基于运营商大数据的反欺诈模型研究与应用

刘卉芳

（中国联通广东分公司，广东 广州 510627）

1 引言

近年来，我国通讯诈骗案件每年以20%～30%的速度快速增长，2013年至今，全国共发生千万元以上的电信诈骗案件94起，百万元以上的案件2085起。通信信息诈骗已经成为信息社会久治不愈的顽疾，严重危害公众的财产安全和社会的诚信体系，同时对运营商的企业形象产生负面的影响。要想有效治理通信信息诈骗，运营商的主动介入是其中不可或缺的环节，从源头上进行治理，将通信信息诈骗拦截在发生之前，可以帮助有效减少通信信息诈骗。对欺诈用户和过度营销用户的识别是运营商介入的首要前提条件。因此，本文提出一个反欺诈模型，通过运营商大数据分析和机器学习算法，对电信欺诈用户和过度营销用户进行甄别。模型上线以来，日均输出移网疑似诈骗用户2000左右，模型查准率可达95%以上，12321网站投诉量较应用上线前下降150%，模型应用效果显著。

2 模型构建流程

在现有的研究中，电信反欺诈模型以业务经验规则居多[1,2]。其中，韩利强[3]通过对用户短时间内拨打连续号段号码个数超限等作为判断条件进行识别，利用相应监控识别系统对骚扰电话进行拦截；石强[5]通过手机号前2位，手机号前3位，归属运营商及省分地市等特征进行多维度组合分析，得到欺诈用户的明显特征，用于反欺诈模型的建立。但是，以上研究仅从用户号码及呼叫行为进行识别，数据源类型较为单一，这可能会导致模型的识别精度下降[6]。……