CN103412940B - 检测欺诈电话的方法 - Google Patents

Abstract

本发明提出一种检测欺诈电话的方法，包括以下步骤：获取搜索引擎日志；并从中提取预设时间段内的包含预设关键字段的查询集合，对该查询集合进行筛选，并将筛选的查询集合按照查询次数进行排序；将排序后的查询集合提交至搜索引擎进行搜索，对搜索结果进行分析，以获取种子官方电话集合及种子欺诈电话集合；根据搜索结果建立电话共现关系图；根据种子官方电话集合、种子欺诈电话集合、及电话共现关系图检测搜索结果中是否存在欺诈电话。本发明的实施例能够及时高效地检测欺诈电话，提升搜索引擎的服务性能，减少用户的损失，另外，该方法涉及的算法复杂度低，易于实现，具有较好的推广性和适应性，且检测效果客观、全面、可靠。

Description

检测欺诈电话的方法

技术领域

本发明涉及网络信息智能处理技术领域，特别涉及一种检测欺诈电话的方法。

背景技术

随着固定电话和手机的普及，利用电话进行的诈骗活动层出不穷。传统的电信诈骗包括犯罪分子通过电话和短信的方式，以受害人涉嫌犯罪、***盗用、电话欠费、退税等借口设置骗局，诱使受害人给犯罪分子打款或转账，以达到牟取暴利的目的。新型的电信诈骗指不法分子冒充厂家的官方电话，通过对用户的产品进行非官方的维修来获得利益，对用户和厂家同时造成损失。据统计，2008年，仅北京、上海、广东、福建这四个省市群众因电信诈骗犯罪被骗走的钱就有6亿多元。

对于传统的电信诈骗，由于电视、网络等媒体的曝光以及民众自身防范意识的提高，近年来已有了很大的改观。但是对于新型的电信欺诈，尤其是在搜索引擎结果页面中出现的电话，用户往往降低了警惕。图1中显示了从同一域名（www.yumao.com）下抽取的三个网页截图。从图中可以看出，该网站对于不同产品（科宝、亿田、清华阳光）给出了相同的厂家维修电话400-888-0356，属于典型的欺诈电话。但是搜索引擎往往更加注重网页的内容信息，而无法检测出网页中的电话是否为欺诈电话，因此在搜索结果中，以上页面都会被展现出来，这不仅会对搜索引擎用户和厂家造成很大损失，也会对搜索引擎的质量造成影响，因此对于欺诈电话的检测具有很重要的意义。

对于电话号码：电话号码分为固定电话号码、移动电话号码和其他电话号码。固定电话号码由区号和电话号构成，其中区号以“0”开头，例如“010”（北京）、“0431”（长春）等，电话号由7至8位数字组成。移动电话号码由以“1”开头的11位数字组成，其中1至3位为网络识别号，例如“151”（***）、“131”（***）、“153”（中国电信）等，4至7位为地区编码，8至11位为用户号码。其他电话号码包括：电信服务号码，以“10”开头，例如“10010”（***服务中心）、“10086”（***服务中心）等；金融及民用服务号码，以“95”开头，例如“95566”（中国银行），“95519”（中国人寿保险）等；企业电话号码，由以“400”或“800”开头的10位数字组成。了解电话号码的构成对于在搜索引擎结果页面中抽取电话号码具有十分重要的意义。

目前主流的搜索引擎都是通过关键词查询来提供服务的，即用户向搜索引擎提交反映自己查询需求的关键词（通常为几个字、词），搜索引擎在互联网上搜寻与用户查询相关的结果列表，将搜索结果按相关性进行排序，并返回给用户。一般来说，搜索引擎在结果页面的第一页中会展示按相关性排名的前10条结果，这也是用户查看最多的结果。

为了对用户行为进行分析，主流搜索引擎都会记录用户与搜索引擎进行交互的行为日志，这种日志一般被称为搜索引擎查询日志。查询日志通常记录的内容包括：用户的IP地址、用户使用搜索引擎的时间、用户提交的查询、用户点击的结果等。由于查询日志客观、真实地保存了用户与搜索引擎的交互情况，因此在搜索引擎算法改进、社会舆论热点分析等领域，查询日志都发挥了很重要的作用。

向搜索引擎提交某电话的查询，在返回的前10条结果中，如果多个不同的电话号码出现在同一个结果网页上，则称这些电话具有共现关系。

发明内容

本发明旨在至少解决上述技术问题之一。

为此，本发明的目的在于提出一种检测欺诈电话的方法，该方法能够及时、高效地检测欺诈电话，提升搜索引擎的服务性能，减少用户的损失，另外，该方法涉及的算法复杂度低，易于实现，具有较好的推广性和适应性，且检测效果客观、全面、可靠。

为了实现上述目的，本发明的实施例提出了一种检测欺诈电话的方法，包括以下步骤：获取搜索引擎查询日志；定期处理所述搜索引擎查询日志以提取预设时间段内的包含预设关键字段的查询集合，并对所述查询集合进行筛选，并将筛选的查询集合按照查询次数进行排序；将排序的查询集合提交至搜索引擎进行搜索，并对搜索结果进行分析，以获取种子官方电话集合及种子欺诈电话集合；根据所述搜索结果建立电话共现关系图；根据所述种子官方电话集合、所述种子欺诈电话集合及所述电话共现关系图检测所述搜索结果中是否存在欺诈电话。

根据本发明实施例的检测欺诈电话的方法，基于搜索引擎查询日志和对查询搜索结果分析实现自动检测网页中的欺诈电话，该方法能够及时高效地检测欺诈电话，提升搜索引擎的服务性能，减少用户损失，另外，该方法实现需要的数据模型结构和参数简单，算法复杂度低，易于实现，具有较好的推广性和适应性，且检测效果客观、全面、可靠。

另外，根据本发明上述实施例的检测欺诈电话的方法还可以具有如下附加的技术特征：

在本发明的实施例中，所述预设关键字段包括：“电话”、“电话号码”和/或“号码”。

在本发明的实施例中，所述对所述查询集合进行筛选，进一步包括：将包含“电话”、“电话号码”和/或“号码”字样的查询集合提交至所述搜索引擎进行搜索，过滤搜索结果中不包含电话号码的查询。

在本发明的实施例中，将所述排序的查询集合提交至搜索引擎进行搜索，并对搜索结果进行分析，以获取种子官方电话集合及种子欺诈电话集合，进一步包括：抽取所述搜索结果中包含安全认证图案的电话作为官方电话，以生成所述种子官方电话集合；提取出现在多种不同类型的查询的搜索结果中的相同电话作为欺诈电话，以生成所述种子欺诈电话集合。

在本发明的实施例中，所述根据所述搜索结果建立电话共现关系图，进一步包括：在所述搜索结果中提取电话，并根据所述电话间的共现关系，将所述电话设为点，将所述电话之间的共现关系设为边，以建立所述电话共现关系图。

在本发明的实施例中，所述根据所述种子官方电话集合、所述种子欺诈电话集合及所述电话共现关系图检测所述搜索结果中是否存在欺诈电话，进一步包括：根据所述电话共现关系图，对所述种子官方电话集合和所述种子欺诈电话集合同时进行有衰减的扩散，以得到每个电话的欺诈程度值；比较所述每个电话的欺诈程度值与预设值；如果欺诈程度值小于等于所述预设值，则判定所述欺诈程度值所对应的电话为欺诈电话。

本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明的上述和附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：

图1为搜索引擎在同一域名下的搜索结果中三个网页的截图；

图2为根据本发明一个实施例的检测欺诈电话的方法的流程图；

图3为根据本发明一个实施例的检测欺诈电话的百度安全认证图案的示意图；以及

图4为根据本发明一个实施例的检测欺诈电话的电话欺诈程度值的分布示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。

在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性。

在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

以下结合附图详细描述根据本发明实施例的检测欺诈电话的方法。

图2为根据本发明一个实施例的检测欺诈电话的方法的流程图。如图2所示，根据本发明一个实施例的检测欺诈电话的方法，包括以下步骤：

步骤S101，获取搜索引擎查询日志。

步骤S102，定期处理搜索引擎日志以提取预设时间段内的包含预设关键字段的查询集合，并对查询集合进行筛选，并将筛选的查询集合按照查询次数进行排序。其中，在本发明的一个实施例中，优选地，预设关键字段包括：“电话”、“电话号码”和“号码”。预设时间为预先设定，例如为但不限于一个月。具体而言，对查询日志进行筛选，具体为：将包含“电话”、“电话号码”和/或“号码”字样的查询集合提交至搜索引擎进行搜索，过滤搜索结果中不包括电话号码的查询，也即过滤掉搜索结果中没有电话获取意图的查询。作为一个具体的示例，例如：在搜索引擎（例如百度）一个月（即预设时间）的查询日志中抽取所有用户提交的包含“电话”、“电话号码”和/或“号码”字样的查询，在这些查询中，有些包含电话查询意图，例如“圆通快递电话”“***”等，有的不包含电话查询意图，例如“电话订票”“电话销售”等。因此，为了滤除无电话查询意图的查询，将上述查询提交到搜索引擎上，过滤掉在搜索结果中不包含电话号码的查询，并将剩余查询按照在一个月中用户查询的次数进行排序，保留排名前100,000的查询。

步骤S103，将排序后的查询集合提交至搜索引擎进行搜索，并对搜索结果进行分析，以获取种子官方电话集合及种子欺诈电话集合。具体而言，抽取搜索结果中包含安全认证的电话作为官方电话，根据得到的多个官方电话生成种子官方电话集合，另外，提取出现在多种不同类型的查询的搜索结果中的相同电话作为欺诈电话，并由多个欺诈电话生成种子欺诈电话集合，换言之即，如果一个电话出现在不同类型的查询的搜索结果中，则判定该电话为欺诈电话。

作为一个具体的示例，例如：一方面，在搜索引擎中可以获取厂家的官方电话，例如在百度上搜索某个品牌的官方电话，并且当百度有这个电话时，那么在搜索结果的第一条会展现这个结果，并配有百度安全认证图标，如图3所示。因此，将上述步骤103的示例中得到的100,000个查询提交到百度搜索引擎上去，找出在结果页面中包含百度安全认证图标的查询，并抽取其电话。假设共找到了12,931个查询，并对这些查询进行归类，即将得到的电话号码相同的查询归为一类，共得到了962类，最后，将这些电话加入种子官方电话集合，设为O。例如下表1所示：

表1 百度上的官方电话及其对应的查询

电话	查询
		400-889-5543	申通快递电话，申通快递电话查询，申通电话，申通e物流电话……
10100000	平安保险电话，平安电话车险，平安保险客服电话，平安车险电话……
		10086	移动电话，移动电话清单查询，移动客服电话，移动电话费查询……

在上表1中，电话400-889-5543所对应的查询均为申通快递的电话，属于同一类型的查询，因此，其为官方电话。同理，电话10100000和电话10086也为官方电话。

另一方面，在本发明的一个具体实施例中，采用基于搜索结果摘要的欺诈电话提取方法，这种方法基于的思想是如果一个电话出现在不同类型的查询的搜索结果中，那么该电话就有可能是欺诈电话。具体而言，将有官方客服的查询提交至搜索引擎，抓取在搜索结果摘要中出现的不同于官方客服的电话号码，然后在上述结果中抽取出现在不同类型查询的结果摘要中的电话，而对于该出现在多个不同类型的查询的结果摘要中的电话，可以认定其为欺诈电话，并将得到的欺诈电话加入到种子欺诈电话集合，例如为N。以下结合表2和表3具体描述：

表2 欺诈电话及其对应的查询和URL

表3 欺诈电话及其对应的查询和URL

如表2所示，在同一域名下，同一个电话号码400-888-0356分别表示“亿田燃气灶维修电话”、“清华阳光太阳能热水器维修电话”、和“科宝手机批发电话”，而这三个查询并不属于同一类型的查询，因此，可以判定400-888-0356为欺诈电话。同理，如表3所示，在同一域名下，同一电话号码400-867-8086分别表示“幸福航空服务电话”、“埃及航空公司广州电话”和“斯里兰卡航空公司电话”，而这三个查询并不属于同一类型的查询，因此，可以判定该电话号码为欺诈电话。

步骤S104，根据搜索结果建立电话共现关系图。具体地，在步骤S103中得到的搜索结果中提取电话，并根据电话间的共现关系，将该电话设为点，将电话之间的共现关系设为边，从而建立电话共现关系图。作为具体的示例，例如：将上述步骤S103的示例中得到的100,000个查询提交至搜索引擎，在结果网页中的前十条结果中抽取共现电话。假设有93,715个查询的结果页面中存在共现电话，共抽取了1,983,391个电话号码，覆盖了997个种子官方电话（例如为O’）和772个种子欺诈电话（例如为N’），并将所抽取的电话设为点，将电话之间的共现关系设为边，即可构建出电话的共现关系图。

步骤S105，根据种子官方电话集合、种子欺诈电话集合及电话共现关系图检测搜索结果中是否存在欺诈电话。具体地，根据得到的电话共现关系图，对种子官方电话集合和种子欺诈电话集合同时进行有衰减的扩散，以得到每个电话的欺诈程度值，比较每个电话的欺诈程度值与预设值的大小，如果电话的欺诈程度值小于等于预设值，则判定该电话为欺诈电话。其中，预设值根据具体情况预先设定。作为一个具体的示例，在本发明的一个具体实施例中，采用基于共现关系图扩散的欺诈电话检测算法。具体而言，该算法基于一个基本假设，即包含官方电话的页面往往是正规的网页，其上面的其他电话也应该是非欺诈电话，而包含欺诈电话的页面一般是欺诈网页，其上面的其他电话也很有可能是欺诈电话。从而，基于这一假设提出了一种扩散算法，将电话共现关系图覆盖的种子官方电话（O’）和种子欺诈电话（N’）作为种子进行扩散，其中种子官方电话的权值为1，种子欺诈电话的权值为-1。在扩散过程中，每迭代一步权值衰减为原来的0.9，且在迭代10步后权值不再变化，共扩散出1,417,325个电话（设为P），其占电话总数的71.5%，欺诈程度值分布如图4所示。对于P中的每一个电话，当其欺诈程度值低于阈值T（即预设值，例如-0.8）的进入欺诈电话集合P’，而P’即为更新后的欺诈电话集合。

进一步地，作为一个具体的实施例，在运行效率方面，当程序运行硬件环境为4核3.2G主频CPU、8G内存时，计算机从100,000个查询的搜索结果网页中抽取的1,983,391个电话号码上应用扩散算法时，消耗的时间约为120分钟。这比采用人工标注的识别方式在速度和规模方面都有很大的提升，因此，本发明实施例的检测欺诈电话的方法具有检测效率高的优点。

结合图4，对于欺诈电话检测的效果方面，在扩散算法得到的电话中有10%左右的电话分数是在[-1,-0.8]区间的，将阈值T（即预设值）定为-0.8，则有大约140,000的电话被检测为欺诈电话，因此，本发明实施例的检测欺诈电话的方法具有检测结果可靠的优点。

根据本发明实施例的检测欺诈电话的方法，基于搜索引擎查询日志和对查询搜索结果分析实现自动检测网页中的欺诈电话，该方法能够及时高效地检测欺诈电话，提升搜索引擎的服务性能，减少用户损失，另外，该方法实现需要的数据模型结构和参数简单，算法复杂度低，易于实现，具有较好的推广性和适应性，且检测效果客观、全面、可靠。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同限定。

Claims (3)

1.一种检测欺诈电话的方法，其特征在于，包括以下步骤：

获取搜索引擎查询日志；

定期处理所述搜索引擎查询日志以提取预设时间段内的包含预设关键字段的查询集合，并对所述查询集合进行筛选，并将筛选的查询集合按照查询次数进行排序；

将排序的查询集合提交至搜索引擎进行搜索，并对搜索结果进行分析，以获取种子官方电话集合及种子欺诈电话集合，具体包括：抽取所述搜索结果中包含安全认证图案的电话作为官方电话，以生成所述种子官方电话集合，提取出现在多种不同类型的查询的搜索结果中的相同电话作为欺诈电话，以生成所述种子欺诈电话集合；

根据所述搜索结果建立电话共现关系图，具体包括：在所述搜索结果中提取电话，并根据所述电话间的共现关系，将所述电话设为点，将所述电话之间的共现关系设为边，以建立所述电话共现关系图；

根据所述种子官方电话集合、所述种子欺诈电话集合及所述电话共现关系图检测所述搜索结果中是否存在欺诈电话，具体包括：根据所述电话共现关系图，对所述种子官方电话集合和所述种子欺诈电话集合同时进行有衰减的扩散，以得到每个电话的欺诈程度值，比较所述每个电话的欺诈程度值与预设值，如果所述欺诈程度值小于等于所述预设值，则判定所述欺诈程度值所对应的电话为欺诈电话。

2.如权利要求1所述的检测欺诈电话的方法，其特征在于，所述预设关键字段包括：“电话”、“电话号码”和/或“号码”。

3.如权利要求2所述的检测欺诈电话的方法，其特征在于，所述对所述查询集合进行筛选，进一步包括：

将包含“电话”、“电话号码”和/或“号码”字样的查询集合提交至所述搜索引擎进行搜索，过滤搜索结果中不包含电话号码的查询。