基于SVM的电信诈骗行为特征识别方法

• 作者: 吉涵之 李爽 李静林 马宇宸
• 来源期刊: 软件
• 学科: 工学
• 关键词: 大数据 机器学习 支持向量机 电信诈骗
• 年，卷（期）: 2017,（12）
• 所属期刊栏目: 基金项目论文
• 页码范围: 104-109
• 页数: 6页
• 分类号: TP391.4
• 字数: 5088字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6970.2017.12.020

摘要

电信诈骗行为种类繁多,受害人分布广,对其预防存在困难.针对电信诈骗手段开始向最新电信技术和系统漏洞的充分利用演进这种趋势,论文提出通过通信记录数据去发现电信诈骗通话行为与普通用户的通话行为的行为特征差异,并结合用户属性,使用支持向量机(SVM)这一机器学习手段进行电信诈骗行为的学习,进而完成电信诈骗行为的识别,以辅助拦截电信诈骗号码.论文分析了诈骗行为的规律,提出了行为特征的抽取方法及基于SVM的行为识别系统构建方法,最终通过实际样本数据的训练和测试,验证了这一方法的可行性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李静林	北京邮电大学网络技术研究院	13	98	4.0	9.0
2	马宇宸	北京邮电大学网络技术研究院	2	7	1.0	2.0
3	李爽	北京邮电大学网络技术研究院	2	6	1.0	2.0
4	吉涵之		1	6	1.0	1.0