CN114286343B - 多路外呼***、风险识别方法、设备、介质及产品 - Google Patents

Abstract

本公开提供了多路外呼***、风险识别方法、设备、介质及产品，涉及通信技术领域，多路外呼***包括多路外呼模块、数据传输模块和控制模块；以及，多路外呼模块，用于对待检测号码集合中的各个待检测号码进行呼叫，得到各个待检测号码的呼叫数据；并将各个待检测号码的呼叫数据发送给数据传输模块；数据传输模块，用于将各个待检测号码的呼叫数据传输给控制模块；控制模块，用于基于各个待检测号码的呼叫数据，确定各个待检测号码的号码风险状态。本公开能够提高风险识别的精准度。

Description

多路外呼***、风险识别方法、设备、介质及产品

技术领域

本公开涉及人工智能技术领域，进一步涉及智慧金融技术领域，具体涉及一种多路外呼***、风险识别方法、设备、介质及产品。

背景技术

目前，自动外呼服务已被广泛应用于各个领域，例如，应用于线上营销生成优惠信息。其中，自动外呼服务是指自动拨打电话，并将预先录制好的语音播放给用户。

在实践中发现，线上活动在生成优惠信息时，经常难以识别使用虚拟设备注册的欺诈账号，从而导致优惠信息被恶意获取。

发明内容

本公开提供了一种多路外呼***、风险识别方法、设备、介质及产品。

根据本公开的一方面，提供了一种多路外呼***，包括多路外呼模块、数据传输模块和控制模块；以及，多路外呼模块，用于对待检测号码集合中的各个待检测号码进行呼叫，得到各个待检测号码的呼叫数据；并将各个待检测号码的呼叫数据发送给数据传输模块；数据传输模块，用于将各个待检测号码的呼叫数据传输给控制模块；控制模块，用于基于各个待检测号码的呼叫数据，确定各个待检测号码的号码风险状态。

根据本公开的另一方面，提供了一种风险识别方法，包括：获取待检测号码集合；对待检测号码集合中的每个待检测号码，确定该待检测号码的呼叫数据；基于各个待检测号码的呼叫数据，确定各个待检测号码的号码风险状态。

根据本公开的另一方面，提供了一种电子设备，包括：一个或多个处理器；存储器，用于存储一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如上任意一项风险识别方法。

根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，计算机指令用于使计算机执行如上任意一项风险识别方法。

根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现如上任意一项用于风险识别方法。

根据本公开的技术，提供一种多路外呼***和风险识别方法，能够识别出存在风险的号码，从而能够基于存在风险的号码确定使用虚拟设备注册的欺诈账号，进而基于欺诈账号进行风险识别，能够提高风险识别的精准度。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1是根据本公开的多路外呼***的一个实施例的***架构图；

图2是根据本公开的多路外呼方法的一个应用场景的示意图；

图3是根据本公开的风险识别方法的一个实施例的流程图；

图4是根据本公开的风险识别方法的另一个实施例的流程图；

图5是用来实现本公开实施例的风险识别方法的电子设备的框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。

如图1所示，多路外呼***100可以包括多路外呼模块101、数据传输模块和控制模块103；以及

多路外呼模块101，用于对待检测号码集合中的各个待检测号码进行呼叫，得到各个待检测号码的呼叫数据；并将各个待检测号码的呼叫数据发送给数据传输模块102；

数据传输模块102，用于将各个待检测号码的呼叫数据传输给控制模块103；

控制模块103，用于基于各个待检测号码的呼叫数据，确定各个待检测号码的号码风险状态。

其中，多路外呼模块101能够实现多条通信线路并行呼叫，从而实现对多个号码的同时呼叫，能够提高呼叫效率。并且，对于多路外呼模块101中的每条通信线路，可以获取该通信线路对应的呼叫数据。其中呼叫数据可以包括呼叫音频数据、呼叫状态信息。这里的呼叫音频数据可以包括基于预设的人机对话策略从音频库选取的预设音频数据、以及在外呼过程中人机对话所产生的对话音频数据。其中，呼叫状态信息是在号码拨通前运营商返回的号码拨通状态，例如正常拨通状态、停机状态等。

在多路外呼模块101进行多路外呼时，可以利用每条通信线路对待检测号码集合中的一个待检测号码进行呼叫，得到各个待检测号码的呼叫数据，并将各个待检测号码的呼叫数据传输给数据传输模块102。其中，待检测号码集合可以为需要检测号码风险状态的号码，可以基于号码信息预判断风险得到，也可以预先设定，本实施例对此不做限定。

之后，数据传输模块102可以将多路外呼模块101发送的各个待检测号码的呼叫数据发送给控制模块103，以使控制模块103基于各个待检测号码的呼叫数据，确定各个待检测号码的号码风险状态。其中，号码风险状态可以为存在风险或者不存在风险。或者，号码风险状态也可以为号码可能存在风险的概率或者等级。

在本实施例的一些可选的实现方式中，控制模块103还用于基于各个待检测号码的号码风险状态，从各个待检测号码中确定风险号码；并确定风险号码对应的风险账号；以及将风险账号添加至预设黑名单。

在本实现方式中，控制模块103可以基于各个待检测号码的号码风险状态，确定风险号码。例如，控制模块103可以将号码风险状态指示存在风险的待检测号码确定为风险号码。并且，控制模块103还可以确定风险号码对应的风险账号，并将风险账号添加至预设黑名单。其中，风险账号可以为风险号码在线上营销平台注册的账号，风险账号和风险号码之间具有对应关系。预设黑名单可以为设置为不发放优惠的黑名单。

可选的，基于各个待检测号码的号码风险状态，从各个待检测号码中确定风险号码可以包括：对于每个待检测号码，响应于确定该待检测号码的号码风险状态指示存在风险的概率大于预设的概率阈值，将该待检测号码确定为风险号码。

另一种可选的，还可以执行以下步骤：将预设黑名单的优惠信息发放权限配置为禁止发放。

另一种可选的，还可以执行以下步骤：对预设黑名单的各个风险账号，确定该风险账号对应的风险等级；基于风险等级，配置各个风险账号对应的优惠信息发放权限。其中，优惠信息发放权限可以包括但不限于完全禁止发放、预设时间段内禁止发放等，本实施例对此不做限定。

在本实施例的一些可选的实现方式中，控制模块103还用于对于每个待检测号码，响应于确定该待检测号码的呼叫数据包括呼叫状态信息，基于该待检测号码的呼叫状态信息，确定该待检测号码的号码风险状态。

在本实现方式中，呼叫状态信息可以为待检测号码的运营商返回的号码拨通状态，例如正常拨通状态、停机状态、空号状态等。控制模块103可以在接收到待检测号码的呼叫状态信息的情况下，直接基于待检测号码的呼叫状态信息确定待检测号码的号码风险状态。例如，如果待检测号码的呼叫状态信息指示待检测号码为正常拨通状态，则可以确定待检测号码的号码风险状态为不存在风险。又或者，如果待检测号码的呼叫状态信息指示待检测号码为异常拨通状态，则可以确定待检测号码的号码风险状态为存在风险。其中，异常拨通状态可以包括但不限于停机、空号等，本实施例中对此不做限定。

可选的，还可以执行以下步骤：在接收到待检测号码的呼叫状态信息的情况下，停止对待检测号码的呼叫。采用这种方式，能够在用户收到呼叫之前，停止呼叫，从而降低对呼叫用户的影响。

在本实施例的一些可选的实现方式中，控制模块103还用于对于每个待检测号码，响应于确定该待检测号码的呼叫数据不包括呼叫状态信息，获取该待检测号码的呼叫音频；并基于呼叫音频和预先训练完成的语音识别模型，确定该待检测号码的号码风险状态。

在本实现方式中，在确定待检测号码的呼叫数据不包括呼叫状态信息的情况下，控制模块103可以获取待检测号码的呼叫音频。这里的呼叫音频可以包括待检测号码在外呼通话过程中的人机对话语音。控制模块103可以基于该呼叫音频和预先训练完成的语音识别模型，确定待检测号码的号码风险状态。其中，预先训练完成的语音识别模型用于基于语音识别进行语音分类，基于分类结果确定待检测号码的号码风险状态。并且，预先训练完成的语音识别模型可以采用循环神经网络模型、长短期记忆模型等机器学习模型进行建模，本实施例对此不做限定。

可选的，控制模块103还可以将呼叫音频进行采样切片，分段逐步输入预先训练完成的语音识别模型，以使用于序列建模任务的语音识别模型，对各个音频切片进行语音识别，得到音频分类，基于分类结果确定待检测号码的号码风险状态。

在本实施例的一些可选的实现方式中，控制模块103还用于基于呼叫音频和预先训练完成的语音识别模型，确定呼叫音频对应的音频类别；基于音频类别确定该待检测号码的号码风险状态。

在本实现方式中，控制模块103可以将呼叫音频输入预先训练完成的语音识别模型，确定呼叫音频对应的音频类别，其中，音频类别可以包括但不限于正常拨通类别、空号类别、停机类别等。具体的，控制模块103可以将正常拨通类别的待检测号码确定为不存在风险的号码，以及将空号类别或者停机类别的待检测号码确定为存在风险的号码。

其中，预先训练完成的语音识别模型可以基于以下步骤训练得到：获取样本音频切片以及样本音频类别；将样本音频切片输入待训练模型，得到待训练模型输出的预测音频类别；基于预测音频类别、样本音频类别和预设的损失函数，训练待训练模型，直至满足预设的收敛条件，得到预先训练完成的语音识别模型。

在本实施例的一些可选的实现方式中，数据传输模块102还用于将各个待检测号码的呼叫数据转换为数字信号进行传输；并在将各个待检测号码的呼叫数据传输给控制模块103之前，将数字信号转换为模拟信号，以将模拟信号传输给控制模块103。

在本实现方式中，多路外呼模块101输出的呼叫数据可以为模拟信号，数据传输模块102能够将模拟信号转换为数字信号进行传输，来降低并行多路传输导致的噪音干扰。以及，在数据传输模块102将数字信号传输给控制模块103之前，可以再将数字信号转换为模拟信号，以将模拟信号传输给控制模块103，进行多路外呼控制。

本公开上述实施例提供的多路外呼***，能够识别出存在风险的号码，从而能够基于存在风险的号码确定使用虚拟设备注册的欺诈账号，进而基于欺诈账号进行风险识别，能够提高风险识别的精准度。

继续参见图2，其示出了根据本公开的多路外呼***的一个应用场景的示意图。在图2的应用场景中，多路外呼模块可以对待检测号码集合301中的各个待检测号码进行多路并行外呼，具体的，多路外呼模块中的每路通信模块可以呼叫一个待检测号码，例如，采用第一通信模块呼叫待检测号码A，得到呼叫数据A，采用第二通信模块呼叫待检测号码B，得到呼叫数据B，采用第三通信模块呼叫待检测号码C，得到呼叫数据C。之后，对于进行多路并行外呼得到的呼叫数据302，可以通过数据传输模块发送给控制模块，以使控制模块确定呼叫数据302对应的号码风险状态303。例如，确定呼叫数据A对应的风险状态A，确定呼叫数据B对应的风险状态B，确定呼叫数据C对应的风险状态C。之后，控制模块可以基于号码风险状态，从待检测号码集合301中确定风险号码304，并将风险号码304加入预设黑名单305。例如，从待检测号码集合301中确定存在风险的号码是待检测号码A，则将待检测号码A加入预设黑名单305。可选的，也可以进一步分析风险号码304对应的风险账号，将风险账号加入预设黑名单。

继续参考图3，示出了根据本公开的风险识别方法的一个实施例的流程300。本实施例的风险识别方法，包括以下步骤：

步骤301，获取待检测号码集合。

在本实施例中，执行主体(包括上述控制模块103的终端或者服务器)可以从本地存储或者预先建立连接的其他设备中获取需要检测号码风险状态的号码，得到待检测号码集合。其中，待检测号码集合可以基于号码信息预判断风险得到，也可以预先设定，本实施例对此不做限定。

步骤302，对待检测号码集合中的每个待检测号码，确定该待检测号码的呼叫数据。

在本实施例中，多路呼叫模块可以对待检测号码集合中的各个待检测号码进行多路并行呼叫。并且，对于多路外呼模块中的每条通信线路，可以获取该通信线路对应的呼叫数据，并将该通信线路对应的呼叫数据发送给控制模块。

其中，呼叫数据可以包括呼叫音频数据、呼叫状态信息。这里的呼叫音频数据可以包括基于预设的人机对话策略从音频库选取的预设音频数据、以及在外呼过程中人机对话所产生的对话音频数据。其中，呼叫状态信息是在号码拨通前运营商返回的号码拨通状态，例如正常拨通状态、停机状态等。

步骤303，基于各个待检测号码的呼叫数据，确定各个待检测号码的号码风险状态。

在本实施例中，号码风险状态可以为存在风险或者不存在风险。或者，号码风险状态也可以为号码可能存在风险的概率或者等级。

在本实施例的一些可选的实现方式中，控制模块103还用于基于各个待检测号码的号码风险状态，从各个待检测号码中确定风险号码；并确定风险号码对应的风险账号；以及将风险账号添加至预设黑名单。

在本实现方式中，执行主体可以基于各个待检测号码的号码风险状态，确定风险号码。例如，执行主体可以将号码风险状态指示存在风险的待检测号码确定为风险号码。并且，执行主体还可以确定风险号码对应的风险账号，并将风险账号添加至预设黑名单。其中，风险账号可以为风险号码在线上营销平台注册的账号，风险账号和风险号码之间具有对应关系。预设黑名单可以为设置为不发放优惠的黑名单。

可选的，基于各个待检测号码的号码风险状态，从各个待检测号码中确定风险号码可以包括：对于每个待检测号码，响应于确定该待检测号码的号码风险状态指示存在风险的概率大于预设的概率阈值，将该待检测号码确定为风险号码。

本公开上述实施例提供的风险识别方法，能够识别出存在风险的号码，从而能够基于存在风险的号码确定使用虚拟设备注册的欺诈账号，进而基于进行风险识别，能够提高风险识别的精准度。

继续参见图4，其示出了根据本公开的风险识别方法的另一个实施例的流程400。如图4所示，本实施例的风险识别方法可以包括以下步骤：

步骤401，获取待检测号码集合。

在本实施例中，对于步骤401的详细描述，请参照对于步骤201的详细描述，在此不再赘述。

步骤402，对待检测号码集合中的每个待检测号码，基于该待检测号码对应的模拟信号，确定该待检测号码的呼叫数据；其中，模拟信号由对数据传输模块传输的数字信号进行数模转换得到。

在本实施例中，多路外呼模块输出的各个待检测号码的呼叫数据，可以为模拟信号，数据传输模块可以将模拟信号转换为数字信号进行传输，控制模块可以基于该数字信号进行数模转换后的模拟信号。执行主体基于对该模拟信号进行分析，可以得到各个待检测号码的呼叫数据。

步骤403，对于每个待检测号码，响应于确定该待检测号码的呼叫数据包括呼叫状态信息，基于该待检测号码的呼叫状态信息，确定该待检测号码的号码风险状态。

在本实施例中，呼叫状态信息可以为待检测号码的运营商返回的号码拨通状态，例如正常拨通状态、停机状态、空号状态等。执行主体可以在接收到待检测号码的呼叫状态信息的情况下，直接基于待检测号码的呼叫状态信息确定待检测号码的号码风险状态。例如，如果待检测号码的呼叫状态信息指示待检测号码为正常拨通状态，则可以确定待检测号码的号码风险状态为不存在风险。又或者，如果待检测号码的呼叫状态信息指示待检测号码为异常拨通状态，则可以确定待检测号码的号码风险状态为存在风险。其中，异常拨通状态可以包括但不限于停机、空号等，本实施例中对此不做限定。

可选的，还可以执行以下步骤：在接收到待检测号码的呼叫状态信息的情况下，停止对待检测号码的呼叫。采用这种方式，能够在用户收到呼叫之前，停止呼叫，从而降低对呼叫用户的影响。

步骤404，对于每个待检测号码，响应于确定该待检测号码的呼叫数据不包括呼叫状态信息，获取该待检测号码的呼叫音频。

在本实施例中，在确定待检测号码的呼叫数据不包括呼叫状态信息的情况下，执行主体可以获取待检测号码的呼叫音频。这里的呼叫音频可以包括待检测号码在外呼通话过程中的人机对话语音。

步骤405，基于呼叫音频和预先训练完成的语音识别模型，确定该待检测号码的号码风险状态。

在本实施例中，执行主体可以基于该呼叫音频和预先训练完成的语音识别模型，确定待检测号码的号码风险状态。其中，预先训练完成的语音识别模型用于基于语音识别进行语音分类，基于分类结果确定待检测号码的号码风险状态。并且，预先训练完成的语音识别模型可以采用循环神经网络模型、长短期记忆模型等机器学习模型进行建模，本实施例对此不做限定。

在本实施例的一些可选的实现方式中，基于呼叫音频和预先训练完成的语音识别模型，确定该待检测号码的号码风险状态，包括：基于呼叫音频和预先训练完成的语音识别模型，确定呼叫音频对应的音频类别；基于音频类别确定该待检测号码的号码风险状态。

可选的，执行主体还可以将呼叫音频进行采样切片，分段逐步输入预先训练完成的语音识别模型，以使用于序列建模任务的语音识别模型，对各个音频切片进行语音识别，得到音频分类，基于分类结果确定待检测号码的号码风险状态。

其中，预先训练完成的语音识别模型可以基于以下步骤训练得到：获取样本音频切片以及样本音频类别；将样本音频切片输入待训练模型，得到待训练模型输出的预测音频类别；基于预测音频类别、样本音频类别和预设的损失函数，训练待训练模型，直至满足预设的收敛条件，得到预先训练完成的语音识别模型。

步骤406，基于各个待检测号码的号码风险状态，从待检测号码中确定风险号码。

在本实施例中，呼叫状态信息可以为待检测号码的运营商返回的号码拨通状态，例如正常拨通状态、停机状态、空号状态等。执行主体可以在接收到待检测号码的呼叫状态信息的情况下，直接基于待检测号码的呼叫状态信息确定待检测号码的号码风险状态。例如，如果待检测号码的呼叫状态信息指示待检测号码为正常拨通状态，则可以确定待检测号码的号码风险状态为不存在风险。又或者，如果待检测号码的呼叫状态信息指示待检测号码为异常拨通状态，则可以确定待检测号码的号码风险状态为存在风险。其中，异常拨通状态可以包括但不限于停机、空号等，本实施例中对此不做限定。

步骤407，确定风险号码对应的风险账号。

在本实施例中，执行主体可以基于各个待检测号码的号码风险状态，确定风险号码。例如，执行主体可以将号码风险状态指示存在风险的待检测号码确定为风险号码。并且，执行主体还可以确定风险号码对应的风险账号，并将风险账号添加至预设黑名单。其中，风险账号可以为风险号码在线上营销平台注册的账号，风险账号和风险号码之间具有对应关系。

步骤408，将风险账号添加至预设黑名单。

在本实施例中，预设黑名单可以为设置为不发放优惠的黑名单。

另一种可选的，还可以执行以下步骤：将预设黑名单的优惠信息发放权限配置为禁止发放。

另一种可选的，还可以执行以下步骤：对预设黑名单的各个风险账号，确定该风险账号对应的风险等级；基于风险等级，配置各个风险账号对应的优惠信息发放权限。其中，优惠信息发放权限可以包括但不限于完全禁止发放、预设时间段内禁止发放等，本实施例对此不做限定。

本公开的上述实施例提供的风险识别方法，还可以基于是否包含呼叫状态信息，执行不同的号码风险状态确定方式，提高了号码风险状态确定效率以及精准度。以及将存在风险的号码对应的账号添加至预设黑名单，基于预设黑名单进行风险管理，能够提高风险控制效果。

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

图5示出了可以用来实施本公开的实施例的示例电子设备500的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图5所示，设备500包括计算单元501，其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序，来执行各种适当的动作和处理。在RAM503中，还可存储设备500操作所需的各种程序和数据。计算单元501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。

设备500中的多个部件连接至I/O接口505，包括：输入单元506，例如键盘、鼠标等；输出单元507，例如各种类型的显示器、扬声器等；存储单元508，例如磁盘、光盘等；以及通信单元509，例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元501执行上文所描述的各个方法和处理，例如风险识别方法。例如，在一些实施例中，风险识别方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元508。在一些实施例中，计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到RAM 503并由计算单元501执行时，可以执行上文描述的风险识别方法的一个或多个步骤。备选地，在其他实施例中，计算单元501可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行风险识别方法。

本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的***和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的***和技术实施在包括后台部件的计算***(例如，作为数据服务器)、或者包括中间件部件的计算***(例如，应用服务器)、或者包括前端部件的计算***(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将***的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式***的服务器，或者是结合了区块链的服务器。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (12)

1.一种多路外呼***，包括多路外呼模块、数据传输模块和控制模块；以及

所述多路外呼模块，用于对待检测号码集合中的各个待检测号码进行呼叫，得到各个待检测号码的呼叫数据；并将各个待检测号码的呼叫数据发送给所述数据传输模块；

所述数据传输模块，用于将各个待检测号码的呼叫数据传输给所述控制模块；

所述控制模块，用于基于各个待检测号码的呼叫数据，确定各个待检测号码的号码风险状态；基于各个待检测号码的号码风险状态，从所述待检测号码中确定风险号码；确定所述风险号码对应的风险账号；将所述风险账号添加至预设黑名单；对所述预设黑名单的各个风险账号，确定该风险账号对应的风险等级；基于风险等级，配置各个风险账号对应的优惠信息发放权限，其中，所述优惠信息发放权限包括：完全禁止发放、预设时间段内禁止发放。

2.根据权利要求1所述的***，其中，所述控制模块还用于：对于每个待检测号码，响应于确定该待检测号码的呼叫数据包括呼叫状态信息，基于该待检测号码的呼叫状态信息，确定该待检测号码的号码风险状态。

3.根据权利要求1或2所述的***，其中，所述控制模块还用于：对于每个待检测号码，响应于确定该待检测号码的呼叫数据不包括呼叫状态信息，获取该待检测号码的呼叫音频；并基于所述呼叫音频和预先训练完成的语音识别模型，确定该待检测号码的号码风险状态。

4.根据权利要求3所述的***，其中，所述控制模块还用于：基于所述呼叫音频和所述预先训练完成的语音识别模型，确定所述呼叫音频对应的音频类别；基于所述音频类别确定该待检测号码的号码风险状态。

5.根据权利要求1所述的***，其中，所述数据传输模块还用于：将各个待检测号码的呼叫数据转换为数字信号进行传输；并在将各个待检测号码的呼叫数据传输给所述控制模块之前，将所述数字信号转换为模拟信号，以将所述模拟信号传输给所述控制模块。

6.一种风险识别方法，包括：

获取待检测号码集合；

对所述待检测号码集合中的每个待检测号码，确定该待检测号码的呼叫数据；

基于各个待检测号码的呼叫数据，确定各个待检测号码的号码风险状态；

基于各个待检测号码的号码风险状态，从所述待检测号码中确定风险号码；确定所述风险号码对应的风险账号；将所述风险账号添加至预设黑名单；对所述预设黑名单的各个风险账号，确定该风险账号对应的风险等级；基于风险等级，配置各个风险账号对应的优惠信息发放权限，其中，所述优惠信息发放权限包括：完全禁止发放、预设时间段内禁止发放。

7.根据权利要求6所述的方法，其中，所述基于各个待检测号码的呼叫数据，确定各个待检测号码的号码风险状态，包括：

对于每个待检测号码，响应于确定该待检测号码的呼叫数据包括呼叫状态信息，基于该待检测号码的呼叫状态信息，确定该待检测号码的号码风险状态。

8.根据权利要求6或7所述的方法，其中，所述基于各个待检测号码的呼叫数据，确定各个待检测号码的号码风险状态，包括：

对于每个待检测号码，响应于确定该待检测号码的呼叫数据不包括呼叫状态信息，获取该待检测号码的呼叫音频；

基于所述呼叫音频和预先训练完成的语音识别模型，确定该待检测号码的号码风险状态。

9.根据权利要求8所述的方法，其中，所述基于所述呼叫音频和预先训练完成的语音识别模型，确定该待检测号码的号码风险状态，包括：

基于所述呼叫音频和所述预先训练完成的语音识别模型，确定所述呼叫音频对应的音频类别；

基于所述音频类别确定该待检测号码的号码风险状态。

10.根据权利要求6所述的方法，其中，所述对所述待检测号码集合中的每个待检测号码，确定该待检测号码的呼叫数据，包括：

对所述待检测号码集合中的每个待检测号码，基于该待检测号码对应的模拟信号，确定该待检测号码的呼叫数据；其中，所述模拟信号由对数据传输模块传输的数字信号进行数模转换得到。

11. 一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求6-10中任一项所述的方法。

12.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求6-10中任一项所述的方法。