还能够将其他异常号码判断出来，从而避免出现漏判的问题。
本申请的技术方案是这样实现的：
第一方面，本申请实施例提供一种信息处理方法，所述方法包括：
获取目标号码的通信特征；
基于所述目标号码的通信特征，判断所述目标号码是否属于第一类设备；所述第一类设备为进行非法活动的设备；
在所述目标号码不属于所述第一类设备的情况下，通过所述目标号码的通信特征确定所述目标号码是否为黑灰产号码。
第二方面，本申请实施例提供信息处理装置，所述装置包括：
获取单元，用于获取目标号码的通信特征；
判断单元，用于基于所述目标号码的通信特征，判断所述目标号码是否属于第一类设备；所述第一类设备为进行非法活动的设备；
确定单元，用于在所述目标号码不属于所述第一类设备的情况下，通过所述目标号码的通信特征确定所述目标号码是否为黑灰产号码。
第三方面，本申请实施例提供一种电子设备，存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述信息处理方法。
第四方面，本申请实施例提供一种存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述信息处理方法。
本申请实施例提供了一种信息处理方法、设备及存储介质，获取目标号码的通信特征；基于所述目标号码的通信特征，判断所述目标号码是否属于第一类设备；所述第一类设备为进行非法活动的设备；在所述目标号码不属于所述第一类设备的情况下，通过所述目标号码的通信特征确定所述目标号码是否为黑灰产号码。这样，在判断目标号码是属于第一类设备的号码，还是为不属于第一类设备的黑灰产号码时，是基于目标号码的通信特征来判断的。由于是基于目标号码的通信特征进行判断的，因此，不仅可以判断出该目标号码是否属于第一类设备，还可以在该目标号码不属于第一类设备的情况下，判断出该目标号码是否为黑灰产号码，从而可以避免出现漏判的问题。
附图说明
图1为本申请实施例提供的一种信息处理系统的可选的结构示意图；
图2为本申请实施例提供的一种信息处理系统的可选的流程示意图；
图3为本申请实施例提供的一种信息处理系统的可选的流程示意图；
图4为本申请实施例提供的一种信息处理系统的可选的流程示意图；
图5为本申请实施例提供的一种信息处理系统的可选的流程示意图；
图6为本申请实施例提供的一种信息处理系统的可选的流程示意图；
图7为本申请实施例提供的一种信息处理系统的可选的流程示意图；
图8为本申请实施例提供的一种信息处理装置的可选的结构示意图；
图9为本申请实施例提供的一种电子设备的可选的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对申请的具体技术方案做进一步详细描述。以下实施例用于说明本申请，但不用来限制本申请的范围。
本申请实施例可提供为信息处理方法、设备(例如电子设备)和存储介质(例如计算机可读存储介质)。实际应用中，信息处理方法可利用信息处理装置实现。
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请。本文所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。
本申请实施例的信息处理方法可应用于图1所示的信息处理设备100，如图1所示，该信息处理设备100包括：服务器10、多个客户端20和网络30。其中，服务器10和多个客户端20之间通过网络30进行通信。
对于多个客户端中的每个客户端而言，客户端中可设置有用户身份识别(Subscriber Identity Module，SIM)卡，该SIM卡可表示一号码，从而用户可通过设置在客户端中的SIM卡进行通信。
对于服务器而言，服务器可获取客户端在通信过程中所产生的通信数据，并对获取到的通信数据进行处理。
本申请实施例提供的信息处理方法应用于信息处理设备，该信息处理设备可以为服务器。
信息处理设备获取目标号码的通信特征；基于所述目标号码的通信特征，判断所述目标号码是否属于第一类设备；所述第一类设备为进行非法活动的设备；在所述目标号码不属于所述第一类设备的情况下，通过所述目标号码的通信特征确定所述目标号码是否为黑灰产号码。
对本申请进行进一步详细说明之前，对本申请实施例中涉及的名词和术语进行说明，本申请实施例中涉及的名词和术语适用于如下的解释。
1)、第一类设备，为进行非法活动的设备。其中，进行非法活动的设备可为同时设置多张，例如，几十张，SIM卡的设备。
在一示例中，第一类设备为猫池设备，该猫池设备中可同时设置几十张SIM卡。用户可通过该猫池设备进行电信诈骗等非法活动。
2)、黑灰产号码，为从事非法活动的号码。其中，该非法活动包括：在一段时间内不间断的进行呼叫，即使被呼叫方主动挂断也将再次被呼入，使得被呼叫方无法正常使用手机、群发短信、批量注册互联网账号以及薅羊毛中的至少一种。其中。薅羊毛为用户利用各种网络金融产品或红包活动推广下线抽成赚钱。
下面通过附图及具体实施例对本发明做进一步的详细说明。
图2为本申请实施例提供的一种信息处理方法的实现流程示意图，该方法可应用于信息处理设备，如图2所示，该方法可以包括如下步骤：
S201、信息处理设备获取目标号码的通信特征。
这里，目标号码为与目标设备对应的号码，该目标设备为进行通信的设备。
目标号码的数量可以为一个，也可以为多个。
在目标号码的数量为一个的情况下，信息处理设备将获取该目标号码的通信特征。
在目标号码的数量为多个的情况下，信息处理设备将获取多个目标号码的多个通信特征，其中，多个通信特征中每一通信特征对应一目标号码。
在一示例中，多个目标号码包括：号码1、号码2和号码3，多个通信特征包括：通信特征1、通信特征2和通信特征3。其中，通信特征1对应号码1，通信特征2对应号码2，通信特征3对应号码3。
通信特征用于表征目标号码在进行通信过程中的行为特征和发生行为时的位置特征。
通信特征可包括：通话特征、短信特征和位置特征。
这里，通话特征可包括：社交特征、通话量特征、时长特征和行为特征中的至少一种。其中，社交特征可包括：主叫联系人个数、外地联系人个数和外地联系地个数；通话量特征可包括：主叫次数、被叫次数和外地通话次数；时长特征可包括：平均通话时长、总通话时长、通话时长分布、各时段通话量分布、平均振铃时长和释放时长，其中，释放时长表示目标号码从呼叫开始至呼叫结束的时长。行为特征可包括：主叫率、活跃天数、回拨率、主叫频率、主叫释放次数、被叫释放次数和活动基站个数。其中，主叫释放次数表示目标号码拨打电话到呼叫结束的次数。
在一示例中，通信特征包括：社交特征。
在另一示例中，通信特征包括：社交特征和通话量特征。
在又一示例中，通信特征包括：社交特征、通话量特征、时长特征和行为特征。
短信特征可包括：发送短信数、发送短信频率、收到106开头的平台短信数、接收短信数、发送短信联系人个数、接收短信联系人个数和活动基站个数中的至少一种。
在一示例中，短信特征包括：发送短信数。
在另一示例中，短信特征包括：发送短信数和接收短信数。
位置特征可包括：活动小区和活动小区数中的至少一种。其中，活动小区用于表征目标号码产生通信行为时所在的小区，活动小区数用于表征目标号码产生通信行为的小区的个数。
在一示例中，位置特征包括：活动小区。
在另一示例中，位置特征包括：活动小区和活动小区数。
S202、信息处理设备基于所述目标号码的通信特征，判断所述目标号码是否属于第一类设备。
这里，信息处理设备在获取到目标号码的通信特征后，可以基于获取到的目标号码的通信特征，判断该目标号码是否属于第一类设备。其中，第一类设备为进行非法活动的设备。
S203、在所述目标号码不属于所述第一类设备的情况下，信息处理设备通过所述目标号码的通信特征确定所述目标号码是否为黑灰产号码。
这里，在目标号码不属于第一类设备的情况下，该目标号码可能为正常号码，也可能为黑灰产号码，此时，信息处理设备将通过该目标号码的通信特征，确定该目标号码是正常号码，还是为黑灰产号码。
本申请实施例提供一种信息处理方法，获取目标号码的通信特征；基于所述目标号码的通信特征，判断所述目标号码是否属于第一类设备；所述第一类设备为进行非法活动的设备；在所述目标号码不属于所述第一类设备的情况下，通过所述目标号码的通信特征确定所述目标号码是否为黑灰产号码。这样，在判断目标号码是属于第一类设备的号码，还是为不属于第一类设备的黑灰产号码时，是基于目标号码的通信特征来判断的。由于是基于目标号码的通信特征进行判断的，因此，不仅可以判断出该目标号码是否属于第一类设备，还可以在该目标号码不属于第一类设备的情况下，判断出该目标号码是否为黑灰产号码，从而可以避免出现漏判的问题。
在一些实施例中，如图3所示，上述S201包括：
S301、信息处理设备获取所述目标号码的通信数据。
这里，在目标号码进行通信的过程中，信息处理设备将获取到目标号码在通信过程中所产生的信令数据，信息处理设备在获取到信令数据后，从信令数据中获取到目标号码的通信数据。
其中，信息处理设备在获取到信令数据后，将获取到的信令数据保存在运营商的数据表中，从而使得信息处理设备可以从运营商的数据表中，获取目标号码的通信数据。其中，数据商的数据表可包括：语音通话事件(MC_VoiceCall_Event)详单、短信收发事件(MC_SmsSendRecerve_Event)详单和4G短信彩信(4G_XDR_SGs)详单。
这里，数据处理设备可以从MC_VoiceCall_Event详单中，获取目标号码的通话数据，数据处理设备可以从MC_SmsSendRecerve_Event和4G_XDR_SGs详单中，获取目标号码的短信数据。
S302、信息处理设备判断所述通信数据是否满足设定条件。
这里，设定条件为长期演进语音承载(Voice over Long-Term Evolution，Volte)信令或移动交换(Mobile Change，MC)信令。若通信数据为Volte信令或者MC信令，信息处理设备则判断通信数据满足设定条件；若通信数据中不是Volte信令或MC信令，信息处理设备则可判断通信数据不满足设定条件。
S303、在所述通信数据满足设定条件的情况下，信息处理设备基于所述通信数据获取所述目标号码的通信特征。
信息处理设备从包括在通信数据中的Volte信令或MC信令中提取表征通信行为的信息，基于提取的信息确定目标号码的通信特征。
这里，从通信数据中提取的信息可包括：主叫通话次数、被叫通话次数、事件标识、主叫通话时长和释放时长。
在实际应用中，信息处理设备可基于设定的关键字段来提取信息。在一示例中，关键字段包括：btime、callingnum、callednum、eventID、answerdur和reloffset。其中，btime表示呼叫开始时间，callingnum表示主叫通话次数，callednum表示被叫通话次数、eventID表示事件标识(Identity Document，ID)，answerdur表示主叫通话时长、reloffset表示释放时长。
本申请实施例中，信息处理设备在提取信息后，可将提取的信息直接作为通信特征，也可对提取的不同时间段相同类型的信息进行聚合处理，将聚合处理后的信息作为通信特征。其中，在进行聚合处理时，可通过设定的函数对不同时间段相同类型的信息进行处理。其中，设定的函数可包括：求平均数(avg)函数、求和(sum)函数、计数(count)函数和distinct函数。
在一示例中，关键字段为主叫通话时长answerdur，函数为avg函数，则avg(answerdur)可表示一时间段内计算得到的平均主叫通话时长。
在另一示例中，关键字段为主叫通话时长answerdur，函数为sum函数，则sum(answerdur)可表示一时间段内计算得到的总的主叫通话时长。
在一些实施例中，如图4所示，在上述S202之前，所述方法还包括：
S401、信息处理设备判断目标设备是否为所述第一类设备。
这里，信息处理设备可以根据目标设备的设备标识判断目标设备是否为第一类设备。若设备标识不对应多个号码，则可确定目标设备不是第一类设备；若设备标识对应多个号码，则可确定目标设备为第一类设备。
其中，设备标识用于标识目标设备，比如，设备标识为国际移动设备识别码(International Mobile Equipment Identity，IMEI)。
S402、若所述设备标识不是所述第一类设备，则信息处理设备获取所述目标设备的设备标识。
S403、信息处理设备将所述设备标识对应的号码确定为所述目标号码。
这里，信息处理设备在获取到目标设备的设备标识后，可将设备标识对应的号码确定为目标号码。
在一些实施例中，上述S202包括：将所述目标号码的通信特征输入至第一模型，得到所述第一模型输出的分类标识；所述分类标识用于指示所述目标号码是否属于第一类设备；根据所述分类标识，判断所述目标号码是否属于第一类设备。
这里，第一模型为能够进行分类的模型。
在一示例中，第一模型为支持向量机(Support Vector Machine，SVM)模型。
这里，第一模型在得到目标号码的通信特征后，第一模型将基于目标号码的通信特征，输出目标号码的分类标识，从而使得信息处理设备可以根据分类标识，判断目标号码是否属于第一类设备。
本申请实施例中，SVM模型的建立过程为：获取一个训练集合，该训练集合中包括特征和标识，其中，标识用于指示特征所属的类别，SVM模型对训练集合中包括的特征进行分析，预测特征所属的类别，SVM模型根据实际类别和预测的类别，不断的对训练集合中包括的特征进行训练，从而确定第一模型。
在一些实施例中，如图5所示，上述S203包括：
S501、信息处理设备通过第二模型判断所述目标号码的应用场景。
这里，第二模型为能够确定目标号码的应用场景的模型。
在一示例中，第二模型为分场景决策树模型。
这里，信息处理设备将目标号码的通信特征输入至第二模型中，该第二模型将判断该目标号码的应用场景。
本申请实施例中，分场景决策树模型的训练过程为：获取训练数据集，该训练数据集D＝{(x1，y1)，(x2，y2)，……，(xN，yN)}，其中，xi为通信特征，yi为通信特征所属的应用场景，i∈[1，N]。分场景决策树模型对训练数据集中包括的通信特征进行分析，预测通信特征所属的应用场景，分场景决策树模型根据实际的应用场景和预测的应用场景，不断的对训练数据集中包括的通信特征进行训练，从而确定分场景决策树模型。
这里，通信特征可包括：总通话时长、关机次数、开机次数、平均通话时长、主叫次数、平均释放时长、联系人个数、外地联系人个数、主叫率、发送短信数、接收短信数、发送短信频率、当月通话费用、当月流量费用中的至少一种。
在一示例中，通信特征包括：总通话时长。
在另一示例中，通信特征包括：总通话时长和关机次数。
S502、当所述应用场景属于设定的参考场景，则信息处理设备确定所述目标号码为黑灰产号码。
在一示例中，设定的参考场景包括：场景A和场景B，目标号码的应用场景为场景B，则目标号码的应用场景B属于设定的参考场景B，信息处理设备可确定目标号码为黑灰产号码。
这里，设定的参考场景可包括：群控养卡、对单一用户进行的响一声或固定时长骚扰、对多个用户进行的响一声或固定时长骚扰和薅羊毛。其中，群控养卡为通过电脑同时控制几十甚至上百台手机，可同时控制该几十甚至上百台手机发送短信或者拨打骚扰电话；薅羊毛为用户利用各种网络金融产品或红包活动推广下线抽成赚钱。
针对群控养卡场景，场景特征可包括：活动小区数、活动小区、手机设备号、手机号和主叫通话次数。下面将通过表1列举出与群控养卡场景所对应的各场景特征、场景特征阈值和必要性。
表1
| 场景特征 | 场景特征阈值 | 必要性 |
| 活动小区数 | ≤10个/周 | 是 |
| 活动小区 | 不为空 | 是 |
| 手机设备号 | 不为空 | 是 |
| 手机号 | 是 | |
| 主叫通话次数 | ≥20次/天 | 是 |
其中，若必要性为是，则表示目标号码的通信特征应在满足场景特征阈值的情况下，才可判断目标号码的应用场景属于设定的参考场景。
针对对单一用户进行的响一声或固定时长骚扰的场景，场景特征可包括：通信天数、活动小区数、主叫联系人个数、主叫外地联系地个数、主叫率、主叫通话次数、主叫平均通话时长和主叫通话频率和回拨率。下面将通过表2列举出与单一用户进行的响一声或固定时长骚扰场景所对应的各场景特征的场景特征阈值和必要性。
表2
其中，若必要性为是，则表示目标号码的通信特征应在满足场景特征阈值的情况下，才可判断目标号码的应用场景属于设定的参考场景；若必要性为非，则表示目标号码的通信特征在不满足场景特征阈值的情况下，也可判断目标号码的应用场景属于设定的参考场景。
针对对多个用户进行的响一声或固定时长骚扰的场景，场景特征可包括：通信天数、活动小区数、主叫联系人个数、主叫外地联系地个数、主叫率、主叫通话次数和主叫平均通话时长。下面将通过表3列举出与多个用户进行的响一声或固定时长骚扰场景所对应的各场景特征的场景特征阈值和必要性。
表3
针对薅羊毛场景，场景特征可包括：通信天数、活动小区数、短信发送联系人个数、短信接收联系人个数、短信发送量、短信接收量、接收106开头平台的短信量和接收106开头平台的短信占比。下面将通过表4列举出与薅羊毛场景所对应的各场景特征的特征阈值和必要性。
表4
S503、当所述应用场景不属于所述设定的参考场景，则信息处理设备确定所述目标号码不为黑灰产号码。
在一示例中，设定的参考场景包括：场景A和场景B，目标号码的应用场景为场景C，则目标号码的应用场景C不属于设定的参考场景A和场景B，信息处理设备可确定目标号码不为黑灰产号码。
在一些实施例中，所述方法还包括：获取所述目标号码的通信内容；根据所述通信内容判断所述目标号码是否为所述黑灰产号码。
这里，信息处理设备可以通过监控目标号码的通信内容，从而获取目标号码的通信内容，并根据通信内容判断目标号码是否为黑灰产号码。
在一些实施例中，所述通信内容包括：短信内容，所述根据所述通信内容判断所述目标号码是否为所述黑灰产号码，包括：若所述短信内容存在设定关键词，则确定所述目标号码为所述黑灰产号码。
这里，设定关键词可包括：违约、未支付、到期和超期等。
若短信内容中存在设定关键词，信息处理设备则可确定目标号码为黑灰产号码。
在一些实施例中，所述通信内容包括：电话测试结果，所述电话测试结果用于表征进行电话测试所产生的结果，所述根据所述通信内容判断所述目标号码是否为所述黑灰产号码，包括：判断所述电话测试结果是否为设定结果；若所述电话测试结果为所述设定结果，则确定所述目标号码为所述黑灰产号码。
这里，设定结果可包括：无人接听、转接人工智能(Artificial Intelligence，AI)语音和停机等未能正常接听的结果。
信息处理设备在获取电话测试结果后，判断电话测试结果是否为设定结果，若电话测试结果为设定结果，信息处理设备则可确定目标号码为黑灰产号码；若电话测试结果不是设定结果，信息处理设备则可确定目标号码为正常号码。
本申请实施例中，信息处理设备在根据通信内容判断目标号码为黑灰产号码后，信息处理设备还可对该目标号划分等级，并将目标号码和该目标号码的等级共享至通管局或运营商。
通管局或运营商在收到目标号码和该目标号码的等级后，可按照不同的等级设定不同的处置策略，比如：低风险等级为放过，中风险等级为拦截，高风险等级为关停、加黑或进行重点监测。
或者，通管局或运营商在收到目标号码和该目标号码的等级后，可将目标号码和该目标号码的等级提供至银行、小额信贷或电商平台等，以为为银行信用卡、小额信贷、电商等提供风险识别策略。
本申请实施例中，目标号码的等级可包括：低风险等级risklevelI1、中风险等级risklevelI2和高风险等级risklevelI3，其中，对于低风险等级risklevelI1而言，参考处理建议可为用户风险较低，不进行处理；对于中风险等级risklevelI2，参考处理建议可为：客户可根据业务场景自行判断提供服务或者不提供服务；对于高风险等级risklevelI3，参考处理建议可为：不建议向该号码提供服务。
这里，若目标号码已经被注销，则该目标号码的等级为risklevelI0，参考处理建议可为：请再次检查目标号码。
近年来，互联网发展迅速，特别是购物平台刷单、电商平台薅羊毛等场景从账号注册、密码找回、身份认证等环节均借助手机号码开展，手机号码成为黑灰产业谋取利益的突破口。据统计，目前国内黑灰产业团伙掌控的手机号码资源超过1亿。
黑灰产业借助各类工具实施，从早期利用猫池设备、打码平台来进行养卡诈骗、群发短信、批量注册互联网账号，到近期新出现的使用群控软件、刷机工具等黑灰产工具模拟正常用户行为，以便于在娱乐类应用程序中进行点赞、转发等移动互联营销，形成了一条从养卡到应用的完整产业链，及时识别被黑灰产业控制的手机号码，对维护企业经济利益、打击通讯信息诈骗、维护互联网业务健康发展具有重要意义。
相关技术中，针对猫池类异常号码的识别方法可包括以下几种：
1、通过埋点的方式采集设备的特征，以确定是否为猫池设备。
然而，以埋点的方式获取用户的信息，易造成侵犯用户隐私、收集成本高等不良影响。
2、通过筛选出每月在网天数小于预定天数的号码和同步运行的号码，来确定在同一猫池中养卡的号码。
然而，从每月在网天数和同步运行的特征，来确定为同一猫池中养卡的号码，容易造成黑灰产群控场景的误判和漏判。
为解决上述问题，本申请提供了一种信息处理方法方法，该方法将黑灰产号码按照新型作案特征进行分类，分为三大类，该三大类包括：IMEI异常卡号、猫池设备养卡和非猫池设备的黑灰产卡号，其中，对于非猫池设备的黑灰产卡号，细分了四小类，该四小类包括：群控养卡、对单一用户的响一声/固定时长骚扰、群拨的响一声/固定时长骚扰和薅羊毛。也就是说，本申请将黑灰产号码按照新型作案特征分为了6类场景。
本申请基于上述6类场景，利用通话行为、位置信息、开关机行为和短信收发情况来融合分析建模，并置入短信预评验证，能有效识别用于黑灰产不良号码，从而避免个人用户受骗、企业营销资源受损。
本申请提出了一种运营商利用通话行为、位置信息、开关机行为和短信收发情况等数据，对用于猫池设备养卡、群控养卡、响一声和呼死你骚扰、薅羊毛等黑灰产不良号码进行有效识别的技术方案。
本申请利用信令数据中的通话行为数据，该通话行为数据可包括：活跃度和社交行为，其中，社交行为包括：主叫次数、主叫联系人、平均通话时长、主叫率、lac-ci位置信息、经分数据中的开关机行为和短信收发情况、及特殊号码的占比来融合分析建模，并采用电话回拨、短信预评等方式来调优和验证模型。
下面将对本申请提供的信息处理方法进行具体描述。
如图6所示，本申请提供的信息处理方法可包括如下步骤：
S601、信息处理设备获取目标号码的信令数据。
S602、信息处理设备基于所述信令数据，提取所述目标号码的特征。
S603、信息处理设备判断IMEI是否对应多个号码。
若是，则执行S604：信息处理设备进行短信预评，或者，电话拨测。
若否，则执行S605：信息处理设备基于SVM支持向量机模型，判断所述目标号码是否属于猫池设备。
这里，SVM支持向量机模型即为上述实施例中所描述的第一模型。
若属于猫池设备，则执行S604。
若不属于猫池设备，则执行S606：信息处理设备基于分场景决策树叠加模型，确定所述目标号码是否为黑灰产号码。
这里，分场景决策树叠加模型即为上述实施例中所描述的第二模型。
在执行S604后，执行S607：输出黑灰产异常号码。
本申请包括：IMEI识别策略模块、SVM支持向量机模型、分场景决策树叠加模型、短信预评模块和电话拨测模块。
这里，IMEI识别策略模块用于确定目标设备是否对应多个号码，该多个号码发送通信行为所在的LAC-CI相同，具有明显的聚集特征。若目标设备对应多个号码，且该多个号码发送通信行为所在的位置区编码(location area code，LAC)-CI相同，则确定该目标设备为猫池设备(即上述实施例中所描述的第一类设备)；若目标设备不对应多个号码，则确定该目标设备不是猫池设备。
通过IMEI识别策略模块计算IMEI是否为空，若IMEI为空，则表示目标设备对应多个号码。
若IMEI为空，则通过短信预评模块或电话拨测模块对该IMEI对应的多个号码进行处理。
若IMEI不为空，则通过SVM支持向量机模型，判断目标设备中的号码是属于猫池设备中的号码，还是不属于猫池设备中的号码。
SVM支持向量机模型用于根据猫池设备养卡的行为特征，从信令数据中提取社交特征、通话量信息、通话时长信息、通信行为、位置特征等多维度特征挖掘猫池设备养卡特征，利用svm分类器建立二分类模型，识别猫池设备养卡号码。
下面将通过图7，对获取各通信特征的方法进行详细描述。
本申请实施例中，如图7所示，信息处理设备在获取到通信数据后，将执行下述步骤：
S701、信息处理设备判断通信数据中是否存在VOLTE信令。
若不存在，则执行S702：信息处理设备判断通信数据中是否存在MC信令。
若通信数据中存在VOLTE信令和MC信令，则执行S703：从VOLTE信令和MC信令中提取字段。
S704、信息处理设备判断事件类型是否为主叫。
若是主叫，则执行S705至S708中的一个或多个步骤，或者，执行S709至S712中的一个或多个步骤，或者，执行S713至S714中的一个或多个步骤：
S705：采用函数count(calling num)计算主叫通话次数。
S706、采用函数count(distinct(calling num))计算主叫联系人个数。
S707、采用采用中间表phone_num_area计算外地联系地个数。
S708、采用函数distinct(calling num)计算主叫通话联系人。
S709、采用函数avg(answerdur)计算主叫平均通话时长。
S710、采用函数sum(answerdur)计算总通话时长。
S711、采用函数avg(reloffset)计算平均释放时长。
S712、采用函数count(distinct(CONCAT(TAC，ECI)))计算活动基站数。
S713、采用函数count(SUBSTRING(btime，11，3))计算hour_callingnums。其中，hour_callingnums表示一小时主叫次数。
S714、采用函数max(hour calling nums)计算主叫频率。
若不是主叫，则执行S715至S716中的一个或多个步骤：
S715、采用函数count(callednum)计算被叫通话次数。
S716、采用函数distinct(callednum)计算被叫通话联系人。
在S705之后，执行S717：计算主叫率。
其中，主叫率＝主叫通话次数/(主叫通话次数+被叫通话次数)。
在S708之后，执行S718：采用函数compare计算主叫通话联系人中与被叫通话联系人重复的人数。
在S718之后，执行S719：计算回拨率。
其中，回拨率＝重复人数/主叫联系人个数。
在S712之后，执行S720：采用函数count(distinct(CONCAT(lac，ci)))计算活动基站数。
在执行上述步骤后，执行S721：通过join函数，输出通信特征。
将识别出疑似猫池设备养卡的卡号放入短信预评模块进行监测，同时将识别出非猫池设备养卡的卡号输入至分场景决策树模型，以进一步精细化识别非猫池设备的黑灰产号码。
分场景决策树模块用于识别非猫池设备的黑灰产号码，按照对单一用户的响一声或固定时长呼死你(即上述实施例描述的对单元用户进行的响一声或固定时长骚扰)、群拨的响一声/固定时长呼死你(即上述实施例描述的对多个用户的响一声或固定时长骚扰)、薅羊毛、群控养卡4类场景，使用吉尼系数(gini index)作为标准分场景构造决策树分场景模型，以识别各场景下的非猫池设备的黑灰产号码，特别是被用于群控养卡的黑灰产号码。其中，对于上述4类场景的描述，请参见上述实施例中的描述，此处不再赘述。
针对对单一用户的响一声或固定时长呼死你场景，可通过如下述表5所示的各场景特征进行建模。
表5
其中，社交信息即为上述实施例中描述的社交特征，通话信息即为上述实施例中描述的通话特征。
针对群拨的响一声/固定时长呼死你场景，可通过如下述表6所示的各场景特征进行建模。
表6
针对群控养卡场景，在同一基站下，若大量号码和IMEI号出现连号，则可确定场景为群控养卡的场景。其中，群控养卡场景可包括：活跃养卡和静默养卡。
这里，判断养卡场景是活跃养卡还是静默养卡的方法可包括：判断通信数据中是否包括位置特征和通信特征；若包括位置特征和通信特征，则确定养卡场景为活跃养卡；若不包括位置特征和通信特征，则确定养卡场景为静默养卡。
这里，针对活跃养卡场景，可通过如下述表7所示的各场景特征进行建模。
表7
其中，位置信息即上述实施例中所描述的位置特征，设备信息即上述实施例中所描述的目标设备的设备标识。
针对薅羊毛场景，可通过如下述表8所示的各场景特征进行建模。
表8
其中，短信信息即为上述实施例中所描述的短信特征。
本申请实施例中，可基于上述各个场景的特征提取，采用决策树建模。
根据特征训练建模和特征阈值不断调优，最终黑灰产号码用对单一用户的响一声/固定时长骚扰的部分特征阈值取值和必要性如表9所示：
表9
针对群拨模型，部分特征阈值取值和必要性如表10所示：
表10
针对群控养卡识别模型，部分特征阈值取值和必要性如表11所示：
表11
| 特征序号 | 场景特征 | 场景特征阈值 | 必要性 |
| A8 | 活动小区数 | ≤10个/周 | 是 |
| A14 | 活动小区 | 不为空 | |
| A15 | 手机设备号 | 不为空 | 是 |
| A16 | 手机号 | 是 | |
| A12 | 主叫通话次数 | ≥20次/天 | 是 |
针对薅羊毛模型，部分特征阈值取值和必要性如表12所示：
表12
短信预评模块用于将上述三个模块识别出的IMEI异常卡号、疑似猫池设备卡号，输入至短信预评中，通过关键词“违约”、“未支付”、“到期”、“超期”等关键词的按周监测异常短信内容，最终输出猫池类黑灰产号码。
电话拨测模块用于针对符合IMEI识别策略和猫池类黑灰产号码用于响一声、呼死你骚扰诈骗电话场景的号码进行电话拨测，如遇结果无人接听、AI智能语音、停机等异常场景，则被确定为异常，可进行关停/加黑处置。
除上述模块外，为进一步对抗黑灰产，本申请制定了基于上述场景识别结果进行高中低三档综合定级的方案，通过输出号码及其风险定级来实现黑灰产能力的共享：
1)将号码明细和等级共享至通管局、运营商：可按照风险高中低等级来设定不同的处置策略，如：低为放过，中为拦截，高为关停/加黑或重点监测；
2)将号码及等级对外变现输出：为银行信用卡、小额信贷、电商等补充风险识别策略。
本申请的主要创新点在于提供了一种基于运营商信令数据包括通话类数据、位置类数据和短信数据建立的机器学习叠加模型，以识别IMEI异常卡号、用于猫池设备养卡、群控养卡、响一声和呼死你骚扰、薅羊毛的黑灰产卡号的识别方法。
该方法能够弥补现有的对猫池类黑灰产卡号识别不全的情况，包括通过卡号判别是否处于同一猫池设备，或从猫池设备特征上来识别猫池类黑灰产异常用户而产生漏判和误判的行为。
本申请首先利用IMEI设备特征和位置特征等相关数据识别IMEI异常的卡号。
同时通过对通话行为、短信行为、社交信息、活跃度等特征的提取，构建svm支持向量机一级模型和分场景决策树二级模型，通过两级模型叠加，识别出猫池设备养卡、对单一用户的响一声/固定时长呼死你、群拨的响一声/固定时长呼死你、薅羊毛、群控养卡5类场景的疑似猫池类黑灰产号码。
最后通过模型识别出的疑似猫池类黑灰产号码输入至短信预评，以周为单位监测是否有异常短信行为，对猫池类黑灰产号码进行确认，识别准确率在90％以上
此外，增加电话拨测环节，对其中恶意骚扰和诈骗的黑灰产号码进行拨测验证，对用于骚扰诈骗的猫池类黑灰产号码进行确认后关停、加黑处置
本申请基于机器学习两级模型和短信预评、电话拨测判定，最终对识别出的猫池类黑灰产号码进行风险分级，通过输出码号及其风险定级来实现黑灰产能力的共享与进一步对抗。
图8为本申请实施例的提供的一种信息处理装置，如图8所示，该信息处理装置800包括：
获取单元801，用于获取目标号码的通信特征；
判断单元802，用于基于所述目标号码的通信特征，判断所述目标号码是否属于第一类设备；所述第一类设备为进行非法活动的设备；
确定单元803，用于在所述目标号码不属于所述第一类设备的情况下，通过所述目标号码的通信特征确定所述目标号码是否为黑灰产号码。
在一些实施例中，获取单元801，还用于：
获取所述目标号码的通信数据；
判断所述通信数据是否满足设定条件；所述设定条件为长期演进语音承载Volte信令或移动交换MC信令；
在所述通信数据满足所述设定条件的情况下，基于所述通信数据获取所述目标号码的通信特征。
在一些实施例中，判断单元802还用于：
基于所述目标号码的通信特征，判断所述目标号码是否属于第一类设备之前，判断目标设备是否为所述第一类设备；
若所述目标设备不是所述第一类设备，则获取所述目标设备的设备标识；
将所述设备标识对应的号码确定为所述目标号码。
在一些实施例中，判断单元802还用于：
将所述目标号码的通信特征输入至第一模型，得到所述第一模型输出的分类标识；所述分类标识用于指示所述目标号码是否属于所述第一类设备；
根据所述分类标识，判断所述目标号码是否属于第一类设备。
在一些实施例中，确定单元803还用于：
通过第二模型判断所述目标号码的应用场景；
当所述应用场景属于设定的参考场景，则确定所述目标号码为黑灰产号码；
当所述应用场景不属于所述设定的参考场景，则确定所述目标号码不为黑灰产号码。
在一些实施例中，获取单元801还用于：
获取所述目标号码的通信内容；
根据所述通信内容判断所述目标号码是否为所述黑灰产号码。
在一些实施例中，判断单元802还用于：
在通信内容包括短信内容的情况下，若所述短信内容存在设定关键词，则确定所述目标号码为所述黑灰产号码。
在一些实施例中，判断单元802还用于：
判断包括在通信内容中的电话测试结果是否为设定结果；所述电话测试结果用于表征进行电话测试所产生的结果；
若所述电话测试结果为所述设定结果，则确定所述目标号码为所述黑灰产号码。
本申请实施例还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时，实现上述实施例中提供的信息处理方法。
本申请实施例还提供一种存储介质，也就是计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述实施例中提供的信息处理方法。
这里需要指出的是：以上存储介质和设备实施例的描述，与上述方法实施例的描述是类似的，具有同方法实施例相似的有益效果。对于本申请存储介质和设备实施例中未披露的技术细节，请参照本申请方法实施例的描述而理解。
需要说明的是，图9为本申请实施例电子设备的一种硬件实体示意图，如图9所示，所述电子设备900包括：一个处理器901、至少一个通信总线902、至少一个外部通信接口904和存储器905。其中，通信总线902配置为实现这些组件之间的连接通信。在一示例中，电子设备900还包括：用户接口903、其中，用户接口903可以包括显示屏，外部通信接口904可以包括标准的有线接口和无线接口。
存储器905配置为存储由处理器901可执行的指令和应用，还可以缓存待处理器901以及电子设备中各模块待处理或已经处理的数据(例如，图像数据、音频数据、语音通信数据和视频通信数据)，可以通过闪存(FLASH)或随机访问存储器(Random Access Memory，RAM)实现。
应理解，说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本申请的至少一个实施例中。因此，在整个说明书各处出现的“在一个实施例中”或“在一些实施例中”未必一定指相同的实施例。此外，这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。应理解，在本申请的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外，在本申请各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(Read Only Memory，ROM)、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本申请上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实施例的技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本申请各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本申请的实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。
Claims (11)
1.一种信息处理方法，其特征在于，所述方法包括：
获取目标号码的通信特征；
基于所述目标号码的通信特征，判断所述目标号码是否属于第一类设备；所述第一类设备为进行非法活动的设备；
在所述目标号码不属于所述第一类设备的情况下，通过所述目标号码的通信特征确定所述目标号码是否为黑灰产号码。
2.根据权利要求1所述的方法，其特征在于，所述获取目标号码的通信特征，包括：
获取所述目标号码的通信数据；
判断所述通信数据是否满足设定条件；所述设定条件为长期演进语音承载Volte信令或移动交换MC信令；
在所述通信数据满足所述设定条件的情况下，基于所述通信数据获取所述目标号码的通信特征。
3.根据权利要求1所述的方法，其特征在于，基于所述目标号码的通信特征，判断所述目标号码是否属于第一类设备之前，所述方法还包括：
判断目标设备是否为所述第一类设备；
若所述目标设备不是所述第一类设备，则获取所述目标设备的设备标识；
将所述设备标识对应的号码确定为所述目标号码。
4.根据权利要求1所述的方法，其特征在于，所述基于所述目标号码的通信特征，判断所述目标号码是否属于第一类设备，包括：
将所述目标号码的通信特征输入至第一模型，得到所述第一模型输出的分类标识；所述分类标识用于指示所述目标号码是否属于所述第一类设备；
根据所述分类标识，判断所述目标号码是否属于第一类设备。
5.根据权利要求1所述的方法，其特征在于，所述通过所述目标号码的通信特征确定所述目标号码是否为黑灰产号码，包括：
通过第二模型判断所述目标号码的应用场景；
当所述应用场景属于设定的参考场景，则确定所述目标号码为黑灰产号码；
当所述应用场景不属于所述设定的参考场景，则确定所述目标号码不为黑灰产号码。
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取所述目标号码的通信内容；
根据所述通信内容判断所述目标号码是否为所述黑灰产号码。
7.根据权利要求6所述的方法，其特征在于，所述通信内容包括：短信内容，所述根据所述通信内容判断所述目标号码是否为所述黑灰产号码，包括：
若所述短信内容存在设定关键词，则确定所述目标号码为所述黑灰产号码。
8.根据权利要求6所述的方法，其特征在于，所述通信内容包括：电话测试结果，所述电话测试结果用于表征进行电话测试所产生的结果，所述根据所述通信内容判断所述目标号码是否为所述黑灰产号码，包括：
判断所述电话测试结果是否为设定结果；
若所述电话测试结果为所述设定结果，则确定所述目标号码为所述黑灰产号码。
9.一种信息处理装置，其特征在于，所述装置包括：
获取单元，用于获取目标号码的通信特征；
判断单元，用于基于所述目标号码的通信特征，判断所述目标号码是否属于第一类设备；所述第一类设备为进行非法活动的设备；
确定单元，用于在所述目标号码不属于所述第一类设备的情况下，通过所述目标号码的通信特征确定所述目标号码是否为黑灰产号码。
10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时，实现权利要求1至8任一项所述的信息处理方法。
11.一种存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现权利要求1至8任一项所述的信息处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111415258.4A CN116170537A (zh) | 2021-11-25 | 2021-11-25 | 一种信息处理方法、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111415258.4A CN116170537A (zh) | 2021-11-25 | 2021-11-25 | 一种信息处理方法、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116170537A true CN116170537A (zh) | 2023-05-26 |
Family
ID=86415054
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111415258.4A Pending CN116170537A (zh) | 2021-11-25 | 2021-11-25 | 一种信息处理方法、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116170537A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117395616A (zh) * | 2023-10-11 | 2024-01-12 | 中移互联网有限公司 | 不可信号码的识别方法、装置、设备和存储介质 |
-
2021
- 2021-11-25 CN CN202111415258.4A patent/CN116170537A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117395616A (zh) * | 2023-10-11 | 2024-01-12 | 中移互联网有限公司 | 不可信号码的识别方法、装置、设备和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108924333B (zh) | 诈骗电话识别方法、装置和系统 | |
| CN109451182B (zh) | 一种诈骗电话的检测方法和装置 | |
| CN114169438A (zh) | 一种电信网络诈骗识别方法、装置、设备及存储介质 | |
| CN110611929A (zh) | 异常用户识别方法及装置 | |
| CN106936997B (zh) | 一种基于社交关系图谱的垃圾语音识别方法和系统 | |
| CN111917574B (zh) | 社交网络拓扑模型及构建方法、用户置信度和亲密度计算方法及电信诈骗智能拦截系统 | |
| CN110290155B (zh) | 社会工程学攻击的防御方法及装置 | |
| CN116320160A (zh) | 多渠道综合反诈干预的方法、装置、电子设备及存储介质 | |
| CN101217595A (zh) | 一种呼入通讯号码处理方法及装置 | |
| CN111131627B (zh) | 基于流数据图谱的个人有害呼叫检测方法、装置及可读介质 | |
| CN110113748B (zh) | 骚扰电话监控方法、装置 | |
| CN116170537A (zh) | 一种信息处理方法、设备及存储介质 | |
| CN111105064B (zh) | 确定欺诈事件的嫌疑信息的方法及装置 | |
| CN112351429B (zh) | 基于深度学习的有害信息检测方法及系统 | |
| CN111930808B (zh) | 一种利用键值匹配模型提高黑名单准确率的方法及系统 | |
| CN114338915A (zh) | 来电号码风险识别方法、装置、设备及存储介质 | |
| KR101764920B1 (ko) | 스팸 판단 모델을 이용한 스팸 전화번호의 판단 방법 | |
| CN110139288B (zh) | 一种网络通话方法、装置、系统和记录介质 | |
| CN112671982B (zh) | 一种骚扰电话识别方法及系统 | |
| CN114205462A (zh) | 一种诈骗电话识别方法、装置、系统及计算机存储介质 | |
| CN108769434A (zh) | 来电处理方法、装置及系统 | |
| CN115659217A (zh) | 诈骗识别模型训练方法、装置、电子设备及存储介质 | |
| CN113645356A (zh) | 一种基于网内开卡行为分析的诈骗电话识别方法及系统 | |
| CN108564380B (zh) | 一种基于迭代决策树的电信用户分类方法 | |
| KR102416542B1 (ko) | 인공지능 기반 스팸 탐지 장치 및 그 방법 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |