CN102761872A - 一种垃圾短信拦截方法 - Google Patents

Abstract

本发明公开了一种垃圾短信拦截方法，包括：提取从短信中心转发来的短信的主叫号码及短信内容中的内嵌数字号码，将所述提取的内嵌数字号码与垃圾短信监控平台中的存储的号码关键字进行匹配，同时将所述提取的主叫号码与垃圾短信监控平台中的存储的黑名单进行匹配，若其中之一匹配成功，则判断出所述从短信中心转发来的短信为垃圾短信，并将其拦截。本发明支持广义数字号码的识别和提取，能有效识别出伪装垃圾短信，结合总流量、主被叫离散度，精确率高，能有效防止误判，能有效减少用户投诉，且整个拦截过程不需要人工参与，黑名单和号码关键字自动更新，节约人工成本。

Description

一种垃圾短信拦截方法

技术领域

本发明涉及通信领域，尤其涉及一种垃圾短信拦截方法。

背景技术

国内常见的垃圾短信审核方式一般是将手机号码作为审核及操作的目标，这种方式主要从下面两方面进行分析：

1）发送内容分析——针对主叫号码发送的短消息内容进行关键字匹配，如果发送的短信内容触发了某些敏感词汇，并且在一定时间内发送的该敏感词汇达到一定数量，则对主叫号码进行处理。

2）发送行为分析——以主叫号码为维度进行发送行为分析，包括总流量统计、一定的发送特征等。在单位时间内，同一主叫号码发送的总流量或者符合某一种特征的量达到一定的数量，则对该主叫号码进行处理。

现在的垃圾短信发送者，为了躲避这些监控策略，已经总结出了经验，发送方式产生了很多变化。比如：多个主叫号码低速发送、多个主叫号码同时发送相同内容、每条内容只发送几条、同一主叫号码不停变换短消息内容、关键词的同音/形近字等等。传统的垃圾短信分析方法存在的缺陷逐渐暴露出来：在1）发送内容分析方式中，由于关键词缺乏有效发现手段，长时间不更新，不能适应垃圾短信关键字异形的变化（包括繁体、形近、同音等），关键词频次基于相对静态的固化数据，缺乏与实际发送行为的跟踪分析。而在2）发送行为分析方式中，纯粹的流量策略，如果限制过严，误拦率高；如果限制过宽，根本拦截不到垃圾短信；单一的行为特征对现在的垃圾短信越来越不起作用，很多垃圾短信的发送完全无规律可循。

发明内容

本发明的目的是提供一种垃圾短信拦截方法，解决现有垃圾短信拦截方式不能适应现有垃圾短信发送特征，而造成大量漏拦截或误拦的曲线，提出基于内嵌号码的垃圾短信拦截方法，可有效拦截垃圾短信。

为了实现上述发明目的，本发明提供了一种垃圾短信拦截方法，包括：

提取从短信中心转发来的短信的主叫号码及短信内容中的内嵌数字号码，所述提取的内嵌数字号码为满足设定字符长度的内嵌数字号码；

将所述提取的内嵌数字号码与垃圾短信监控平台中的存储的号码关键字进行匹配，同时将所述提取的主叫号码与垃圾短信监控平台中的存储的黑名单进行匹配，若其中之一匹配成功，则判断出所述从短信中心转发来的短信为垃圾短信，并将其拦截。

其中，所述方法还包括：在所述垃圾短信监控平台中自动添加号码关键字和黑名单。

其中，在所述垃圾短信监控平台中自动添加号码关键字和黑名单，具体包括：对一定时间内从短信中心转发来的短信内容中提取出来的内嵌数字号码进行分析，判断某内嵌号码是否为垃圾短信中内嵌的号码；若判断出某内嵌号码为垃圾短信中内嵌的号码，则将该内嵌数字号码添加为号码关键字，并将发送这些号码关键字的主叫号码添加为黑名单。

其中，在所述垃圾短信监控平台中自动添加黑名单，还包括：提取从短信中心转发来的短信内容中包含内嵌数字号码短信的主叫号码；统计某主叫号码在一定时间内发送的包含内嵌数字号码短信的数量及内嵌数字号码的种类；若某主叫号码在一定时间内发送的包含内嵌数字号码短信的数量及内嵌数字号码的种类均达到各自设定阈值，则将该主叫号码添加为黑名单。

优选的，所述对一定时间内提取出来的内嵌数字号码进行分析，判断某内嵌号码是否为垃圾短信中内嵌的号码步骤，包括：统计某个内嵌数字号码在一定时间内出现的次数，若某个内嵌数字号码在一定时间内出现的次数达到设定阈值，则判断出该内嵌号码为垃圾短信中内嵌的号码。

优选的，所述对一定时间内提取出来的内嵌数字号码进行分析，判断某内嵌号码是否为垃圾短信中内嵌的号码步骤，包括：统计某个内嵌数字号码在一定时间内出现的次数，若某个内嵌数字号码在一定时间内出现的次数达到设定阈值，则对发送包含该内嵌数字号码短信的主叫号码和被叫号码进行离散度分析；若所述发送包含该内嵌数字号码短信的主叫号码为多个号码，且被叫号码离散度大于设定阈值，则判断出该内嵌号码为垃圾短信中内嵌的号码。

优选的，从短信内容中提取内嵌数字号码，包括：

剔除短信内容中的分隔符；

根据预置变形数字映射表将短信内容进行重新识别，所述预置的变形数字映射表中存储有各数字与其相似字符的对应关系；

提取重新识别后的短信内容中的满足设定字符长度的内嵌数字号码。

优选的，在所述垃圾短信监控平台中自动添加号码关键字或黑名单数据时，为每一个新添加的号码关键字或每一个新添加的黑名单号码设置一个有效期，有效期达到，立即释放。

与现有技术相比，本发明具有如下有益效果：

1）在内嵌号码提取前，首先根据预置变形数字映射表将短信内容进行重新识别，使得本发明支持广义数字号码的识别和提取；

2）内嵌号码结合主被叫离散度分析，精确度高，能有效防止误判；

3）支持基于主叫号码为维度进行分析，同时结合数字号码总流量与数字号码种类，能有效判断某一主叫号码是否在发送垃圾短信；

4）本发明将判断出的满足一定条件的内嵌数字号码添加为号码关键字，并将发送垃圾短信的主叫号码添加为黑名单，可实现批量监控和拦截。

5）本发明还对每一个新添加的号码关键字或每一个新添加的黑名单号码设置一个有效期，有效期达到，立即释放，能有效释放垃圾短信拦截***关键字存储空间。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图：

图1为本发明实施例中数字号码进行重排统计的数据结构形式；

图2为本发明实施例中垃圾短信拦截方法的一种流程示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

现在的垃圾短信发送者，为了躲避现有拦截短信监控策略（如关键词拦截、主叫号码流量拦截等），已经总结出了经验，发送方式产生了很多变化。比如：多个主叫号码低速发送、多个主叫号码同时发送相同内容、每条内容只发送几条、同一主叫号码不停变换短消息内容、关键词的同音/形近字等等，传统的垃圾短信分析方法对这些变化的方式已经不能适用，必须根据现有垃圾短信发送特征，去寻找更有效的垃圾短信分析方法，还短信网络一片清澈之地。

经发明人对部分局点未拦截到的垃圾短信、用户投诉数据进行收集和分析，得出如下结论：

1）未拦截到的垃圾短信、用户投诉数据中，商业广告类短信占了60%比率，欺诈性短信占了30%，只有10%左右是骚扰型、政治类及其他短信；

2）在这些商业广告、欺诈短信中，85%以上的短信内容中都含有数字号码，比如：电话号码、银行***等。

这就表明，只要将这些包含数字号码的垃圾短信拦截下来，就可以减少至少70%的投诉量，使得垃圾短信治理效果得到显著提升。另外，对于这些包含数字号码的短信，他们的内容往往会在不同的发送者中有细微变化，内容不完全一样，但是，基于需要达到回访和欺诈的目的，不管内容怎么变，其中包含的数字号码一定不会变化。那么，只要抓住了这些内容中的数字号码，就可以将这些垃圾短信拦截下来。

本发明实施例提出了一种垃圾短信拦截方法，结合短信内容中的内嵌号码进行垃圾短信拦截，具体为：提取从短信中心转发来的短信的主叫号码及短信内容中的内嵌数字号码，所述提取的内嵌数字号码为满足设定字符长度的内嵌数字号码；将所述提取的内嵌数字号码与垃圾短信监控平台中的存储的号码关键字进行匹配，同时将所述提取的主叫号码与垃圾短信监控平台中的存储的黑名单进行匹配，若其中之一匹配成功（需要说明的是，其中之一匹配成功包括两个都匹配成功），则判断出所述从短信中心转发来的短信为垃圾短信，并将其拦截。所述垃圾短信监控平台中存储的号码关键字和黑名单在本发明实施例中是根据内嵌号码分析结果进行自动添加的，后面将作详细介绍。

要实现本发明实施例，首先要从短信内容中提取出内嵌号码。在现在发送的垃圾短信中，为了躲避正常数字号码的提取，通常会将数字号码进行变形处理，包括：采用全角数字、字形相似英文字母混淆等。这些变形后的数字，普通的提取方式不能识别出来，但是用户收到短信后，从字面和字形上很明确地能看出该数字的实际值。

因此，本发明实施例采用了一种广义数字提取方式，即将数字类短信监控的概念进行扩大，将相似的字符或字母、全角数字加入进行监控，并结合关键字分隔符的自动剔除功能，可提取任意位数的电话号码、手机号码、银行***等连续数字。本发明实施例广义数字提取方式具体来说包括如下步骤：

a：剔除短信内容中的分隔符，所述分隔符指空格、“”、“#”、“…”、“*”、“&”、“-”等特殊字符；

b：根据预置变形数字映射表将短信内容进行重新识别，所述预置的变形数字映射表中存储有各数字与其相似字符的对应关系，变形数字映射表形式可参见下表一；

表一：

数字	变形数字1	变形数字2	变形数字3	变形数字N
					0	O	o	…	…
1	I	i	!	…
					2	Z	…	…	…
…	…	…	…	…

    根据表一，比如：字母‘o’、‘O’对应数字‘0’；字符‘i’对应数字‘1’，那就可以将短信内容中的“l38ooi38OO1”识别为“13800138001”。

c：提取重新识别后的短信内容中的满足设定字符长度的内嵌数字号码。在步骤c中，由于短信内容中包含的数字字符有各种长度，有的只有一个字符，有的有无数的字符，一般来说，垃圾短信基于需要达到回访和欺诈的目的，其中包含的数字号码一般包含电话号码，而电话号码的长度无非就是5个字符热线号码、6个或8个字符的座机电话号码或11个字符的手机号码，因此在对短信内容中的内嵌数字号码进行提取时，需要配置一个或多个字符长度，只有内嵌数字号码满足这个设定长度值，才将其提取出来，以防止提取出过多无用数字号码。其中步骤a和步骤b的顺序可以交换。

上面首先介绍了本发明实施例中短信内容中内嵌数字号码的提取方式，下面介绍本发明实施例在垃圾短信监控平台中自动添加号码关键字和黑名单的具体方法。

在所述垃圾短信监控平台中自动添加黑名单，包括以主叫号码维度的数字号码分析，具体为：提取从短信中心转发来的短信内容中包含内嵌数字号码短信的主叫号码；统计某主叫号码在一定时间内发送的包含内嵌数字号码短信的数量及内嵌数字号码的种类；若某主叫号码在一定时间内发送的包含内嵌数字号码短信的数量及内嵌数字号码的种类均达到各自设定阈值，则将该主叫号码添加为黑名单。因为对于垃圾短信发送主叫号码，其并非只发送一种垃圾短信，会在一定时间内发送多种内容的垃圾短信，就会包含多种数字号码串；而对于正常用户，在一段时间内，一般其短信内容中只会包含一种数字串。比如，若设置某主叫号码在1小时内发送的包含内嵌数字号码短信的数量阈值为100，及内嵌数字号码的种类阈值为5的监控策略，则该主叫号码在1小时内发送含数字的消息总数100条，并且100条中，含有5种数字串，即认为该主叫号码具有发送垃圾短信的嫌疑，将其添加为黑名单后，可阻止这些主叫号码再次发送相同垃圾短信或者其他垃圾短信，实现长期有效拦截。此方案区别传统的以单一数字号码数量的监控方式，同时结合该主叫号码发送的数字号码总量、不同数字号码种类发送数两个维度进行分析，减少误抓。

在所述垃圾短信监控平台中自动添加号码关键字和黑名单方式，还包括：对一定时间内从短信中心转发来的短信内容中提取出来的内嵌数字号码进行分析，判断某内嵌号码是否为垃圾短信中内嵌的号码；若判断出某内嵌号码为垃圾短信中内嵌的号码，则将该内嵌数字号码添加为号码关键字，并将发送这些号码关键字的主叫号码添加为黑名单，添加为黑名单后，可阻止这些主叫号码再次发送相同垃圾短信或者其他垃圾短信，实现长期有效拦截。

首先，在对内嵌数字号码进行分析之前，以提取的内嵌数字号码作为维度，按照相同内嵌数字号码进行数字号码重排统计，包括主叫号码、被叫号码等。比如可按照图1所述的数据结构进行重排统计，图1中可看出，131000001作为主叫号码向135190001发送了包含内嵌数字号码84898532的短信，同理13450001作为主叫号码向158190001发送了包含内嵌数字号码84898532的短信。

前述判断某内嵌号码是否为垃圾短信中内嵌的号码也可以分为两种方式，一种方式为：统计某个内嵌数字号码在一定时间内出现的次数（此步骤可由图1结构中统计），若某个内嵌数字号码在一定时间内出现的次数达到设定阈值，则判断出该内嵌号码为垃圾短信中内嵌的号码。当然这种方式可能判断方式过于单一，难免会造成一定的误判，如：一个用户发换号通知短信，其一个小时流量也可能会达到我们设定的阈值，但是该短信并非是垃圾短信。对于真正的垃圾短信，我们要抓住其一个特征是：1）多个主叫号码可同时发送；2）发送的被叫号码离散度高，基本上是100%的离散度；所以，在本发明方案中，在阈值的基础上，结合主叫离散度、被叫离散度进行综合分析，就能精准地判定一个数字号码是否垃圾短信。因此，优选的，可以根据下面的方式来判断某内嵌号码是否为垃圾短信中内嵌的号码：统计某个内嵌数字号码在一定时间内出现的次数（此步骤可由图1结构中统计），若某个内嵌数字号码在一定时间内出现的次数达到设定阈值，则对发送包含该内嵌数字号码短信的主叫号码和被叫号码进行离散度分析；若所述发送包含该内嵌数字号码短信的主叫号码为多个号码，且被叫号码离散度大于设定阈值，则判断出该内嵌号码为垃圾短信中内嵌的号码。

在判断出某内嵌号码为垃圾短信中内嵌的号码后，本发明实施例将将该内嵌数字号码自动添加为号码关键字，添加为号码关键字后，就可以为该号码关键字配置基于主叫号码的监控策略。后续只要有任何主叫号码发送包含该数字号码的短信内容，可被立即抓出来，添加为黑名单，实现批量监控和拦截。

被抓出来的这些数字号码，不具备永久性，可能只在一段时间内生效，如果不及时清理，会占用垃圾短信监控***的关键字容量，使得新的有效关键字无法添加。优选的，本发明实施例方案中，增加了关键字和黑名单有效期自动维护功能，为自动添加的号码关键字或黑名单设置一个可配置的有效期，一旦这些号码关键字或黑名单主叫号码的有效期达到，立即释放。

为了更形象的说明本发明实施例方法，下面结合图2对本发明实施例方法做进一步梳理。

可以理解本发明实施垃圾短信拦截方法中的垃圾短信监控平台包括垃圾短信分析模块和数字号码分析模块，其中垃圾短信分析模块主要用于判断短消息是否为垃圾短信，而数字号码分析模块用于分析判断哪些内嵌号码为垃圾短信中的内嵌号码，并将判断出的垃圾短信中的内嵌号码加入到号码黑名单，同时判断哪些主叫号码在发送垃圾短信，将这些主叫号码加入黑名单，判断方式在前面已有详细介绍，此处不赘述。

由图2可知，当短信中心收到一条短消息后，会向垃圾短信分析模块转发短消息鉴权请求，请求垃圾短信分析模块分析该短消息是否为垃圾短信。垃圾短信分析模块从短信中心转发来的短消息内容中提取内嵌数字号码，根据监控策略进行匹配，得出该短消息是否为垃圾短信的分析结果并将分析结果返回短信中心。

同时，垃圾短信分析模块会将提前的内嵌数字号码转发到数字号码分析模块进行并行数字号码分析，其中主要分析方法包括：1）以主叫号码为维度的数字号码分析，将分成出的发送垃圾短信的主叫号码加入到黑名单；2）数字号码重排后，进行主被叫离散度分析，将监控出的垃圾短信中的内嵌数字号码添加为号码关键字，而将发送这些号码关键字的主叫号码添加为黑名单。其中，垃圾短信分析模块中的监控策略就是根据黑名单和号码关键字对提前出来的内嵌号码或主叫号码进行比对，判断短信是否为垃圾短信，具体判断过程及各种分析方式在前面均有详细介绍，此处不赘述，图2仅为对前面描述流程的一个简要梳理，使本发明流程更清晰，图2中的各个步骤并可拆分组合。

本发明垃圾短信拦截方法主要结合短信内嵌中的内嵌数字号码对垃圾短信进行拦截，其中内嵌数字号码的提取支持广义数字号码的识别和提取，能有效识别出伪装的垃圾短信。另外内嵌号码结合主被叫离散度分析，精确度高，能有效防止误判；本发明还支持基于主叫号码为维度进行分析，同时结合数字号码总流量与数字号码种类，能有效判断某一主叫号码是否在发送垃圾短信。本发明将判断出的满足一定条件的内嵌数字号码添加为号码关键字，并将发送垃圾短信的主叫号码添加为黑名单，可实现批量监控和拦截，能有效减少用户投诉，且整个拦截过程不需要人工参与，黑名单和号码关键字自动更新，节约人工成本。本发明还对每一个新添加的号码关键字或每一个新添加的黑名单号码设置一个有效期，有效期达到，立即释放，能有效释放垃圾短信拦截***关键字存储空间。

本说明书中公开的所有特征，或公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合。

本说明书（包括任何附加权利要求、摘要和附图）中公开的任一特征，除非特别叙述，均可被其他等效或具有类似目的的替代特征加以替换。即，除非特别叙述，每个特征只是一系列等效或类似特征中的一个例子而已。

本发明并不局限于前述的具体实施方式。本发明扩展到任何在本说明书中披露的新特征或任何新的组合，以及披露的任一新的方法或过程的步骤或任何新的组合。

Claims (8)

1.一种垃圾短信拦截方法，其特征在于，包括：

提取从短信中心转发来的短信的主叫号码及短信内容中的内嵌数字号码，所述提取的内嵌数字号码为满足设定字符长度的内嵌数字号码；

将所述提取的内嵌数字号码与垃圾短信监控平台中的存储的号码关键字进行匹配，同时将所述提取的主叫号码与垃圾短信监控平台中的存储的黑名单进行匹配，若其中之一匹配成功，则判断出所述从短信中心转发来的短信为垃圾短信，并将其拦截。

2.如权利要求1所述的方法，其特征在于，所述方法还包括：在所述垃圾短信监控平台中自动添加号码关键字和黑名单。

3.如权利要求2所述的方法，其特征在于，在所述垃圾短信监控平台中自动添加号码关键字和黑名单，具体包括：

对一定时间内从短信中心转发来的短信内容中提取出来的内嵌数字号码进行分析，判断某内嵌号码是否为垃圾短信中内嵌的号码；

若判断出某内嵌号码为垃圾短信中内嵌的号码，则将该内嵌数字号码添加为号码关键字，并将发送这些号码关键字的主叫号码添加为黑名单。

4.如权利要求3所述的方法，其特征在于，在所述垃圾短信监控平台中自动添加黑名单，还包括：

提取从短信中心转发来的短信内容中包含内嵌数字号码短信的主叫号码；

统计某主叫号码在一定时间内发送的包含内嵌数字号码短信的数量及内嵌数字号码的种类；

若某主叫号码在一定时间内发送的包含内嵌数字号码短信的数量及内嵌数字号码的种类均达到各自设定阈值，则将该主叫号码添加为黑名单。

5.如权利要求3所述的方法，其特征在于，所述对一定时间内提取出来的内嵌数字号码进行分析，判断某内嵌号码是否为垃圾短信中内嵌的号码步骤，包括：

统计某个内嵌数字号码在一定时间内出现的次数，若某个内嵌数字号码在一定时间内出现的次数达到设定阈值，则判断出该内嵌号码为垃圾短信中内嵌的号码。

6.如权利要求3所述的方法，其特征在于，所述对一定时间内提取出来的内嵌数字号码进行分析，判断某内嵌号码是否为垃圾短信中内嵌的号码步骤，包括：

统计某个内嵌数字号码在一定时间内出现的次数，若某个内嵌数字号码在一定时间内出现的次数达到设定阈值，则对发送包含该内嵌数字号码短信的主叫号码和被叫号码进行离散度分析；

若所述发送包含该内嵌数字号码短信的主叫号码为多个号码，且被叫号码离散度大于设定阈值，则判断出该内嵌号码为垃圾短信中内嵌的号码。

7.如权利要求1至6中任一项所述的方法，其特征在于，从短信内容中提取内嵌数字号码，包括：

剔除短信内容中的分隔符；

根据预置变形数字映射表将短信内容进行重新识别，所述预置的变形数字映射表中存储有各数字与其相似字符的对应关系；

提取重新识别后的短信内容中的满足设定字符长度的内嵌数字号码。

8.如权利要求2至6中任一项所述的方法，其特征在于，在所述垃圾短信监控平台中自动添加号码关键字或黑名单数据时，为每一个新添加的号码关键字或每一个新添加的黑名单号码设置一个有效期，有效期达到，立即释放。

Images