• <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)
    国产精品久久久久久久久免| av黄色大香蕉| a级毛色黄片| 高清在线视频一区二区三区| 91精品一卡2卡3卡4卡| 老司机影院毛片| 免费人妻精品一区二区三区视频| 99热国产这里只有精品6| 欧美国产精品一级二级三级| 夜夜骑夜夜射夜夜干| 欧美成人精品欧美一级黄| 国产亚洲av片在线观看秒播厂| 麻豆成人av视频| 人成视频在线观看免费观看| 又粗又硬又长又爽又黄的视频| 免费观看性生交大片5| 日韩免费高清中文字幕av| 成人二区视频| 国产精品人妻久久久久久| 在线天堂最新版资源| 国产黄频视频在线观看| 亚洲综合色网址| 一区二区三区乱码不卡18| 三上悠亚av全集在线观看| 中国美白少妇内射xxxbb| 美女大奶头黄色视频| 日韩三级伦理在线观看| 五月天丁香电影| 日本91视频免费播放| 国产精品一区二区三区四区免费观看| 如日韩欧美国产精品一区二区三区 | 国产视频内射| 亚洲人成网站在线观看播放| 久久久午夜欧美精品| 国产男女内射视频| 五月天丁香电影| 狠狠精品人妻久久久久久综合| 五月天丁香电影| 伊人久久国产一区二区| 中文精品一卡2卡3卡4更新| 久久99精品国语久久久| 久久久久精品久久久久真实原创| 亚洲av.av天堂| av免费在线看不卡| 黑丝袜美女国产一区| 久久精品国产a三级三级三级| 国产欧美另类精品又又久久亚洲欧美| 日韩精品有码人妻一区| 免费观看在线日韩| 人妻 亚洲 视频| 欧美bdsm另类| 亚洲精华国产精华液的使用体验| 蜜桃久久精品国产亚洲av| 亚洲婷婷狠狠爱综合网| 少妇人妻久久综合中文| 亚洲av日韩在线播放| 成人毛片60女人毛片免费| 婷婷色综合大香蕉| 亚洲经典国产精华液单| 国产在线免费精品| 午夜福利在线观看免费完整高清在| 少妇人妻精品综合一区二区| 看非洲黑人一级黄片| 99视频精品全部免费 在线| 少妇精品久久久久久久| 最近的中文字幕免费完整| 午夜激情福利司机影院| 国产欧美亚洲国产| 黑人欧美特级aaaaaa片| 亚州av有码| 18禁裸乳无遮挡动漫免费视频| 2018国产大陆天天弄谢| 超碰97精品在线观看| 久久人人爽av亚洲精品天堂| 免费不卡的大黄色大毛片视频在线观看| 草草在线视频免费看| 大码成人一级视频| 女人久久www免费人成看片| 男女啪啪激烈高潮av片| 一边亲一边摸免费视频| 久久 成人 亚洲| 韩国av在线不卡| 中文字幕久久专区| 久久亚洲国产成人精品v| 精品视频人人做人人爽| 色婷婷久久久亚洲欧美| 999精品在线视频| 精品一区二区三卡| 考比视频在线观看| 国产av码专区亚洲av| 91成人精品电影| 亚洲欧美色中文字幕在线| 丁香六月天网| 伊人久久精品亚洲午夜| 久久久亚洲精品成人影院| 亚洲国产欧美在线一区| 亚洲,一卡二卡三卡| 亚洲国产色片| 蜜桃久久精品国产亚洲av| 在线播放无遮挡| 三级国产精品欧美在线观看| 久久99精品国语久久久| 日本猛色少妇xxxxx猛交久久| 精品国产国语对白av| 女性被躁到高潮视频| 欧美日韩亚洲高清精品| 九草在线视频观看| 欧美日韩视频精品一区| 一级毛片 在线播放| 激情五月婷婷亚洲| 一区二区三区免费毛片| 国产日韩欧美视频二区| 九九爱精品视频在线观看| 久久久欧美国产精品| 插逼视频在线观看| 国产欧美日韩综合在线一区二区| 国产精品免费大片| 丝袜美足系列| 妹子高潮喷水视频| 亚洲丝袜综合中文字幕| 狠狠婷婷综合久久久久久88av| 成人毛片a级毛片在线播放| 高清黄色对白视频在线免费看| 亚洲第一区二区三区不卡| 亚洲无线观看免费| 秋霞伦理黄片| 国产又色又爽无遮挡免| 国产一区有黄有色的免费视频| 三上悠亚av全集在线观看| 狠狠精品人妻久久久久久综合| 美女福利国产在线| av播播在线观看一区| 欧美人与善性xxx| 国产色婷婷99| 高清毛片免费看| 国产老妇伦熟女老妇高清| 亚洲高清免费不卡视频| 亚洲色图 男人天堂 中文字幕 | 国产精品.久久久| 性色av一级| 国产精品久久久久成人av| 国产成人av激情在线播放 | 免费观看在线日韩| 国产熟女欧美一区二区| 七月丁香在线播放| 欧美日韩成人在线一区二区| av免费在线看不卡| 黑人欧美特级aaaaaa片| 亚洲色图综合在线观看| 国产 精品1| 日韩 亚洲 欧美在线| 春色校园在线视频观看| 精品99又大又爽又粗少妇毛片| 建设人人有责人人尽责人人享有的| 久久精品国产亚洲av天美| 久久精品国产鲁丝片午夜精品| 亚洲精品,欧美精品| 国产成人精品一,二区| 国产淫语在线视频| h视频一区二区三区| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 国产午夜精品一二区理论片| 一级毛片黄色毛片免费观看视频| 国产黄色免费在线视频| 亚洲国产av影院在线观看| 国国产精品蜜臀av免费| 亚洲国产欧美在线一区| 国产亚洲欧美精品永久| 黄片播放在线免费| 18在线观看网站| 国产亚洲欧美精品永久| 亚洲精品乱码久久久v下载方式| 全区人妻精品视频| 免费大片18禁| 久久精品熟女亚洲av麻豆精品| 纵有疾风起免费观看全集完整版| 人人澡人人妻人| 天堂俺去俺来也www色官网| 精品少妇黑人巨大在线播放| 中文天堂在线官网| 久久久久视频综合| 亚洲精品乱久久久久久| 91aial.com中文字幕在线观看| 精品午夜福利在线看| 国产黄片视频在线免费观看| 一本久久精品| av在线app专区| 国产成人午夜福利电影在线观看| 我的老师免费观看完整版| 中文精品一卡2卡3卡4更新| 一本一本综合久久| 乱人伦中国视频| 精品少妇黑人巨大在线播放| 中文欧美无线码| 欧美另类一区| 最近2019中文字幕mv第一页| 日韩一区二区三区影片| 久久久a久久爽久久v久久| 插逼视频在线观看| 3wmmmm亚洲av在线观看| 亚洲欧洲日产国产| 日韩成人av中文字幕在线观看| 国产精品一区www在线观看| 欧美丝袜亚洲另类| 免费少妇av软件| 高清视频免费观看一区二区| 日韩av不卡免费在线播放| 天美传媒精品一区二区| 国产一区有黄有色的免费视频| 欧美日韩成人在线一区二区| av女优亚洲男人天堂| 欧美+日韩+精品| av免费在线看不卡| 丝袜脚勾引网站| 九九爱精品视频在线观看| 赤兔流量卡办理| 麻豆乱淫一区二区| 国产高清三级在线| 亚洲精品一二三| av网站免费在线观看视频| 欧美日韩在线观看h| 免费久久久久久久精品成人欧美视频 | 97精品久久久久久久久久精品| 精品亚洲成a人片在线观看| 97超碰精品成人国产| 欧美精品一区二区大全| 亚洲一级一片aⅴ在线观看| 国产精品99久久99久久久不卡 | 亚州av有码| 少妇熟女欧美另类| 成年美女黄网站色视频大全免费 | 大陆偷拍与自拍| 欧美少妇被猛烈插入视频| 内地一区二区视频在线| av网站免费在线观看视频| 嫩草影院入口| 欧美激情国产日韩精品一区| 国产片内射在线| 老熟女久久久| 如日韩欧美国产精品一区二区三区 | 日本91视频免费播放| 黄片无遮挡物在线观看| 男人爽女人下面视频在线观看| 久久鲁丝午夜福利片| 欧美精品国产亚洲| 十八禁高潮呻吟视频| 久久久午夜欧美精品| 午夜老司机福利剧场| 亚洲精华国产精华液的使用体验| 久久久久视频综合| 亚洲少妇的诱惑av| 视频区图区小说| 少妇 在线观看| 久久久久久久久久人人人人人人| 观看美女的网站| 男人添女人高潮全过程视频| 色吧在线观看| 成年av动漫网址| 欧美日韩成人在线一区二区| 亚洲人与动物交配视频| 99精国产麻豆久久婷婷| 热re99久久国产66热| 男人添女人高潮全过程视频| 美女脱内裤让男人舔精品视频| 欧美丝袜亚洲另类| 欧美97在线视频| 久久精品国产亚洲av涩爱| 亚洲av日韩在线播放| 制服人妻中文乱码| 国产乱来视频区| 亚洲第一av免费看| 国产成人freesex在线| 亚洲精品乱久久久久久| 三级国产精品片| 亚洲av二区三区四区| 精品午夜福利在线看| 99热全是精品| 国产精品99久久久久久久久| 男女边摸边吃奶| 在线观看三级黄色| 午夜免费鲁丝| 色婷婷久久久亚洲欧美| 精品亚洲成a人片在线观看| 看十八女毛片水多多多| 草草在线视频免费看| 夜夜骑夜夜射夜夜干| 成年人免费黄色播放视频| 国产精品三级大全| 免费少妇av软件| 极品人妻少妇av视频| 国产一级毛片在线| 亚洲一区二区三区欧美精品| 亚洲国产色片| 三级国产精品欧美在线观看| 国产亚洲精品久久久com| 久久久国产精品麻豆| 久久影院123| 精品久久久噜噜| 亚洲综合色惰| 极品少妇高潮喷水抽搐| 国产国语露脸激情在线看| 亚洲综合色网址| 久久久久久久国产电影| 亚洲色图 男人天堂 中文字幕 | 99久久综合免费| 人妻 亚洲 视频| 精品午夜福利在线看| 欧美成人精品欧美一级黄| 国产精品国产三级专区第一集| 免费观看的影片在线观看| 在线播放无遮挡| 国产午夜精品久久久久久一区二区三区| 亚洲成人av在线免费| 一级毛片黄色毛片免费观看视频| 18禁裸乳无遮挡动漫免费视频| 国产精品国产三级国产专区5o| 看免费成人av毛片| 免费观看a级毛片全部| 久久韩国三级中文字幕| 男女无遮挡免费网站观看| 一区二区三区精品91| 啦啦啦视频在线资源免费观看| 久久久a久久爽久久v久久| 亚洲av中文av极速乱| 丰满少妇做爰视频| 成年女人在线观看亚洲视频| 国产精品一国产av| videossex国产| 午夜福利,免费看| 亚洲国产欧美在线一区| 久久久久久久国产电影| 寂寞人妻少妇视频99o| 伦理电影免费视频| 久久99热6这里只有精品| 不卡视频在线观看欧美| 国产一区二区在线观看av| 亚洲四区av| 一级爰片在线观看| 中文欧美无线码| 国产亚洲最大av| 亚洲国产欧美日韩在线播放| 久久女婷五月综合色啪小说| 久久久久视频综合| 国产精品一区www在线观看| 一级毛片aaaaaa免费看小| 久久久久久久久久久免费av| 日韩大片免费观看网站| 人妻少妇偷人精品九色| 亚洲av成人精品一区久久| 日本免费在线观看一区| 欧美另类一区| 蜜桃久久精品国产亚洲av| 婷婷色麻豆天堂久久| 老司机影院成人| 一级毛片黄色毛片免费观看视频| 亚洲四区av| 久久人妻熟女aⅴ| 欧美日韩国产mv在线观看视频| 国产成人精品福利久久| 大片免费播放器 马上看| videosex国产| 国产成人av激情在线播放 | 2022亚洲国产成人精品| 免费黄色在线免费观看| 免费人妻精品一区二区三区视频| 麻豆乱淫一区二区| 亚洲美女黄色视频免费看| 亚洲欧美日韩另类电影网站| 亚洲av欧美aⅴ国产| 女性被躁到高潮视频| 在线看a的网站| 亚洲精品日本国产第一区| 你懂的网址亚洲精品在线观看| videossex国产| 欧美日韩综合久久久久久| 国产精品久久久久久av不卡| 精品国产一区二区三区久久久樱花| 国模一区二区三区四区视频| .国产精品久久| 青青草视频在线视频观看| 久久狼人影院| 亚洲精品日韩av片在线观看| 性色avwww在线观看| 在线播放无遮挡| 欧美少妇被猛烈插入视频| 国产精品麻豆人妻色哟哟久久| 亚洲国产日韩一区二区| 亚洲一级一片aⅴ在线观看| 欧美丝袜亚洲另类| 伦精品一区二区三区| 国产成人精品久久久久久| 青春草亚洲视频在线观看| 少妇熟女欧美另类| 秋霞伦理黄片| 日本vs欧美在线观看视频| 丝袜脚勾引网站| 国产精品久久久久久久电影| 久久99热这里只频精品6学生| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 高清黄色对白视频在线免费看| 亚洲国产色片| 免费高清在线观看视频在线观看| 999精品在线视频| 26uuu在线亚洲综合色| 午夜精品国产一区二区电影| 一级毛片 在线播放| 久久久久久久亚洲中文字幕| 2018国产大陆天天弄谢| kizo精华| 亚洲精品av麻豆狂野| 黄色一级大片看看| 国语对白做爰xxxⅹ性视频网站| 精品熟女少妇av免费看| 在线 av 中文字幕| 男女边摸边吃奶| 日本黄色片子视频| 视频区图区小说| 精品亚洲成a人片在线观看| 爱豆传媒免费全集在线观看| 久久久精品免费免费高清| 国产精品一区二区在线不卡| 亚洲精品美女久久av网站| 男男h啪啪无遮挡| 精品国产一区二区三区久久久樱花| 高清欧美精品videossex| 亚洲欧美精品自产自拍| 熟女人妻精品中文字幕| 久久99精品国语久久久| 精品99又大又爽又粗少妇毛片| 亚洲欧洲国产日韩| 在线观看人妻少妇| 免费av中文字幕在线| 午夜福利,免费看| 日日爽夜夜爽网站| 欧美最新免费一区二区三区| 99久久精品国产国产毛片| 男女免费视频国产| 三级国产精品片| 精品久久久久久久久亚洲| 国产一级毛片在线| 国产成人免费观看mmmm| 99久久精品一区二区三区| 欧美性感艳星| 久久女婷五月综合色啪小说| 国产老妇伦熟女老妇高清| 午夜日本视频在线| 嘟嘟电影网在线观看| 国产极品粉嫩免费观看在线 | 少妇被粗大猛烈的视频| 国产在线一区二区三区精| 色吧在线观看| 中文字幕久久专区| 啦啦啦在线观看免费高清www| 亚洲丝袜综合中文字幕| 综合色丁香网| 精品国产露脸久久av麻豆| 下体分泌物呈黄色| 成人黄色视频免费在线看| 99久久人妻综合| 成人国语在线视频| 成年女人在线观看亚洲视频| 国产成人av激情在线播放 | 多毛熟女@视频| 国产免费又黄又爽又色| 草草在线视频免费看| 少妇人妻精品综合一区二区| 校园人妻丝袜中文字幕| 国产精品久久久久久久电影| 久久综合国产亚洲精品| 日日啪夜夜爽| 街头女战士在线观看网站| 国产乱来视频区| 在线观看免费日韩欧美大片 | 夜夜爽夜夜爽视频| 亚洲美女黄色视频免费看| 狂野欧美激情性bbbbbb| 狠狠婷婷综合久久久久久88av| 国产亚洲午夜精品一区二区久久| 免费黄频网站在线观看国产| 亚洲综合色惰| 成年av动漫网址| 3wmmmm亚洲av在线观看| 999精品在线视频| 国产一区二区三区av在线| 丰满饥渴人妻一区二区三| 亚洲精品日韩av片在线观看| 久久久a久久爽久久v久久| 男女国产视频网站| 岛国毛片在线播放| 人妻人人澡人人爽人人| 久久热精品热| 狠狠精品人妻久久久久久综合| 国产一区亚洲一区在线观看| 91精品一卡2卡3卡4卡| 国产成人a∨麻豆精品| 午夜福利在线观看免费完整高清在| 秋霞在线观看毛片| 日韩不卡一区二区三区视频在线| 国产日韩欧美亚洲二区| 欧美少妇被猛烈插入视频| 伊人久久精品亚洲午夜| 一区二区三区乱码不卡18| 亚洲激情五月婷婷啪啪| 在线观看www视频免费| www.色视频.com| 80岁老熟妇乱子伦牲交| 亚洲,一卡二卡三卡| 亚洲欧美精品自产自拍| 日韩一区二区三区影片| 亚洲综合色惰| 国产精品不卡视频一区二区| 亚洲国产最新在线播放| 交换朋友夫妻互换小说| 亚洲av不卡在线观看| 18禁裸乳无遮挡动漫免费视频| 精品视频人人做人人爽| 一区二区三区四区激情视频| 我的老师免费观看完整版| 国产精品国产三级国产专区5o| 亚洲怡红院男人天堂| 久久狼人影院| 久久99热这里只频精品6学生| 精品熟女少妇av免费看| 婷婷色av中文字幕| 一本—道久久a久久精品蜜桃钙片| h视频一区二区三区| 日日爽夜夜爽网站| 亚洲国产精品一区二区三区在线| 麻豆乱淫一区二区| 七月丁香在线播放| 国产不卡av网站在线观看| 一区二区三区四区激情视频| 国产女主播在线喷水免费视频网站| 999精品在线视频| 国产一区亚洲一区在线观看| 高清视频免费观看一区二区| 99久久精品国产国产毛片| av播播在线观看一区| 新久久久久国产一级毛片| 国产高清国产精品国产三级| 国产高清不卡午夜福利| 青春草国产在线视频| 亚洲欧美成人综合另类久久久| 在线观看免费视频网站a站| 国产成人免费无遮挡视频| 高清黄色对白视频在线免费看| 妹子高潮喷水视频| 777米奇影视久久| 久久av网站| 王馨瑶露胸无遮挡在线观看| freevideosex欧美| 丝瓜视频免费看黄片| 色哟哟·www| 高清视频免费观看一区二区| 热99国产精品久久久久久7| av在线观看视频网站免费| 久久久a久久爽久久v久久| 亚洲av电影在线观看一区二区三区| 精品国产露脸久久av麻豆| 麻豆精品久久久久久蜜桃| 成人国语在线视频| 免费看光身美女| 2021少妇久久久久久久久久久| 亚洲精品日韩av片在线观看| 国产免费又黄又爽又色| 免费观看性生交大片5| 久久99一区二区三区| 国产欧美日韩一区二区三区在线 | 午夜免费男女啪啪视频观看| 91久久精品国产一区二区成人| 91久久精品电影网| 蜜桃久久精品国产亚洲av| 国产精品欧美亚洲77777| 国产精品.久久久| 九色亚洲精品在线播放| 国产熟女午夜一区二区三区 | 午夜免费鲁丝| 亚洲av日韩在线播放| 特大巨黑吊av在线直播| 黑人猛操日本美女一级片| 岛国毛片在线播放| 97精品久久久久久久久久精品| 国产一区二区在线观看av| 中国美白少妇内射xxxbb| 一区二区三区乱码不卡18| 午夜av观看不卡| 欧美97在线视频| 久久国产亚洲av麻豆专区| 婷婷色麻豆天堂久久| 日日啪夜夜爽| 日本av手机在线免费观看| 一级毛片黄色毛片免费观看视频| 另类精品久久| 亚洲国产av新网站| 亚洲性久久影院| 在现免费观看毛片| 99热国产这里只有精品6| 国产精品人妻久久久久久| videossex国产| 成人黄色视频免费在线看| av在线老鸭窝| 国产成人免费无遮挡视频| 成人毛片a级毛片在线播放| 免费黄网站久久成人精品| 国产精品欧美亚洲77777| 久久国产精品大桥未久av| 蜜桃国产av成人99| 自拍欧美九色日韩亚洲蝌蚪91| 久久久国产精品麻豆| 亚洲欧美中文字幕日韩二区| 久久精品国产自在天天线| 秋霞伦理黄片| 夜夜骑夜夜射夜夜干| 国产欧美日韩综合在线一区二区| 另类亚洲欧美激情|