1.本发明属于通信骚扰及诈骗识别技术领域，具体涉及一种骚扰诈骗电话的防范方法及系统。
背景技术：2.随着诈骗宣传力度的加大以及治理技术手段的不断升级，人们对陌生电话的戒心越来越重，各类拦截系统的拦截机制越来越严格，人们愿意接听的电话易被拦截而难以触达。
技术实现要素：3.基于现有技术中存在的上述缺点和不足，本发明的目的是提供一种骚扰诈骗电话的防范方法及系统。
4.为了达到上述发明目的，本发明采用以下技术方案：一种骚扰诈骗电话的防范方法，包括以下步骤：s1、构建注册企业可信号码名单、用户接听意愿分类名单、骚扰号码名单和诈骗号码名单；其中，注册企业可信号码名单包括号码及其所属行业信息、展示模板；用户接听意愿分类名单包括号码及其对应行业接听意愿；基于注册企业可信号码名单，根据所属行业构建分类号码名单；s2、获取主叫企业端呼叫被叫用户端的信令数据，并根据信令数据判断主叫号码是否为骚扰电话；若是，则将主叫号码存储至骚扰号码名单；还根据信令数据判断主叫号码是否属于诈骗号码名单；若否，则转至步骤s3；若是，则拆线；s3、判断主叫号码是否属于分类号码名单；若否，则拆线；若是，则转至步骤s4；s4、判断主叫号码对应的所属行业是否在用户接听意愿分类名单的对应行业接听意愿中；若否，则拆线；若是，则转至步骤s5；s5、判断信令数据中的归属网络是否属于volte；若否，则转至步骤s8；若是，则转至步骤s6；s6、判断信令数据中的被叫资源协商是否成功；若否，则转至步骤s8，若是，则转至步骤s7；s7、根据主叫号码对应的展示模板，基于volte-crs技术的屏显方式在被叫用户端提示主叫号码信息；s8、基于gsm-flashsms技术的屏显方式在被叫用户端提示主叫号码信息。
5.作为优选方案，在步骤s3的判断结果为否且在执行拆线之前，还包括以下步骤：判断主叫号码是否属于骚扰号码名单；若是，则执行拆线；若否，则对主叫号码进行诈骗号码分析。
6.作为优选方案，在步骤s4的判断结果为是之后，还包括以下步骤：
对主叫号码进行诈骗号码分析。
7.作为优选方案，所述诈骗号码分析，包括：对主叫号码的媒体流进行语音识别得到语音信息，并判断语音信息是否与主叫号码对应的所属行业信息匹配；若否，则将主叫号码存储至诈骗号码名单。
8.作为优选方案，利用文本分类模块判断语音信息是否与主叫号码对应的所属行业信息匹配。
9.作为优选方案，所述文本分类模型的分类过程，包括以下步骤：s01、采集目标数量的主叫号码样本，分别匹配骚扰号码名单和分类号码名单得到匹配结果，对匹配结果按照行业分组，利用softmax进行行业抽检概率切分，得到每个行业的抽检比例；s02、根据分类号码名单和骚扰号码名单的数量的比值确定抽检总数，并根据各行业的抽检比例随机选取抽检数据，将抽检数据对应的主叫号码的媒体流进行语音识别得到训练数据；其中，语音识别的过程为将媒体流进行文语转换获取文字，并进行分词和去停用词；s03、根据训练数据提取异构图数据，训练gcn图神经网络模型，得到gcn模型；根据训练数据提取文本量化数据，训练双向编解码器bert，得到bert模型；s04、gcn模型和bert模型的主干融合并冻结主干权重，得到stack模型主干；s05、训练数据依次进行stack模型主干、全连接神经网络的训练，得到stacked模型的输出，即分类结果；s06、判断语音信息对应的分类是否与分类结果匹配；若否，则将相应的主叫号码存储至诈骗号码名单。
10.作为优选方案，所述异构图数据包括词与文本、词与词、文本与行业类型的对应关系。
11.作为优选方案，所述步骤s2中，若判断主叫号码不是骚扰电话且主叫号码在骚扰号码名单中，则对骚扰号码名单进行相应的主叫号码的删除更新。
12.作为优选方案，所述信令数据包括呼叫实时数据和话单数据；呼叫实时数据包括主叫号码、被叫号码、归属网络、资源协商信息和终端信息；话单数据包括主叫号码、被叫号码、振铃时间和通话时间。
13.本发明还提供一种骚扰诈骗电话的防范系统，应用如上任一项方案所述的防范方法，所述防范系统包括：防范骚扰诈骗信息库，包括注册企业可信号码名单、分类号码名单、用户接听意愿分类名单、骚扰号码名单、诈骗号码名单；获取模块，用于获取主叫企业端呼叫被叫用户端的信令数据；判断模块，用于根据信令数据判断主叫号码是否为骚扰电话，还用于根据信令数据判断主叫号码是否属于诈骗号码名单，还用于判断主叫号码是否属于分类号码名单，还用于判断主叫号码对应的所属行业是否在用户接听意愿分类名单的对应行业接听意愿中，还用于判断信令数据中的归属网络是否属于volte，还用于判断信令数据中的被叫资源协商是否成功；执行模块，用于根据判断模块的判断结果执行相应的操作。
14.本发明与现有技术相比，有益效果是：本发明的骚扰诈骗电话的防范方法及系统，基于通信技术提示主叫身份信息，从而便于被叫用户自行判断是否需要接听，能够精准防范骚扰诈骗电话。
附图说明
15.图1是本发明实施例1的骚扰诈骗电话的防范方法的流程图；图2是本发明实施例1的防范骚扰诈骗信息库的构架图；图3是本发明实施例1的主叫终端与被叫终端的呼叫原理图；图4是本发明实施例1的信令数据的构架图；图5是本发明实施例1的骚扰号码名单的更新原理图；图6是本发明实施例1的主叫终端与被叫终端的呼叫接通前的控制图；图7是本发明实施例1的主叫终端与被叫终端的呼叫接通后控制图；图8是本发明实施例1的文本分类模型的训练流程图；图9是本发明实施例1的骚扰诈骗电话的防范系统的构架图。
具体实施方式
16.为了更清楚地说明本发明实施例，下面将对照附图说明本发明的具体实施方式。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的前提下，还可以根据这些附图获得其他的附图，并获得其他的实施方式。
17.实施例1：如图1所示，本实施例的骚扰诈骗电话的防范方法，包括以下步骤：s1、构建防范骚扰诈骗信息库；具体地，防范骚扰诈骗信息库包括注册企业可信号码名单、用户接听意愿分类名单、骚扰号码名单、诈骗号码名单和分类号码名单。其中，诈骗号码名单又称为不可信（诈骗）号码名单。
18.如图2所示，本实施例的注册企业可信号码名单包括号码及其所属企业信息、所属行业信息（即所属身份信息）、展示模板（即展示内容信息）。
19.本实施例的用户接听意愿分类名单包括号码及其对应行业接听意愿。
20.本实施例基于注册企业可信号码名单，根据所属行业构建得到分类号码名单，具体包括号码及其所属行业。
21.本实施例的骚扰号码名单和诈骗号码名单仅包含号码。
22.上述的注册企业可信号码名单和用户接听意愿分类名单通过注册企业或者注册用户自主提交信息获得。
23.s2、获取主叫企业端（简称主叫终端）呼叫被叫用户端（简称被叫终端）的信令数据，并根据信令数据判断主叫号码是否为骚扰电话；若是，则将主叫号码存储至骚扰号码名单；还根据信令数据判断主叫号码是否属于诈骗号码名单，即判断主叫号码是否不可信（诈骗）电话；若否，则转至步骤s3；若是，则拆线。
24.具体地，如图3所示，被叫用户签约，即对被叫终端的被叫用户号码在通信网元上做签约，以获得信令数据进行分析，并对呼叫过程下发控制。
25.如图4所示，本实施例的信令数据包括呼叫实时数据和话单数据。其中，呼叫实时数据包括主叫号码、被叫号码、归属网络、资源协商信息和终端信息；话单数据包括主叫号码、被叫号码、振铃时间和通话时间。
26.如图5所示，获取信令数据之后，根据话单数据通过骚扰行为分析模块分析判断主叫号码是否为骚扰电话（又称骚扰号码），并根据注册企业可信号码名单明确其分类，形成骚扰号码名单。其中，骚扰行为分析模块可以参考现有技术中的骚扰行为分析模块，在此不赘述。
27.另外，若判断主叫号码不是骚扰电话（即正常号码）且主叫号码在骚扰号码名单中，则对骚扰号码名单进行相应的主叫号码的删除更新，即正常出库，保证骚扰号码名单的实时更新。
28.在呼叫发起时，本实施例还根据信令数据判断主叫号码是否属于诈骗号码名单；如果是，则反馈拆线；如果否，则进行后续步骤的分析，如图6所示。
29.s3、判断主叫号码是否属于分类号码名单，即判断主叫号码是否分类电话；若否，则拆线；若是，则转至步骤s4。
30.另外，在上述步骤s3的判断结果为否且在执行拆线之前，还判断主叫号码是否属于骚扰号码名单，即判断主叫号码是否骚扰电话；若是，则执行拆线；若否，则对主叫号码进行放通，以进行后续的诈骗号码分析。
31.s4、判断主叫号码对应的所属行业是否在用户接听意愿分类名单的对应行业接听意愿中；若否，则拆线；若是，则转至步骤s5。
32.具体地，根据信令数据获取被叫号码的对应行业接听意愿分类，再根据主叫号码的所属行业进行比对，对不在对应行业接听意愿中的主叫号码进行拆线，对在对应行业接听意愿中的主叫号码进行后续分析。
33.另外，在步骤s4的判断结果为是之后，还对主叫号码进行放通，以便后续进行诈骗号码分析。
34.s5、判断信令数据中的归属网络是否属于volte；若否，则转至步骤s8；若是，则转至步骤s6。
35.具体地，如图7所示，获取信令数据中的来源s-cscf，分析归属网络，业务平台判断来源s-cscf是否属于volte-as；当来源s-cscf不属于volte-as，需通过基于gsm-flashsms技术的屏显方式提示主叫号码身份；当来源s-cscf属于volte-as，继续进行后续分析。
36.s6、判断信令数据中的被叫资源协商是否成功；若否，则转至步骤s8，若是，则转至步骤s7。
37.具体地，在来源s-cscf属于volte-as的情况下，获取信令数据中的被叫资源协商是否成功的结果；对于被叫资源协商未成功的，需通过基于gsm-flashsms技术的屏显方式提示主叫号码身份；对于被叫资源协商成功的，需要继续进行后续分析。
38.s7、根据主叫号码对应的展示模板，基于volte-crs技术的屏显方式在被叫用户端提示主叫号码信息。
39.具体地，获取呼叫实时数据中的终端信息的终端型号和分辨率，与注册企业可信
号码名单中的主叫号码对应的展示模板匹配。当被叫用户端个性化振铃时，将匹配到的展示模板并基于volte-crs技术在其终端屏幕上展示，从而便于被叫用户自行判断是否需要接听。
40.s8、基于gsm-flashsms技术的屏显方式在被叫用户端提示主叫号码信息。
41.具体地，对于需要通过gsm-flashsms技术的屏显方式提示主叫号码身份的，将主叫号码的身份信息套用在flashsms的文字模板中，向被叫发送，以便在被叫用户端的终端屏幕上展示，从而便于被叫用户自行判断是否需要接听。
42.上述步骤s5至步骤s8的执行过程与本实施例下述的诈骗号码分析的过程可以同步进行，也可以异步进行。
43.如图8所示，本实施例的诈骗号码分析的过程，包括：对主叫号码的媒体流进行语音识别得到语音信息，并判断语音信息是否与主叫号码对应的所属行业信息匹配；若否，则将主叫号码存储至诈骗号码名单。
44.其中，利用文本分类模型判断语音信息是否与主叫号码对应的所属行业信息匹配。
45.具体地，文本分类模型的分类过程，包括以下步骤：s01、采集目标数量的主叫号码样本（即源数据），以下进行数据处理：分别匹配骚扰号码名单和分类号码名单得到匹配结果，对匹配结果按照行业分组，利用softmax进行行业抽检概率切分，得到每个行业的抽检比例f，具体为：其中，i为第i个行业，n为行业数量，xi是第i个行业匹配到的结果数。
46.s02、根据分类号码名单和骚扰号码名单的数量的比值确定抽检总数，并根据各行业的抽检比例随机选取抽检数据，将抽检数据对应的主叫号码的媒体流进行语音识别得到训练数据；其中，语音识别的过程为将媒体流进行文语转换获取文字，并进行分词和去停用词。
47.具体地，语音识别的过程通过ai语音识别模块完成。
48.接着，通过训练2-stage的图神经网络融合双向编解码器的文本分类模型，获取行业分类信息。
49.s03、根据训练数据提取异构图数据，训练gcn图神经网络模型，得到gcn模型；具体地，本实施例训练gcn图神经网络模型进行短文本分类，包括：首先，以训练数据文本的词与文本、词与词、文本与行业类型的对应关系形成非结构化的异构图数据；接着，根据异构图数据获取样本的度矩阵d、邻接矩阵a，计算转换为拉普拉斯矩阵l；度矩阵d为由节点的邻接节点数量组成的对角矩阵；邻接矩阵a利用词与文本、词与词之间的共现关系来进行边的构建，采用固定长度的移动窗口统计单词的全局共现信息，关系的计算公式为：
f(m，n)用于描述单词m、单词n的共现频率，公式为：其中，f
mn
为单词m和单词n共现的滑动窗口的数量，fm为单词m出现的滑动窗口的数量，fm为单词n出现的滑动窗口的数量，m为所有滑动窗口的数量，k为常数；tf是词频，idf是逆文本频率指数。
50.拉普拉斯矩阵l的转换公式为：其中，，代入得到：将下列数据分别传输至gcn的三层结构（依次为激活函数层、激活函数层和输出层）中：其中，w1、w2、w3分别为各层的权重，x为模型输入数据。
51.之后，通过交叉熵loss进行权重迭代，得到gcn模型。
52.其中，gcn模型包括gcn主干（又称gcn特征层）和gcn分类头（又称gcn输出层）。
53.另外，本实施例还根据训练数据提取文本量化数据，训练双向编解码器bert，得到bert模型。
54.具体地，训练双向编解码器bert进行长文本分析，包括：（1）将训练样本的训练数据进行token化，并确定词嵌入维度；（2）搭建双向编解码器bert结构，加载预训练模型；（3）对模型进行finetune训练，确定bert网络权重，即得到bert模型。
55.其中，bert模型包括bert主干（又称bert特征层）和bert分类头（又称bert输出
层）。
56.上述gcn模型和bert模型的具体训练过程可以参考现有技术，在此不赘述。
57.s04、gcn模型和bert模型的主干融合并冻结主干权重，得到stack模型主干。
58.具体地，将gcn模型和bert模型的输出层去除，冻结主干权重，将gcn特征层和bert特征层融合concat得到stack模型主干。
59.s05、训练数据依次进行stack模型主干、全连接神经网络的训练，得到stacked模型的输出，即分类结果。
60.具体地，在stack模型主干之后连接全连接神经网络，并通过stack模型分类头输出最终模型，即stacked模型，作为本实施例的文本分类模型。
61.本实施例通过文本分类模型对主叫号码进行分类，可以得到分类结果。
62.s06、判断语音信息对应的分类是否与分类结果匹配，即判断是否与可信号码所属行业一致；若否，则将相应的主叫号码存储至诈骗号码名单。
63.具体地，获取待诈骗分析的主叫号码对应的分类与样本的分类结果进行匹配；如果不匹配，则不进行反馈；如果匹配，则将待诈骗分析的主叫号码为诈骗号码，存储至诈骗号码名单。
64.对应于本实施例上述的骚扰诈骗电话的防范方法，本实施例还提供相应的骚扰诈骗电话的防范系统（即上述业务平台），包括防范骚扰诈骗信息库、获取模块、判断模块和执行模块，如图9所示。
65.具体地，防范骚扰诈骗信息库包括注册企业可信号码名单、用户接听意愿分类名单、骚扰号码名单、诈骗号码名单和分类号码名单。其中，诈骗号码名单又称为不可信（诈骗）号码名单。
66.本实施例的注册企业可信号码名单包括号码及其所属企业信息、所属行业信息（即所属身份信息）、展示模板（即展示内容信息）。
67.本实施例的用户接听意愿分类名单包括号码及其对应行业接听意愿。
68.本实施例基于注册企业可信号码名单，根据所属行业构建得到分类号码名单，具体包括号码及其所属行业。
69.本实施例的骚扰号码名单和诈骗号码名单仅包含号码。
70.上述的注册企业可信号码名单和用户接听意愿分类名单通过注册企业或者注册用户自主提交信息获得。
71.本实施例的获取模块用于获取主叫企业端呼叫被叫用户端的信令数据。
72.本实施例的判断模块根据信令数据判断主叫号码是否为骚扰电话；若是，则本实施例的执行模块将主叫号码存储至骚扰号码名单；本实施例的判断模块还根据信令数据判断主叫号码是否属于诈骗号码名单，即判断主叫号码是否不可信（诈骗）电话；若否，则进行后续分析；若是，则本实施例的执行模块进行拆线操作。
73.具体地，被叫用户签约，即对被叫用户端的被叫用户号码在通信网元上做签约，以获得信令数据进行分析，并对呼叫过程下发控制。
74.本实施例的信令数据包括呼叫实时数据和话单数据。其中，呼叫实时数据包括主叫号码、被叫号码、归属网络、资源协商信息和终端信息；话单数据包括主叫号码、被叫号
码、振铃时间和通话时间。
75.获取信令数据之后，通过判断模块中的骚扰行为分析模块分析判断主叫号码是否为骚扰电话，并根据注册企业可信号码名单明确其分类，形成骚扰号码名单。其中，骚扰行为分析模块可以参考现有技术中的骚扰行为分析模块，在此不赘述。
76.另外，若判断主叫号码不是骚扰电话且主叫号码在骚扰号码名单中，则本实施例的执行模块对骚扰号码名单进行相应的主叫号码的删除更新，保证骚扰号码名单的实时更新。
77.在呼叫发起时，本实施例的判断模块还根据信令数据判断主叫号码是否属于诈骗号码名单；如果是，则反馈拆线，由执行模块进行拆线操作；如果否，则进行后续步骤的分析。
78.本实施例的判断模块还用于判断主叫号码是否属于分类号码名单，即判断主叫号码是否分类电话；若否，则由执行模块进行拆线操作；若是，则进行后续分析。
79.另外，在本实施例的判断模块判断主叫号码不属于分类号码名单且在执行拆线之前，还通过判断模块判断主叫号码是否属于骚扰号码名单，即判断主叫号码是否骚扰电话；若是，则由执行模块进行拆线操作；若否，则由执行模块对主叫号码进行放通，以进行后续的诈骗号码分析。
80.本实施例的判断模块还用于判断主叫号码对应的所属行业是否在用户接听意愿分类名单的对应行业接听意愿中；若否，则由执行模块进行拆线操作；若是，则进行后续分析。
81.具体地，根据信令数据获取被叫号码的对应行业接听意愿分类，再根据主叫号码的所属行业进行比对，对不在对应行业接听意愿中的主叫号码进行拆线，对在对应行业接听意愿中的主叫号码进行后续分析。
82.另外，在判断主叫号码对应的所属行业在用户接听意愿分类名单的对应行业接听意愿中之后，还通过执行模块对主叫号码进行放通，以便后续进行诈骗号码分析。
83.本实施例的判断模块还用于判断信令数据中的归属网络是否属于volte；若否，则进行后续操作；若是，则进行不同的后续操作。
84.具体地，获取信令数据中的来源s-cscf，分析归属网络，通过判断模块判断来源s-cscf是否属于volte-as；当来源s-cscf不属于volte-as，需通过基于gsm-flashsms技术的屏显方式提示主叫号码身份；当来源s-cscf属于volte-as，继续进行后续分析。
85.本实施例的判断模块还用于判断信令数据中的被叫资源协商是否成功；若否，则转至步骤s8，若是，则转至步骤s7。
86.具体地，在来源s-cscf属于volte-as的情况下，获取信令数据中的被叫资源协商是否成功的结果；对于被叫资源协商未成功的，需通过基于gsm-flashsms技术的屏显方式提示主叫号码身份；对于被叫资源协商成功的，需要继续进行后续分析。
87.本实施例的执行模块根据主叫号码对应的展示模板，基于volte-crs技术的屏显方式在被叫用户端提示主叫号码信息。
88.具体地，获取呼叫实时数据中的终端信息的终端型号和分辨率，与注册企业可信号码名单中的主叫号码对应的展示模板匹配。当被叫用户端个性化振铃时，将匹配到的展示模板并基于volte-crs技术在其终端屏幕上展示，从而便于被叫用户自行判断是否需要
接听。
89.本实施例的执行模块还基于gsm-flashsms技术的屏显方式在被叫用户端提示主叫号码信息。
90.具体地，对于需要通过gsm-flashsms技术的屏显方式提示主叫号码身份的，将主叫号码的身份信息套用在flashsms的文字模板中，向被叫发送，以便在被叫用户端的终端屏幕上展示，从而便于被叫用户自行判断是否需要接听。
91.本实施例的判断模块进行诈骗号码分析的过程可以参考上述具体描述，在不赘述。在判断模块判断出待诈骗分析的主叫号码为诈骗号码时，由执行模块将其存储至诈骗号码名单。
92.上述的volte-crs技术为基于volte的customized ringing signal技术；上述的gsm-flashsms技术为基于gsm的flash short message service技术。
93.以上所述仅是对本发明的优选实施例及原理进行了详细说明，对本领域的普通技术人员而言，依据本发明提供的思想，在具体实施方式上会有改变之处，而这些改变也应视为本发明的保护范围。
技术特征：1.一种骚扰诈骗电话的防范方法，其特征在于，包括以下步骤：s1、构建注册企业可信号码名单、用户接听意愿分类名单、骚扰号码名单和诈骗号码名单；其中，注册企业可信号码名单包括号码及其所属行业信息、展示模板；用户接听意愿分类名单包括号码及其对应行业接听意愿；基于注册企业可信号码名单，根据所属行业构建分类号码名单；s2、获取主叫企业端呼叫被叫用户端的信令数据，并根据信令数据判断主叫号码是否为骚扰电话；若是，则将主叫号码存储至骚扰号码名单；还根据信令数据判断主叫号码是否属于诈骗号码名单；若否，则转至步骤s3；若是，则拆线；s3、判断主叫号码是否属于分类号码名单；若否，则拆线；若是，则转至步骤s4；s4、判断主叫号码对应的所属行业是否在用户接听意愿分类名单的对应行业接听意愿中；若否，则拆线；若是，则转至步骤s5；s5、判断信令数据中的归属网络是否属于volte；若否，则转至步骤s8；若是，则转至步骤s6；s6、判断信令数据中的被叫资源协商是否成功；若否，则转至步骤s8，若是，则转至步骤s7；s7、根据主叫号码对应的展示模板，基于volte-crs技术的屏显方式在被叫用户端提示主叫号码信息；s8、基于gsm-flashsms技术的屏显方式在被叫用户端提示主叫号码信息。2.根据权利要求1所述的一种骚扰诈骗电话的防范方法，其特征在于，在步骤s3的判断结果为否且在执行拆线之前，还包括以下步骤：判断主叫号码是否属于骚扰号码名单；若是，则执行拆线；若否，则对主叫号码进行诈骗号码分析。3.根据权利要求2所述的一种骚扰诈骗电话的防范方法，其特征在于，在步骤s4的判断结果为是之后，还包括以下步骤：对主叫号码进行诈骗号码分析。4.根据权利要求3所述的一种骚扰诈骗电话的防范方法，其特征在于，所述诈骗号码分析，包括：对主叫号码的媒体流进行语音识别得到语音信息，并判断语音信息是否与主叫号码对应的所属行业信息匹配；若否，则将主叫号码存储至诈骗号码名单。5.根据权利要求4所述的一种骚扰诈骗电话的防范方法，其特征在于，利用文本分类模型判断语音信息是否与主叫号码对应的所属行业信息匹配。6.根据权利要求5所述的一种骚扰诈骗电话的防范方法，其特征在于，所述文本分类模型的分类过程，包括以下步骤：s01、采集目标数量的主叫号码样本，分别匹配骚扰号码名单和分类号码名单得到匹配结果，对匹配结果按照行业分组，利用softmax进行行业抽检概率切分，得到每个行业的抽检比例；s02、根据分类号码名单和骚扰号码名单的数量的比值确定抽检总数，并根据各行业的抽检比例随机选取抽检数据，将抽检数据对应的主叫号码的媒体流进行语音识别得到训练
数据；其中，语音识别的过程为将媒体流进行文语转换获取文字，并进行分词和去停用词；s03、根据训练数据提取异构图数据，训练gcn图神经网络模型，得到gcn模型；根据训练数据提取文本量化数据，训练双向编解码器bert，得到bert模型；s04、gcn模型和bert模型的主干融合并冻结主干权重，得到stack模型主干；s05、训练数据依次进行stack模型主干、全连接神经网络的训练，得到stacked模型的输出，即分类结果；s06、判断语音信息对应的分类是否与分类结果匹配；若否，则将相应的主叫号码存储至诈骗号码名单。7.根据权利要求6所述的一种骚扰诈骗电话的防范方法，其特征在于，所述异构图数据包括词与文本、词与词、文本与行业类型的对应关系。8.根据权利要求1所述的一种骚扰诈骗电话的防范方法，其特征在于，所述步骤s2中，若判断主叫号码不是骚扰电话且主叫号码在骚扰号码名单中，则对骚扰号码名单进行相应的主叫号码的删除更新。9.根据权利要求1-8任一项所述的一种骚扰诈骗电话的防范方法，其特征在于，所述信令数据包括呼叫实时数据和话单数据；呼叫实时数据包括主叫号码、被叫号码、归属网络、资源协商信息和终端信息；话单数据包括主叫号码、被叫号码、振铃时间和通话时间。10.一种骚扰诈骗电话的防范系统，应用如权利要求1-9任一项所述的防范方法，其特征在于，所述防范系统包括：防范骚扰诈骗信息库，包括注册企业可信号码名单、分类号码名单、用户接听意愿分类名单、骚扰号码名单、诈骗号码名单；获取模块，用于获取主叫企业端呼叫被叫用户端的信令数据；判断模块，用于根据信令数据判断主叫号码是否为骚扰电话，还用于根据信令数据判断主叫号码是否属于诈骗号码名单，还用于判断主叫号码是否属于分类号码名单，还用于判断主叫号码对应的所属行业是否在用户接听意愿分类名单的对应行业接听意愿中，还用于判断信令数据中的归属网络是否属于volte，还用于判断信令数据中的被叫资源协商是否成功；执行模块，用于根据判断模块的判断结果执行相应的操作。
技术总结本发明涉及一种骚扰诈骗电话的防范方法及系统，防范方法包括：构建防范骚扰诈骗信息库；获取主叫企业端呼叫被叫用户端的信令数据，并根据信令数据依次判断主叫号码是否为骚扰电话、是否属于诈骗号码名单、是否属于分类号码名单、主叫号码对应的所属行业是否在用户接听意愿分类名单的对应行业接听意愿中、信令数据中的归属网络是否属于VoLTE、信令数据中的被叫资源协商是否成功；之后执行不同的屏显方式，基于VoLTE-CRS技术的屏显方式或GSM-FlashSMS技术的屏显方式在被叫用户端提示主叫号码信息。本发明基于通信技术提示主叫身份信息，从而便于被叫用户自行判断是否需要接听，能够精准防范骚扰诈骗电话。能够精准防范骚扰诈骗电话。能够精准防范骚扰诈骗电话。
技术研发人员：陈晓莉 聂宜君 赵祥廷 潘昊 林建洪 谢毅嘉 唐杰琴
受保护的技术使用者：浙江鹏信信息科技股份有限公司
技术研发日：2022.06.01
技术公布日：2022/7/5
