• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于SVM的電信詐騙行為特征識別方法

    2018-01-02 08:44:36吉涵之馬宇宸李靜林
    軟件 2017年12期
    關(guān)鍵詞:通話內(nèi)核分類器

    吉涵之,馬宇宸,李 爽,李靜林

    (1. 北京市第十三中學(xué),北京 100009;2. 北京郵電大學(xué)網(wǎng)絡(luò)技術(shù)研究院,北京 100876)

    基于SVM的電信詐騙行為特征識別方法

    吉涵之1,馬宇宸2,李 爽2,李靜林2

    (1. 北京市第十三中學(xué),北京 100009;2. 北京郵電大學(xué)網(wǎng)絡(luò)技術(shù)研究院,北京 100876)

    電信詐騙行為種類繁多,受害人分布廣,對其預(yù)防存在困難。針對電信詐騙手段開始向最新電信技術(shù)和系統(tǒng)漏洞的充分利用演進(jìn)這種趨勢,論文提出通過通信記錄數(shù)據(jù)去發(fā)現(xiàn)電信詐騙通話行為與普通用戶的通話行為的行為特征差異,并結(jié)合用戶屬性,使用支持向量機(SVM)這一機器學(xué)習(xí)手段進(jìn)行電信詐騙行為的學(xué)習(xí),進(jìn)而完成電信詐騙行為的識別,以輔助攔截電信詐騙號碼。論文分析了詐騙行為的規(guī)律,提出了行為特征的抽取方法及基于SVM的行為識別系統(tǒng)構(gòu)建方法,最終通過實際樣本數(shù)據(jù)的訓(xùn)練和測試,驗證了這一方法的可行性。

    大數(shù)據(jù);機器學(xué)習(xí);支持向量機;電信詐騙

    0 引言

    隨著移動電信網(wǎng)和移動互聯(lián)網(wǎng)的快速發(fā)展和電信資費的逐步下降,中國快速進(jìn)入信息化時代?,F(xiàn)代電信技術(shù)一方面為人民群眾帶來了溝通的便利,另一方面也容易被犯罪分子利用,使用身份冒充、電話改號等手段,利用受害人對銀行業(yè)務(wù)不熟悉、對政府機關(guān)流程不熟悉、甚至溝通之間的時間差等,對受害人進(jìn)行欺騙、恐嚇,騙取受害人的資金。近年來,電信詐騙犯罪從最初技術(shù)水平較低的身份冒充向最新電信技術(shù)和電信系統(tǒng)漏洞的充分利用演進(jìn)。如2009年開始利用VoIP技術(shù)進(jìn)行詐騙,2013年則開始通過改號軟件跨境犯罪,2014年開始大規(guī)模利用偽基站發(fā)送詐騙短信,2015年以后則開始使用綜合手段進(jìn)行詐騙[1]。由于電信詐騙手段多樣,且電信詐騙的跨地域甚至跨國家特性,導(dǎo)致受害人分散廣,個案金額小,預(yù)防和打擊的難度非常大。

    近年來國家已經(jīng)開始推行手機實名制,以希望從源頭控制電信詐騙。但是仍然會存在使用改號軟件跨國犯罪、冒用別人身份證件購買電話號卡等防不勝防的問題。同時,互聯(lián)網(wǎng)公司也通過眾包方式,通過手機安全軟件標(biāo)注詐騙電話,并取得了不錯的效果。但是,由于以上方法一般僅能在案發(fā)后起到作用,因此仍具有局限性和滯后性。由于詐騙電話在實施成功詐騙之前,一般存在一定搜索被害者、與被害者多次電話交互的過程,因此,隨著大量的案例積累,及電信大數(shù)據(jù)處理能力和手段的提升,可以通過電信通話過程產(chǎn)生的話單大數(shù)據(jù)去發(fā)現(xiàn)電信詐騙通話行為與普通用戶的通話行為的行為特征差異,并利用這種差異進(jìn)行電信詐騙行為的挖掘,以期在電信詐騙完成前對電信詐騙行為進(jìn)行識別和攔截。

    1 電信詐騙行為分析現(xiàn)狀

    從直觀上,電信詐騙電話由于需要通過大量盲撥鎖定被害人,因此其撥打頻率、通話時間等的行為規(guī)律與普通用戶應(yīng)該有一定差異。2015年周國民[1]等對一些用戶的通話行為進(jìn)行了統(tǒng)計分析,發(fā)現(xiàn)通話時間頻率、通話時間間隔、同一對象通話次數(shù)頻率、通話周期和通話間隔相關(guān)性等具有較為明顯的規(guī)律性,但由于樣本數(shù)量有限,未能明確普通用戶和詐騙用戶的行為規(guī)律差異。2016年10月,360公司發(fā)布了《2016詐騙電話態(tài)勢與特征分析報告》[2]。在這一報告中,360對眾包標(biāo)注結(jié)果進(jìn)行了數(shù)據(jù)挖掘分析。報告中指出,全國范圍內(nèi),詐騙電話的異地呼叫率平均為 68.8%,全國 81.6%的城市用戶接聽詐騙電話的異地呼叫率在85%以上,西藏、青海、內(nèi)蒙古、寧夏等地區(qū),詐騙電話的異地呼叫率甚至達(dá)到了90%以上。這意味著詐騙電話具有較為明顯的異地呼叫特性,長途電話數(shù)量較本地電話數(shù)量為多。報告顯示,手機詐騙號碼的生存周期約為 54.5天,連續(xù)活躍周期為 3.8天,單日單號平均呼出詐騙電話次數(shù)為 189次,詐騙成功率為 0.28%,一次成功詐騙所需平均呼叫次數(shù)為357次,完成一次成功詐騙平均需 1.9天;生存期長說明手機號碼具有較長的潛伏期,但由于手機號碼詐騙成功率較高,因此手機詐騙號碼激活后搜尋騙詐目標(biāo)的時間短,活躍周期短,但是完成一次詐騙的時間較長。而境外詐騙號碼的生存周期約為36.4天,連續(xù)活躍周期為 36天,單日單號平均呼出詐騙電話次數(shù)則達(dá)到5076次,詐騙成功率為0.07%,一次成功詐騙所需平均呼叫次數(shù)為1429次,完成一次成功詐騙平均需0.3天;這意味著由于詐騙成功率低,境外詐騙電話需要長時間的活躍以搜尋詐騙目標(biāo),但完成一次詐騙的時間很短。平均下來,詐騙電話號碼的生存周期約為57.6天,連續(xù)活躍周期為7.6天,單日單號平均呼出詐騙電話次數(shù)為 185次,詐騙成功率為0.1%,一次成功詐騙所需平均呼叫次數(shù)為1000次,完成一次成功詐騙平均需 5.4天。這意味著詐騙電話一般會具有較為明顯的生存期和活躍期,且活躍期中的平均呼叫數(shù)量較高。同時,統(tǒng)計顯示,約92.7%的詐騙電話是騙子打給用戶的,而約 7.3%的詐騙電話是用戶主動打給騙子的。手機詐騙號碼有9.8%的用戶主動打出,固話詐騙號碼有4.7%是用戶主動打出的。這意味著詐騙電話具有較高的單向性,呼出電話數(shù)量明顯高于呼入電話。360公司的研究報告表明,電信詐騙電話的通話行為與普通用戶的通話行為確實存在一定的差異性,如果能對這些差異進(jìn)行認(rèn)知學(xué)習(xí),在電信詐騙成功之前識別出電信詐騙企圖是有可能的。

    從電信詐騙識別的方法上,傳統(tǒng)應(yīng)用較為廣泛的分類模型主要包括決策樹模型和樸素貝葉斯模型。文獻(xiàn)[3]和[4]分別使用這兩種模型進(jìn)行了電信欺詐行為分類分析。但由于這兩種模型都假設(shè)樣本的各個屬性間具有獨立性,而這種假設(shè)在現(xiàn)實的環(huán)境中難以存在,因此其分類的結(jié)果難以應(yīng)用到實際系統(tǒng)中。目前,業(yè)界提出的可采用的另一種監(jiān)督式學(xué)習(xí)方法是支持向量機(SVM:Support Vector Machine)。SVM 通過尋求結(jié)構(gòu)化風(fēng)險最小來提高學(xué)習(xí)機泛化能力,實現(xiàn)經(jīng)驗風(fēng)險和置信范圍的最小化,從而達(dá)到在統(tǒng)計樣本量較少的情況下,亦能獲得良好統(tǒng)計規(guī)律的目的。SVM的優(yōu)點是它提供了一種避開高維度空間的方法,可以直接借助于空間內(nèi)的核函數(shù),將線性不可分情況轉(zhuǎn)化為線性可分的問題,再利用對線性可分的問題的求解方法直接解出對應(yīng)的高維空間的問題。文獻(xiàn)[5]提出采用 SVM 進(jìn)行電信客戶欺詐檢測,但該文選取的用戶特征僅局限在通話次數(shù)和時長,難以全面的體現(xiàn)出詐騙用戶的特征。同時,其測試驗證沒有使用實際數(shù)據(jù),其取得的極高的準(zhǔn)確率僅針對測試數(shù)據(jù),難以實際應(yīng)用。

    針對以上問題,本文提出了一種電信詐騙行為分析系統(tǒng),通過分析電信詐騙行為規(guī)律構(gòu)造電信詐騙行為的特征屬性集,并通過SVM進(jìn)行訓(xùn)練,最終形成電信詐騙行為識別器。

    2 電信詐騙行為特征樣本構(gòu)建

    電信用戶的呼叫記錄主要包括通話開始時間、計費號碼、對方號碼、呼叫類型、通話地點、對方地點、通話時長、通話類型、費用等信息,但是這些信息類型差異大,衡量尺度和單位不一,如果不經(jīng)過預(yù)處理,難以呈現(xiàn)出電信用戶行為特征,也難以通過SVM訓(xùn)練進(jìn)行分類。因此,需要對電信用戶的呼叫記錄進(jìn)行預(yù)處理,形成特征屬性,并構(gòu)建為可用于SVM訓(xùn)練的電信詐騙行為特征樣本數(shù)據(jù)。

    詐騙電話的用戶行為復(fù)雜,根據(jù)電信詐騙行為分析的現(xiàn)有研究成果可以看到,詐騙行為的特征不僅僅體現(xiàn)在詐騙電話通話的次數(shù)、時長特征,還表現(xiàn)在通話地域的聚集特性,長途甚至國際漫游通話類型的聚集特性等,考慮到通話記錄的參數(shù)內(nèi)容和詐騙電話行為特征規(guī)律,本文定義了電信詐騙行為特征樣本的數(shù)據(jù)結(jié)構(gòu),如表1所示。

    時間粒度的確定比較復(fù)雜,時間粒度太小,無法體現(xiàn)出用戶的行為特征,將會造成大量的誤判。時間粒度太大,將會導(dǎo)致用戶的行為特征細(xì)節(jié)被統(tǒng)計特征掩蓋,同樣會造成誤判。

    本文分析了電信用戶呼叫記錄中各種屬性的分布規(guī)律,其中每小時平均呼叫次數(shù)如圖1所示,每小時平均呼叫次數(shù)的頻度分布如圖2所示。

    從詐騙電話和正常電話的平均呼叫次數(shù)可以看到,詐騙電話的平均呼叫次數(shù)在早7~8點開始與普通電話平均呼叫次數(shù)產(chǎn)生較大差異,12點左右回落,13點開始再次攀升,18點左右再次回落,并在 19點~20點左右產(chǎn)生一個小波峰。這種規(guī)律性的波動現(xiàn)象與工作日的正常上下班及休息時間類似。

    從呼叫的頻度可以看到,接近80%的普通用戶的呼叫頻度為平均每小時1次,98.88%的普通用戶呼叫頻度在平均每小時3次以內(nèi)。而詐騙電話的呼叫頻度的分布較普通用戶要更寬,僅有60.68%的詐騙電話呼叫頻度在平均每小時3次以內(nèi),93.45%的詐騙電話呼叫頻度在平均每小時20次以內(nèi)。這意味著詐騙電話的呼叫頻度比正常電話頻度要高很多。

    表1 電信詐騙行為特征樣本數(shù)據(jù)結(jié)構(gòu)Tab.1 Telecom Fraud Behavior Features

    圖1 平均呼叫次數(shù)Fig.1 Call numbers per hour

    基于這些特征的分析可以看到,為了更好地體現(xiàn)電信詐騙與普通用戶的行為差異,可以將一天劃分為上午和下午兩個時間段,取差異較為明顯的時間區(qū)間選取特征片段。同時,由于詐騙電話呼叫頻度比普通電話大,較長的時間段能夠累積足夠多的呼叫頻次、時長等統(tǒng)計特征,減小分類誤差。

    3 電信詐騙行為特征分類器實現(xiàn)方法

    3.1 行為特征分類器總體結(jié)構(gòu)

    電信詐騙行為特征分類器的結(jié)構(gòu)主要劃分為數(shù)據(jù)清洗、特征數(shù)據(jù)構(gòu)建、分類訓(xùn)練與評價三個模塊,如圖3所示。

    圖2 呼叫頻度Fig.2 Call frequency

    圖3 電信詐騙行為特征分類器Fig.3 Telecom fraud behavior features classifier

    數(shù)據(jù)清洗功能主要根據(jù)數(shù)據(jù)源的類型進(jìn)行設(shè)置。本文根據(jù)原始話單和用戶IT信息的差異,設(shè)置了兩種數(shù)據(jù)清洗功能。第一種針對原始話單數(shù)據(jù),首先進(jìn)行缺失數(shù)據(jù)處理、冗余數(shù)據(jù)清理等操作,并根據(jù)時間粒度需求完成數(shù)據(jù)分割形成待處理話單,以進(jìn)行統(tǒng)計分析。第二種針對用戶IT信息,提取用戶固有的開戶時間、是否實名認(rèn)證、用戶使用產(chǎn)品類型等信息,并進(jìn)行歸一化處理。

    特征數(shù)據(jù)構(gòu)建功能則根據(jù)分類訓(xùn)練需求,對數(shù)據(jù)清洗后的待處理話單數(shù)據(jù)進(jìn)行樣本特征值處理,并根據(jù)時間粒度歸并數(shù)據(jù)樣本,形成統(tǒng)計特征。之后,將統(tǒng)計特征和以用戶屬性特征為代表的非統(tǒng)計特征進(jìn)行整合,形成可用于訓(xùn)練和驗證的樣本集。

    分類訓(xùn)練與評價功能中的訓(xùn)練集與測試集分解模塊,首先按照 10%詐騙電話樣本,90%普通電話樣本的方式構(gòu)建多份訓(xùn)練集與測試集,供后繼學(xué)習(xí)評估使用。之后,分類訓(xùn)練模塊使用選擇的訓(xùn)練集對SVM模型進(jìn)行分類訓(xùn)練。訓(xùn)練得到的分類器將在分類器評估模塊中,使用選擇的測試集進(jìn)行測試評估。分類器評估模塊通過多次調(diào)整 SVM 參數(shù)獲得該分類器在不同輸入?yún)?shù)下訓(xùn)練得到的準(zhǔn)確率(Accuracy)、查全率(Recall)、查準(zhǔn)率(Precision),并根據(jù)評估結(jié)果進(jìn)行對比,選擇準(zhǔn)確率、查全率、查準(zhǔn)率都較優(yōu)的模型。同時,為了避免過擬合,分類器評估模塊還將進(jìn)行交叉驗證,即控制訓(xùn)練集與測試集分解模塊分解出不同的訓(xùn)練集與測試集供分類訓(xùn)練和分類器評估使用,從而獲得最優(yōu)的SVM分類器模型。

    3.2 基于SVM的分類訓(xùn)練與評價功能設(shè)計

    本文選用SVM實現(xiàn)分類器。SVM核函數(shù)類型主要有線性(Linear)內(nèi)核、多項式(Poly)內(nèi)核、徑向基(RBF)內(nèi)核、Sigmoid核等共4種。本文選擇RBF內(nèi)核,因為RBF核函數(shù)包容性很強,無論是多少數(shù)據(jù)量,不管數(shù)據(jù)高維還是低維,RBF內(nèi)核均可以使用。同時RBF核函數(shù)可以將樣本映射到一個更高維的空間,因此可以用于線性不可分的環(huán)境。本文構(gòu)建的樣本集中,各種特征差異較大,顯然是線性不可分的,較為適合使用RBF核函數(shù)。使用樣本集進(jìn)行的初步驗證表明,RBF內(nèi)核在分類準(zhǔn)確性上確實比其他內(nèi)核具有較為明顯的優(yōu)勢。

    本文采用Scikit-Learn機器學(xué)習(xí)庫實現(xiàn)SVM分類器,其中最重要的有兩個參數(shù),C和Gamma。C是分類器訓(xùn)練過程中對錯誤項的懲罰參數(shù),C取值越小,泛化能力越強,但容易欠擬合;C取值越大,對訓(xùn)練樣本間的差異利用的更全面,但容易過擬合,泛化能力越差。而Gamma則決定了樣本集映射到特征空間后的分布,Gamma越小,訓(xùn)練準(zhǔn)確率會提高,但泛化能力可能會減弱。為了提高電信詐騙行為特征分類器的準(zhǔn)確率和對新數(shù)據(jù)的識別能力,需要通過實驗仔細(xì)選擇 C和 Gamma的取值。本文基于Scikit-Learn實現(xiàn)SVM分類器,Scikit-Learn開發(fā)庫中,Gamma默認(rèn)使用1/n-features,C默認(rèn)使用1。由于本文采用了13個特征參數(shù),因此將Gamma的尋優(yōu)范圍設(shè)置為0.01~0.15,將C的尋優(yōu)范圍設(shè)置為1~100,先根據(jù)不同參數(shù)組合所得的評價結(jié)果,縮小參數(shù)選擇范圍,之后本文引入隨機參數(shù)尋優(yōu)(RandomizedSearchCV)完成分類器評估,輔助進(jìn)行 C和Gamma參數(shù)的調(diào)整,以確定最優(yōu)值。同時,由于對固定測試集的反復(fù)學(xué)習(xí)容易導(dǎo)致模型陷入過擬合,降低分類器的泛化能力,因此,本文在分類器評估模塊中使用 5折交叉驗證(Cross-Validation)對訓(xùn)練完成的分類器進(jìn)行檢測,以避免陷入過擬合。

    4 電信詐騙行為特征分類結(jié)果分析

    本文從采用準(zhǔn)確率(Accuracy)、查準(zhǔn)率(Precision)、查全率(Recall)三個指標(biāo)對電信詐騙行為特征分類進(jìn)行評價。

    本文首先對線性(Linear)內(nèi)核、多項式(Poly)內(nèi)核、徑向基(RBF)內(nèi)核等不同內(nèi)核的指標(biāo)計算結(jié)果進(jìn)行了驗證,如圖4所示。圖中,橫軸是degree取值,縱軸是準(zhǔn)確率、查準(zhǔn)率、查全率的取值。從驗證結(jié)果可以看到,不管是準(zhǔn)確率、查準(zhǔn)率還是查全率,RBF內(nèi)核的效果都比線性內(nèi)核和多項式內(nèi)核效果要好。這驗證了對用戶行為分類這種指標(biāo)較難線性劃分的場景下,使用徑向基內(nèi)核是合適的選擇。

    圖4 不同內(nèi)核SVM分類性能對比Fig.4 Different kernal based SVM classifier comparation

    本文從采用準(zhǔn)確率(Accuracy)、查準(zhǔn)率(Precision)、查全率(Recall)三個指標(biāo)對電信詐騙行為特征分類器的訓(xùn)練結(jié)果進(jìn)行了驗證,如圖5所示。圖5a是參數(shù)C取值為30時,不同的Gamma參數(shù)取值對準(zhǔn)確率、查準(zhǔn)率、查全率的影響。圖5b是參數(shù)Gamma為0.07時,不同的C參數(shù)取值對準(zhǔn)確率、查準(zhǔn)率、查全率的影響。

    從驗證結(jié)果可以看到,Gamma參數(shù)在0.05~0.07左右取值,C參數(shù)在30左右,分類效果最好。隨著Gamma參數(shù)和C參數(shù)的取值變化,準(zhǔn)確率、查準(zhǔn)率、查全率的效果也在交替變化。整體準(zhǔn)確率在74%左右,整體查準(zhǔn)率在 73%~76%左右,整體查全率在72%左右。本文提出的基于SVM的分類器能夠滿足電信詐騙行為篩選需求。

    圖5 不同參數(shù)SVM分類性能對比Fig.5 Different attributes based SVM classifier comparation

    5 結(jié)論

    本文分析了電信詐騙的行為規(guī)律,給出了一種基于話單記錄等電信數(shù)據(jù),通過SVM等機器學(xué)習(xí)手段,對電信詐騙行為識別的方法,完成了電信詐騙行為分類器的設(shè)計,并基于Scikit-Learn完成了分類器的實現(xiàn),探討了SVM相關(guān)參數(shù)的選擇方法。最后根據(jù)實際數(shù)據(jù)的試驗驗證了分類器的性能。

    未來可以進(jìn)一步對電信詐騙行為特征樣本數(shù)據(jù)的結(jié)構(gòu)進(jìn)行調(diào)整,引入更豐富的和更有區(qū)分度的特征,以進(jìn)一步提高分類器的準(zhǔn)確性。

    [1] 周國民, 陳光宣, 周銀座. 基于CDR分析的電信詐騙用戶行為研究[J]. 信息安全與通信保密, 2015 (11): 114-118.ZHOU Guomin, CHEN Guangxuan,ZHOU Yinzuo. User Behavior in Telecommunication Fraud based on CDR Analysis[J]. Information Security and Communications Privacy,2015 (11): 114-118. (in Chinese)

    [2] 360手機衛(wèi)士, 360互聯(lián)網(wǎng)安全中心. 2016詐騙電話態(tài)勢與特征分析報告[OL]. [2016-10-31]. http://zt.#/1101061855.php?dtid=1101062366&did=490128109360Security, 360 Internet Security Center. 360 Telecomm Fraud Situation and Feature Analysis Report [OL]. [2016-10-31]. http://zt.#/1101061855.php?dtid=1101062366&did=490128109

    [3] 360手機衛(wèi)士, 360互聯(lián)網(wǎng)安全中心. 2016詐騙電話活動規(guī)律與行為特征分析報告[OL]. [2016-10-31]. http://zt.#/1101061855.php?dtid=1101062366&did=490106344360Secu rity, 360 Internet Security Center. 360 Telecomm Fraud Activity Pattern and Behavioral Characteristics Report[OL]. [2016-10-31]. http://zt.#/1101061855.php?dtid=1101062366&did=490106344

    [4] 許婷. 基于話單挖掘的可視化人物關(guān)系分析系統(tǒng)的設(shè)計與實現(xiàn)[D]. 黑龍江省哈爾濱市:哈爾濱工業(yè)大學(xué),2014年.Xu Ting. The Design and Implementation of Visualization Character Relationship Analysis System Based on Mining of Call Records. Harbin, Heilongjiang Province: Harbin Institute of Technology, 2014.

    [5] 張秀玲. 數(shù)據(jù)挖掘技術(shù)在電信客戶欺詐分析中的應(yīng)用[D].北京市: 中國石油大學(xué), 2006年.Zhang Xiuling. Data Mining Techniques Applied to a Telecommunication Anti-fraud System[D]. Beijing: China University of Petroleum, 2006.

    [6] 張瑜. 支持向量機在電信客戶欺詐檢測的應(yīng)用研究[D].湖南省長沙市: 長沙理工大學(xué),2010年.Zhang Yu. Study of SVM application to Customer Fraud Detection in Telecommunication [D]. Changsha, Hunan Province: Changsha University of Science&Technology,2010.

    SVM Based Telecom Fraud Behavior Identification Method

    JI Han-zhi1, MA Yu-chen2, LI Shuang2, LI Jing-lin2
    (1. Beijing no.13 middle school, Beijing 100009, China; 2. Beijing University of Posts and Telecommunications Institute of Network Technology, Beijing 100876, China)

    Telecomm Fraud is difficult to prevent because of the various categories and the widely distributed victims. This paper puts forward a SVM based Machine-Learning method to deal with the Telecomm Fraud technology trends, such as the utilization of newest telecommunication technology and the system vulnerabilities. The method used the call logs, which contained behavioral characteristics of the fraud users and common users, and combined with users’ properties to train a SVM based behavior classifier. The categorized results can help to distinguish the frauds and identify the fraud phone numbers. The paper analyzes the regular pattern of the behaviors of telecom fraud, put forward the extraction method of behavior characteristics and present the SVM-based behavior identification system. Finally, the feasibility of this method is verified by the actual sample dataset.

    Big data; Machine learning; Support vector machine; Telecomm fraud

    TP391.4

    A

    10.3969/j.issn.1003-6970.2017.12.020

    本文著錄格式:吉涵之,馬宇宸,李爽,等. 基于SVM的電信詐騙行為特征識別方法[J]. 軟件,2017,38(12):104-109

    國家自然科學(xué)基金(61571066)

    吉涵之,女,主要研究方向:數(shù)據(jù)挖掘;馬宇宸(1994-),男,主要研究方向:深度學(xué)習(xí)與機器學(xué)習(xí);李爽(1993-),女,主要研究方向:機器學(xué)習(xí)。

    李靜林,副教授,主要研究方向:融合網(wǎng)絡(luò)與服務(wù)。

    猜你喜歡
    通話內(nèi)核分類器
    萬物皆可IP的時代,我們當(dāng)夯實的IP內(nèi)核是什么?
    強化『高新』內(nèi)核 打造農(nóng)業(yè)『硅谷』
    基于嵌入式Linux內(nèi)核的自恢復(fù)設(shè)計
    Linux內(nèi)核mmap保護(hù)機制研究
    《戊戌元日與友人通話》
    中華詩詞(2018年5期)2018-11-22 06:46:08
    BP-GA光照分類器在車道線識別中的應(yīng)用
    電子測試(2018年1期)2018-04-18 11:52:35
    加權(quán)空-譜與最近鄰分類器相結(jié)合的高光譜圖像分類
    結(jié)合模糊(C+P)均值聚類和SP-V-支持向量機的TSK分類器
    低成本視頻通話APP
    2013年11月通信業(yè)主要指標(biāo)完成情況(一)
    av一本久久久久| 日本av手机在线免费观看| 精品一区在线观看国产| 天美传媒精品一区二区| 夫妻午夜视频| 免费观看性生交大片5| 一区二区三区乱码不卡18| 国产淫片久久久久久久久| 韩国av在线不卡| 中文字幕免费在线视频6| 亚洲不卡免费看| 日韩视频在线欧美| 国产成人午夜福利电影在线观看| 人妻一区二区av| 看免费成人av毛片| 久久久久久久久久人人人人人人| 欧美日韩一区二区视频在线观看视频在线| 国产永久视频网站| 一区二区三区精品91| 欧美bdsm另类| 啦啦啦在线观看免费高清www| 99九九线精品视频在线观看视频| 国产成人a∨麻豆精品| 亚洲av免费高清在线观看| 男人狂女人下面高潮的视频| 中文字幕人妻熟人妻熟丝袜美| 秋霞伦理黄片| 久久女婷五月综合色啪小说| 国产爱豆传媒在线观看| 久久国产乱子免费精品| 99热网站在线观看| 久久人人爽人人爽人人片va| 亚洲国产精品一区三区| 亚洲欧美日韩卡通动漫| 男的添女的下面高潮视频| 亚洲av欧美aⅴ国产| 深夜a级毛片| 高清日韩中文字幕在线| 亚洲国产欧美人成| 亚洲aⅴ乱码一区二区在线播放| 免费观看的影片在线观看| 久久久久国产精品人妻一区二区| 18禁动态无遮挡网站| 久久久久久久亚洲中文字幕| 少妇的逼水好多| 亚洲经典国产精华液单| 国产成人精品福利久久| 肉色欧美久久久久久久蜜桃| 国产黄色免费在线视频| av免费观看日本| 精品久久久久久电影网| 成人特级av手机在线观看| 免费观看性生交大片5| 亚洲国产精品成人久久小说| 人妻系列 视频| 久久精品国产鲁丝片午夜精品| 亚洲精华国产精华液的使用体验| 亚洲av二区三区四区| 久久精品人妻少妇| 九九久久精品国产亚洲av麻豆| 成人特级av手机在线观看| 男男h啪啪无遮挡| 水蜜桃什么品种好| 欧美 日韩 精品 国产| 国产淫语在线视频| h日本视频在线播放| 91午夜精品亚洲一区二区三区| 国产精品无大码| 各种免费的搞黄视频| 丰满乱子伦码专区| 97热精品久久久久久| 久久精品国产亚洲网站| 女的被弄到高潮叫床怎么办| 亚洲第一av免费看| 亚洲久久久国产精品| 亚洲欧美精品自产自拍| 免费观看a级毛片全部| 久久久久久久久大av| 国国产精品蜜臀av免费| 国产av国产精品国产| 水蜜桃什么品种好| 亚洲精品一区蜜桃| 日韩在线高清观看一区二区三区| 老司机影院毛片| 亚洲美女黄色视频免费看| 国产亚洲91精品色在线| 色视频在线一区二区三区| 99久久精品国产国产毛片| 嘟嘟电影网在线观看| 99久久精品一区二区三区| 成人免费观看视频高清| 91午夜精品亚洲一区二区三区| 99热网站在线观看| 久久人人爽av亚洲精品天堂 | 欧美 日韩 精品 国产| 久久国产精品男人的天堂亚洲 | 久久久久久伊人网av| 久久影院123| 18禁裸乳无遮挡免费网站照片| 韩国av在线不卡| 国产一区有黄有色的免费视频| 免费看光身美女| 久久精品人妻少妇| 精品久久久久久电影网| 校园人妻丝袜中文字幕| 亚洲精品日本国产第一区| 美女视频免费永久观看网站| 国产日韩欧美亚洲二区| 黄色一级大片看看| 国产黄色免费在线视频| 亚州av有码| 国产成人免费无遮挡视频| 欧美精品亚洲一区二区| 高清在线视频一区二区三区| 亚洲久久久国产精品| 三级国产精品欧美在线观看| 欧美日韩精品成人综合77777| 国产成人精品婷婷| 亚洲,一卡二卡三卡| 国产人妻一区二区三区在| 久久久久久久久久久丰满| 亚洲丝袜综合中文字幕| h日本视频在线播放| 国产极品天堂在线| 大片电影免费在线观看免费| av国产久精品久网站免费入址| 亚洲av综合色区一区| 人妻 亚洲 视频| 精品国产露脸久久av麻豆| av免费观看日本| 国产精品女同一区二区软件| 大香蕉97超碰在线| 干丝袜人妻中文字幕| av视频免费观看在线观看| 国产精品.久久久| 国产永久视频网站| 永久免费av网站大全| 亚洲欧洲国产日韩| 肉色欧美久久久久久久蜜桃| 久久久久精品久久久久真实原创| 国产高清国产精品国产三级 | 免费观看在线日韩| 免费播放大片免费观看视频在线观看| 成人漫画全彩无遮挡| 国产精品熟女久久久久浪| 亚洲人成网站在线播| 久久久久久伊人网av| 日韩成人av中文字幕在线观看| 美女内射精品一级片tv| 韩国高清视频一区二区三区| 午夜视频国产福利| 一级毛片黄色毛片免费观看视频| 美女主播在线视频| 欧美少妇被猛烈插入视频| 女性被躁到高潮视频| 女的被弄到高潮叫床怎么办| 亚洲性久久影院| 日韩av不卡免费在线播放| 各种免费的搞黄视频| 婷婷色综合www| 免费黄网站久久成人精品| 人妻一区二区av| 午夜福利在线在线| 有码 亚洲区| 在现免费观看毛片| 一个人免费看片子| 欧美日韩综合久久久久久| 欧美bdsm另类| 久久精品久久精品一区二区三区| 热re99久久精品国产66热6| 人人妻人人看人人澡| 男的添女的下面高潮视频| xxx大片免费视频| 亚洲四区av| 一个人免费看片子| 在线天堂最新版资源| 一本色道久久久久久精品综合| 亚洲va在线va天堂va国产| av在线app专区| 国产精品.久久久| 少妇人妻 视频| 欧美xxxx黑人xx丫x性爽| 久久精品国产亚洲av天美| 精品酒店卫生间| 99热国产这里只有精品6| 免费观看性生交大片5| 亚洲av不卡在线观看| 国产在线视频一区二区| 自拍偷自拍亚洲精品老妇| 黑人猛操日本美女一级片| 男人爽女人下面视频在线观看| av在线老鸭窝| 大话2 男鬼变身卡| 大片电影免费在线观看免费| 国产老妇伦熟女老妇高清| 黄色欧美视频在线观看| 人妻夜夜爽99麻豆av| 免费不卡的大黄色大毛片视频在线观看| 午夜老司机福利剧场| 中文在线观看免费www的网站| 亚洲成人av在线免费| 国产精品一及| 午夜老司机福利剧场| 久久久久久久久久久丰满| 夫妻性生交免费视频一级片| 亚洲国产精品专区欧美| 亚洲高清免费不卡视频| 国产深夜福利视频在线观看| 人体艺术视频欧美日本| 亚洲精品色激情综合| 好男人视频免费观看在线| 精品亚洲成a人片在线观看 | 丰满少妇做爰视频| 老女人水多毛片| 99视频精品全部免费 在线| 99久久中文字幕三级久久日本| 欧美成人a在线观看| 久久精品国产a三级三级三级| 人人妻人人澡人人爽人人夜夜| 日韩伦理黄色片| 高清不卡的av网站| 日日啪夜夜爽| 人人妻人人澡人人爽人人夜夜| 一级毛片 在线播放| 最近手机中文字幕大全| 欧美一级a爱片免费观看看| 日韩欧美 国产精品| 日本猛色少妇xxxxx猛交久久| 国产黄色视频一区二区在线观看| 国产av一区二区精品久久 | 国产精品一区二区在线不卡| 青春草国产在线视频| 伦精品一区二区三区| 观看av在线不卡| 校园人妻丝袜中文字幕| 内地一区二区视频在线| 欧美最新免费一区二区三区| 亚洲怡红院男人天堂| av卡一久久| 日日啪夜夜爽| 国产成人精品久久久久久| 免费久久久久久久精品成人欧美视频 | 亚洲久久久国产精品| 久久99蜜桃精品久久| 一区二区三区四区激情视频| 直男gayav资源| h视频一区二区三区| 日韩一本色道免费dvd| 欧美性感艳星| 内地一区二区视频在线| 性高湖久久久久久久久免费观看| 菩萨蛮人人尽说江南好唐韦庄| 能在线免费看毛片的网站| 夜夜爽夜夜爽视频| 寂寞人妻少妇视频99o| 一级毛片电影观看| 亚洲精品456在线播放app| 久久精品国产亚洲av涩爱| 最新中文字幕久久久久| 成人18禁高潮啪啪吃奶动态图 | 高清在线视频一区二区三区| 国产男女超爽视频在线观看| 国产一区亚洲一区在线观看| 久久精品夜色国产| 在线精品无人区一区二区三 | 久久精品国产亚洲av天美| 肉色欧美久久久久久久蜜桃| 有码 亚洲区| 久久精品久久久久久久性| 三级经典国产精品| 国产精品一及| 国产美女午夜福利| 国产成人免费无遮挡视频| 纯流量卡能插随身wifi吗| 国产精品久久久久久久电影| 欧美少妇被猛烈插入视频| 啦啦啦啦在线视频资源| 免费大片黄手机在线观看| 国产成人免费观看mmmm| 国产精品熟女久久久久浪| 中文资源天堂在线| 亚洲欧美日韩无卡精品| 久久精品久久精品一区二区三区| 精品人妻一区二区三区麻豆| av在线蜜桃| 99九九线精品视频在线观看视频| 嘟嘟电影网在线观看| 美女脱内裤让男人舔精品视频| 精品久久久久久久久av| 成年免费大片在线观看| 国产欧美亚洲国产| av又黄又爽大尺度在线免费看| 午夜激情福利司机影院| 成人午夜精彩视频在线观看| 亚洲熟女精品中文字幕| 一级毛片我不卡| 亚洲av中文字字幕乱码综合| 深夜a级毛片| 精品久久久久久久末码| 少妇精品久久久久久久| 国产精品国产三级专区第一集| 国产黄片视频在线免费观看| 久久久a久久爽久久v久久| 久久久亚洲精品成人影院| 国产黄片视频在线免费观看| 国产高清三级在线| 日韩一本色道免费dvd| 亚洲,一卡二卡三卡| av在线老鸭窝| 亚洲精品自拍成人| 啦啦啦中文免费视频观看日本| 观看免费一级毛片| 日韩av在线免费看完整版不卡| 久久99热这里只频精品6学生| 观看免费一级毛片| 亚洲精品视频女| 嫩草影院入口| 中文字幕久久专区| 亚洲成人中文字幕在线播放| 性色avwww在线观看| 国产精品国产av在线观看| 少妇人妻 视频| 精品人妻熟女av久视频| 99国产精品免费福利视频| 日日撸夜夜添| 国产黄色视频一区二区在线观看| 伊人久久精品亚洲午夜| 97超视频在线观看视频| 美女高潮的动态| 欧美日韩一区二区视频在线观看视频在线| 狂野欧美激情性xxxx在线观看| 老熟女久久久| 国产女主播在线喷水免费视频网站| 欧美一区二区亚洲| 乱码一卡2卡4卡精品| 免费高清在线观看视频在线观看| 午夜福利视频精品| 大又大粗又爽又黄少妇毛片口| 一区二区三区精品91| 日韩欧美精品免费久久| 亚洲av中文字字幕乱码综合| 成人国产麻豆网| 欧美xxxx性猛交bbbb| 国产白丝娇喘喷水9色精品| 日韩av免费高清视频| 国产无遮挡羞羞视频在线观看| 插逼视频在线观看| 久久久久人妻精品一区果冻| 精品亚洲乱码少妇综合久久| 国产精品国产三级专区第一集| av国产久精品久网站免费入址| 日韩在线高清观看一区二区三区| 美女国产视频在线观看| 秋霞在线观看毛片| 夫妻性生交免费视频一级片| 国产视频首页在线观看| 日日啪夜夜爽| 国产精品国产三级专区第一集| 性色avwww在线观看| 91狼人影院| av免费在线看不卡| 水蜜桃什么品种好| .国产精品久久| 国产精品精品国产色婷婷| 老女人水多毛片| 日本色播在线视频| 黄色视频在线播放观看不卡| 久久女婷五月综合色啪小说| 国产精品精品国产色婷婷| 99热这里只有是精品50| 亚洲熟女精品中文字幕| 精品一区二区三区视频在线| 亚洲色图av天堂| 丰满迷人的少妇在线观看| 国产色爽女视频免费观看| 亚洲一区二区三区欧美精品| 美女内射精品一级片tv| 中国美白少妇内射xxxbb| 各种免费的搞黄视频| 亚洲av不卡在线观看| 91午夜精品亚洲一区二区三区| 丰满少妇做爰视频| 伦精品一区二区三区| 国产精品三级大全| 精品人妻一区二区三区麻豆| 一区在线观看完整版| 久久久久国产精品人妻一区二区| 九九在线视频观看精品| 国产综合精华液| 国产伦精品一区二区三区四那| 色婷婷av一区二区三区视频| 免费看av在线观看网站| 男的添女的下面高潮视频| 精品久久久久久久末码| 欧美+日韩+精品| 少妇的逼好多水| 国产日韩欧美亚洲二区| 3wmmmm亚洲av在线观看| 秋霞在线观看毛片| 国产精品一区二区性色av| 美女内射精品一级片tv| 99re6热这里在线精品视频| 欧美国产精品一级二级三级 | 国产精品人妻久久久久久| 我的女老师完整版在线观看| 成人二区视频| 日韩av不卡免费在线播放| 国产亚洲精品久久久com| 三级经典国产精品| 少妇裸体淫交视频免费看高清| 亚洲三级黄色毛片| 久久久成人免费电影| 欧美成人精品欧美一级黄| 亚洲一区二区三区欧美精品| 日韩亚洲欧美综合| 三级经典国产精品| 久久久久久久精品精品| 国产午夜精品一二区理论片| 免费不卡的大黄色大毛片视频在线观看| 蜜桃久久精品国产亚洲av| 自拍偷自拍亚洲精品老妇| 女性被躁到高潮视频| 色网站视频免费| 高清不卡的av网站| kizo精华| 2018国产大陆天天弄谢| 极品少妇高潮喷水抽搐| av免费观看日本| 青春草国产在线视频| 男女免费视频国产| 精品久久久久久久末码| 伦理电影大哥的女人| 丝瓜视频免费看黄片| 免费观看a级毛片全部| 韩国av在线不卡| 国产高潮美女av| 亚洲四区av| 人体艺术视频欧美日本| 91久久精品国产一区二区成人| 在线播放无遮挡| 国产亚洲午夜精品一区二区久久| 国产 一区 欧美 日韩| 搡女人真爽免费视频火全软件| 欧美成人精品欧美一级黄| 国产精品成人在线| 国产美女午夜福利| 国产精品一区二区性色av| 欧美日韩国产mv在线观看视频 | 色视频在线一区二区三区| 国产成人午夜福利电影在线观看| 一级a做视频免费观看| 国产成人a区在线观看| 亚洲综合色惰| 欧美极品一区二区三区四区| 国产午夜精品久久久久久一区二区三区| 少妇 在线观看| av网站免费在线观看视频| 插阴视频在线观看视频| 波野结衣二区三区在线| 91在线精品国自产拍蜜月| 亚洲国产精品999| 日韩在线高清观看一区二区三区| av国产免费在线观看| 国产亚洲一区二区精品| 久久精品人妻少妇| 久久久久精品性色| 三级国产精品欧美在线观看| 大香蕉97超碰在线| 网址你懂的国产日韩在线| 啦啦啦视频在线资源免费观看| 国产毛片在线视频| 狂野欧美激情性xxxx在线观看| 午夜视频国产福利| 亚洲国产欧美人成| 精品一品国产午夜福利视频| 日韩中文字幕视频在线看片 | 中国三级夫妇交换| 尤物成人国产欧美一区二区三区| 日产精品乱码卡一卡2卡三| 国产乱来视频区| 国产精品国产三级专区第一集| 免费黄色在线免费观看| 天堂中文最新版在线下载| 亚洲精品国产av成人精品| 国产男女超爽视频在线观看| 亚洲婷婷狠狠爱综合网| 免费av不卡在线播放| 久久韩国三级中文字幕| 久久久久久久久久久免费av| 91精品伊人久久大香线蕉| 大香蕉久久网| 国产av国产精品国产| 九草在线视频观看| 91精品国产国语对白视频| 中文资源天堂在线| 97在线视频观看| 人人妻人人看人人澡| 亚洲欧洲日产国产| 亚洲三级黄色毛片| 一级片'在线观看视频| 精品一区二区三卡| 日韩三级伦理在线观看| 在线观看人妻少妇| 国产一区亚洲一区在线观看| 国产一区有黄有色的免费视频| 亚洲精品乱久久久久久| 国产成人a区在线观看| 一级片'在线观看视频| 国产伦精品一区二区三区四那| 一级毛片电影观看| 精品一品国产午夜福利视频| 亚洲国产精品一区三区| 一个人看视频在线观看www免费| 国产成人免费无遮挡视频| 国产男女超爽视频在线观看| 欧美成人一区二区免费高清观看| 美女脱内裤让男人舔精品视频| 欧美日韩国产mv在线观看视频 | 久久久成人免费电影| 亚洲国产成人一精品久久久| 又大又黄又爽视频免费| 亚洲美女搞黄在线观看| av播播在线观看一区| 国产精品一区www在线观看| 亚洲av国产av综合av卡| 国产无遮挡羞羞视频在线观看| 亚洲欧美日韩无卡精品| 美女高潮的动态| 精品久久久久久久久亚洲| 亚洲精品乱码久久久v下载方式| 七月丁香在线播放| 美女中出高潮动态图| 日本猛色少妇xxxxx猛交久久| 久久久精品免费免费高清| av播播在线观看一区| 深夜a级毛片| 人妻系列 视频| 国产一区二区三区av在线| 国产一级毛片在线| 婷婷色综合大香蕉| 欧美高清性xxxxhd video| 少妇人妻久久综合中文| tube8黄色片| 一边亲一边摸免费视频| 国产伦精品一区二区三区四那| 91久久精品国产一区二区三区| 久久久久久久久久成人| 美女福利国产在线 | 中文欧美无线码| 午夜精品国产一区二区电影| 日韩不卡一区二区三区视频在线| 久久久色成人| 人人妻人人看人人澡| 国产亚洲91精品色在线| 赤兔流量卡办理| 久久影院123| 久久久久国产网址| 国产免费一区二区三区四区乱码| 夜夜看夜夜爽夜夜摸| 男人爽女人下面视频在线观看| 汤姆久久久久久久影院中文字幕| 在线免费十八禁| 97在线人人人人妻| 免费观看a级毛片全部| 九九爱精品视频在线观看| 久久久久精品久久久久真实原创| 中文字幕人妻熟人妻熟丝袜美| 爱豆传媒免费全集在线观看| 99热这里只有是精品50| 国产精品三级大全| 色5月婷婷丁香| 久久国产亚洲av麻豆专区| 51国产日韩欧美| 另类亚洲欧美激情| 国产视频首页在线观看| 十八禁网站网址无遮挡 | 国产男人的电影天堂91| tube8黄色片| 麻豆国产97在线/欧美| av视频免费观看在线观看| 偷拍熟女少妇极品色| 久久久精品免费免费高清| 欧美日韩综合久久久久久| 欧美xxxx黑人xx丫x性爽| 全区人妻精品视频| 亚洲欧美清纯卡通| 交换朋友夫妻互换小说| 只有这里有精品99| 在线观看国产h片| 毛片一级片免费看久久久久| 亚洲av中文字字幕乱码综合| 久久人人爽av亚洲精品天堂 | 有码 亚洲区| 91精品一卡2卡3卡4卡| 欧美另类一区| 久久国产精品男人的天堂亚洲 | 久久人人爽av亚洲精品天堂 | 国产 一区精品| 极品少妇高潮喷水抽搐| 色哟哟·www| 日韩国内少妇激情av| 夜夜骑夜夜射夜夜干| 日产精品乱码卡一卡2卡三| 亚洲不卡免费看| 亚洲国产欧美人成| 国产在线免费精品| 久久久久网色| 亚洲成人中文字幕在线播放| 亚洲人成网站高清观看| 99九九线精品视频在线观看视频| av福利片在线观看| 51国产日韩欧美| 亚洲欧洲国产日韩| 久久这里有精品视频免费| 久久6这里有精品|