基于马尔科夫随机场的电信欺诈用户检测方法

高雅诗，李静林

(北京邮电大学 计算机学院，北京 100876)

0 引言

近年来，频发的电信欺诈犯罪给百姓造成了巨大的财产损失，为此，司法机关和电信企业采取各种措施来防范电信欺诈，从大数据技术方面入手，运用人工智能方法以求遏制电信欺诈行为。

早期欺诈检测使用基础机器学习的算法进行用户通话特征分析[1-2]，之后又引入自然语言处理,通过用户通话内容进行欺诈预测[3]。一些学者还使用了神经网络与其他相关模型相结合来完成欺诈检测[4]。以上方法均可以有效地帮助识别电信欺诈用户，但主要使用用户的通话内容，所需的数据存在特征维度大、需求时间跨度长等问题。

如今，对于欺诈的预测逐渐利用到了社交网络。目前，基于社交网络结构的方法可以分为2类：基于随机游走(Random Walk，RW)的方法和基于循环置信传播(Loopy Belief Propagation，LBP)的方法。RW主要是以边权对边缘概率的相对重要性(信任等级)建模[5-8]；LBP则是用边权模拟共享相同标签的趋势[9-11]。RW一般无法同时鉴别正常异常，LBP一般不可扩展，不能保证收敛。

目前，大部分电信欺诈行为检测主要针对用户的通话数据特征进行检测，少有利用用户社交关系进行分类的情况，且后者大多利用用户社交网络的拓扑关系划分社区的方法，忽略了用户自身的数据特征。

面对大规模的电信用户欺诈行为预测分析，仍存在以下挑战：① 通信社交网络的建立。通信用户节点多，网络拓扑结构复杂，计算复杂度随之指数型增加，需要找到合适的网络数据计算方法。……