一種電信詐騙識別方法及數據處理設備與流程

2023-04-25 00:44:47 2

本發明涉及電子技術領域，尤其涉及一種電信詐騙識別方法及數據處理設備。

背景技術：

近年來，隨著我國金融、通信業的快速發展，藉助移動手機、固定電話、網際網路等電信工具進行金融詐騙等類型的犯罪案件頻發，給人民群眾財產造成了巨大的損失，極大擾亂了社會秩序。而且，電信詐騙活動越來越呈現信息化和智能化的趨勢，尤其是偽基站、網絡改號軟體、釣魚網址、木馬病毒等高科技手段的非法使用，使得案件調查、嫌犯控制、贓款追繳的極其困難。

目前，針對如何有效識別電信詐騙活動，業內各界人士進行了積極地探索，提出並實施了一些解決方案。其中，現有的主流解決方案中，一種方案是：針對詐騙行為本身進行的單環節、靜態的詐騙防範手段，即將詐騙者的電話號碼、語音等內容與已有的詐騙事件資料庫中的相關內容進行匹配以確定詐騙事件。例如，電子設備通過聲紋認證、語音識別、自然語言理解等技術，將收到的來電號碼、語音信息等內容與詐騙信息資料庫中的黑名單信息進行匹配分析，從而識別出可疑的詐騙事件。然而，隨著偽基站、網絡改號軟體等方式的非法應用，來電號碼、語音內容等被詐騙者預先進行了偽造處理，使得對來電號碼、語音內容等進行黑名單信息的匹配失去了意義，從而導致電信詐騙識別率較低；另一種方案是：電子設備結合自身的資料庫對用戶收到的簡訊、語音及其它通信內容中的關鍵字進行匹配，以判別簡訊、語音及其它通信信息是否為詐騙信息，但隨著詐騙者的詐騙手段和行為不斷演進，僅僅針對關鍵詞進行匹配分析的電信詐騙識別技術很難有效的洞察出詐騙事件，使得電信詐騙識別率較低。

綜上，現有技術中存在電子設備對詐騙事件的識別率較低的技術問題。

技術實現要素：

本發明實施例提供一種電信詐騙識別方法及數據處理設備，用以解決現有技術中存在的電子設備對詐騙事件的識別率較低的技術問題。

一方面，本發明實施例提供一種電信詐騙識別方法，應用於數據處理設備，包括：

獲取來自與所述數據處理設備連接的終端設備的用戶行為信息，所述用戶行為信息用於指示第一用戶針對所述終端設備中的待評估信息進行的操作行為；基於至少一個評估指標對所述用戶行為信息進行處理，獲得評估概率；其中，所述至少一個評估指標為基於歷史詐騙事件確定的、用於表徵所述第一用戶對所述歷史詐騙事件的敏感度，所述評估概率用於表徵所述用戶行為信息所指示的操作與所述歷史詐騙事件相關的歷史操作的匹配度；若所述評估概率大於預設概率，確定所述待評估信息為電信詐騙信息。

可選的，在基於至少一個評估指標對所述用戶行為信息進行處理，獲得評估概率之前，所述方法還包括：確定多個歷史詐騙事件；獲取所述多個歷史詐騙事件中每個歷史詐騙事件相關的詐騙信息和用戶信息，所述詐騙信息指示了相應歷史詐騙事件的詐騙行為；對所述詐騙信息和所述用戶信息進行處理，確定用於指示所述多個歷史詐騙事件中每個歷史詐騙事件的事件特徵的第一評估指標，及用於指示所述多個用戶中每個用戶受到詐騙的難易程度的第二評估指標。

可選的，所述基於至少一個評估指標對所述用戶行為信息進行處理，獲得評估概率，包括：基於所述第一評估指標及所述用戶行為信息，確定用於表徵所述第一用戶的用戶行為信息對應的用戶操作與所述詐騙信息指示的詐騙行為之間的相似度的第一參考值，及，基於所述第二評估指標及所述用戶行為信息，確定用於表徵所述第一用戶的當前操作相對於所述第一用戶針對所述歷史詐騙事件的歷史操作的傾向度的第二參考值；基於所述第一參考值和/或所述第二參考值，獲得評估概率。

可選的，所述基於所述第一參考值和/或所述第二參考值，獲得評估概率，包括：設置至少一個權重，所述至少一個權重包括與所述第一參考值對應的第一權重，和/或與所述第二參考值對應的第二權重；基於所述第一參考值、所述第二參考值及所述至少一個權重，確定所述評估概率。

可選的，在若所述評估概率大於預設概率，確定所述待評估信息為電信詐騙信息之後，所述方法還包括：基於所述電信詐騙信息，確定與所述用戶行為信息相關的提示信息，所述提示信息用於提示用戶對所述電信詐騙信息進行處理；通過所述數據處理設備或者與所述數據處理設備相連的第三方輔助設備輸出所述提示信息。

另一方面，本發明實施例提供一種數據處理設備，包括：

第一獲取模塊，用於獲取來自與所述數據處理設備連接的終端設備的用戶行為信息，所述用戶行為信息用於指示第一用戶針對所述終端設備中的待評估信息進行的操作行為；第一處理模塊，用於基於至少一個評估指標對所述用戶行為信息進行處理，獲得評估概率；其中，所述至少一個評估指標為基於歷史詐騙事件確定的、用於表徵所述第一用戶對所述歷史詐騙事件的敏感度，所述評估概率用於表徵所述用戶行為信息所指示的操作與所述歷史詐騙事件相關的歷史操作的匹配度；第一確定模塊，用於若所述評估概率大於預設概率，確定所述待評估信息為電信詐騙信息。

可選的，所述數據處理設備還包括：第二確定模塊，用於確定多個歷史詐騙事件；第二獲取模塊，用於獲取所述多個歷史詐騙事件中每個歷史詐騙事件相關的詐騙信息和用戶信息，所述詐騙信息指示了相應歷史詐騙事件的詐騙行為；第二處理模塊，用於對所述詐騙信息和所述用戶信息進行處理，確定用於指示所述多個歷史詐騙事件中每個歷史詐騙事件的事件特徵的第一評估指標，及用於指示所述多個用戶中每個用戶受到詐騙的難易程度的第二評估指標。

可選的，所述第一處理模塊用於：基於所述第一評估指標及所述用戶行為信息，確定用於表徵所述第一用戶的用戶行為信息對應的用戶操作與所述詐騙信息指示的詐騙行為之間的相似度的第一參考值，及，基於所述第二評估指標及所述用戶行為信息，確定用於表徵所述第一用戶的當前操作相對於所述第一用戶針對所述歷史詐騙事件的歷史操作的傾向度的第二參考值；基於所述第一參考值和/或所述第二參考值，獲得評估概率。

可選的，所述第一處理模塊用於：設置至少一個權重，所述至少一個權重包括與所述第一參考值對應的第一權重，和/或與所述第二參考值對應的第二權重；基於所述第一參考值、所述第二參考值及所述至少一個權重，確定所述評估概率。

可選的，所述數據處理設備還包括：第三確定模塊，用於在若所述評估概率大於預設概率，確定所述待評估信息為電信詐騙信息之後，基於所述電信詐騙信息，確定與所述用戶行為信息相關的提示信息，所述提示信息用於提示用戶對所述電信詐騙信息進行處理；輸出模塊，用於通過所述數據處理設備或者與所述數據處理設備相連的第三方輔助設備輸出所述提示信息。

上述技術方案中的一個或多個技術方案，具有如下技術效果或優點：

本發明實施例中，數據處理設備通過獲取來自與其連接的終端設備的用戶行為信息，該用戶行為信息用於指示第一用戶針對終端設備中的待評估信息進行的操作行為，進而，基於至少一個評估指標對用戶行為信息進行處理，獲得相應的評估概率，其中，至少一個評估指標為基於歷史詐騙事件確定的、用於表徵第一用戶對歷史詐騙事件的敏感度，評估概率用於表徵用戶行為信息所指示的操作與歷史詐騙事件相關的歷史操作的匹配度；若評估概率大於預設概率，確定待評估信息為電信詐騙信息，因此，通過基於歷史詐騙事件確定的、用於表徵第一用戶對歷史詐騙事件的敏感度的至少一個評估指標對用戶行為信息進行處理，使得數據處理設備可以更準確地判別用戶遭受詐騙的可能性，從而解決了電子設備對詐騙事件的識別率較低的技術問題，實現提升識別詐騙行為的準確性的技術效果。

附圖說明

為了更清楚地說明本發明實施例或現有技術中的技術方案，下面將對實施例或現有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖是本發明的一些實施例，對於本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他的附圖。

圖1為本發明實施例中電信詐騙識別方法的流程圖；

圖2為本發明實施例中數據處理設備的模塊示意圖。

具體實施方式

為使本發明實施例的目的、技術方案和優點更加清楚，下面將結合本發明實施例中的附圖，對本發明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例是本發明一部分實施例，而不是全部的實施例。基於本發明中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都屬於本發明保護的範圍。

本發明實施例中，數據處理設備可以是具有數據採集功能，並可以利用數據挖掘等技術對採集的數據進行大數據處理的設備，如遠端數據採集器、無線數據採集器、網頁數據採集器等，數據處理設備具體為哪種設備可以與實際中的應用相關，本發明實施例不作任何限制。

相應地，本發明實施例中，數據處理設備可以連接有多個終端設備，其中終端設備可以是手機、電腦、傳感設備等等。在實際應用中，終端設備可以通過有線方式，如採用同軸電纜、雙絞線、光纖等與數據處理設備進行有線連接，或者，終端設備也可以通過無線方式，如無線保真(wireless-fidelity，wi-fi)、藍牙等無線網絡與數據處理設備進行無線連接，以接收或者發送相關信息。

另外，本文中術語「和/或」，僅僅是一種描述關聯對象的關聯關係，表示可以存在三種關係，例如，a和/或b，可以表示：單獨存在a，同時存在a和b，單獨存在b這三種情況。另外，本文中字符「/」，一般表示前後關聯對象是一種「或」的關係。

下面結合附圖對本發明優選的實施方式進行詳細的說明。

請參見圖1，本發明實施例提供一種電信詐騙識別方法，可以應用於數據處理設備，該方法的過程可以描述如下：

s100：獲取來自與數據處理設備連接的終端設備的用戶行為信息，該用戶行為信息用於指示第一用戶針對終端設備中的待評估信息進行的操作行為；

s200：基於至少一個評估指標對用戶行為信息進行處理，獲得評估概率；其中，至少一個評估指標為基於歷史詐騙事件確定的、用於表徵第一用戶對歷史詐騙事件的敏感度，評估概率用於表徵用戶行為信息所指示的操作與歷史詐騙事件相關的歷史操作的匹配度；

s300：若評估概率大於預設概率，確定待評估信息為電信詐騙信息。

s100中，用戶行為信息可以為用戶針對終端設備進行的行為信息，如用戶通過手機進行撥號、收發簡訊、瀏覽購物車、購買等行為，又如用戶在金融機構進行匯款、取款等行為，可以用於指示用戶針對終端設備中的待評估信息進行的操作行為。

本發明實施例中，待評估信息可以是終端設備中的信息，如接收的簡訊、來電、瀏覽器中的網頁或顯示界面的廣告彈窗等信息。第一用戶可以是當前使用終端設備的用戶。

在實際應用中，數據處理設備實時獲取第一用戶針對終端設備中的待評估信息進行操作的用戶行為信息，並將這些用戶行為信息存儲於數據處理設備中的用戶信息資料庫。後續數據處理設備可以利用相關算法對存儲於用戶信息資料庫中的數據進行相應的處理。相應的，數據處理設備中還可以有詐騙信息資料庫，可以用於存儲與詐騙事件相關的所有詐騙信息。即本發明實施例中，與用戶相關的信息均存儲於用戶信息資料庫中，與詐騙事件相關的信息均存儲於詐騙信息資料庫中，提高了後續數據處理設備在進行數據處理的過程中調用數據的便捷性。

舉例來說，假設用戶a的手機收到了一條簡訊，簡訊內容為：「尊敬的用戶a您好，恭喜您申購的xx公司的新股中籤，共計500股，現已對您的帳戶資金進行凍結，詳情請諮詢134****1142」。在此場景中，待評估信息可以是為用戶a收到的這條簡訊及簡訊內容，而用戶行為信息可以指示用戶a對這條簡訊的內容的相關操作行為，如用戶刪除簡訊、打開讀取簡訊、對簡訊中的號碼134****1142進行撥號等操作行為。

s200中，至少一個評估指標可以是數據處理設備經過對歷史詐騙事件及與歷史詐騙事件相關的用戶的信息進行分析後得到的、可以表徵用戶對歷史詐騙事件的敏感度的指標，如與用戶相關且可以體現出用戶的特徵，如性格、愛好等的電信詐騙易感參數，與詐騙事件相關的電信詐騙特徵向量等。數據處理設備可以根據至少一個評估指標對用戶行為信息進行分析處理，以得到評估概率。

在實際應用中，數據處理設備可以僅根據一個評估指標對用戶行為信息進行分析處理，得到一個評估概率，如數據處理設備可以根據與用戶相關的電信詐騙易感參數，利用推薦算法，如商品推薦算法、關聯規則算法等，對用戶行為信息進行分析處理，可以得到第一用戶發生某種詐騙行為的傾向度，該傾向度可以是一個概率值，即評估概率。

或者，數據處理設備也可以根據與詐騙事件相關的電信詐騙特徵向量，利用分類算法，如貝葉斯分類算法等，對用戶行為信息進行分析計算，得到第一用戶的當前用戶行為與已有的電信詐騙行為之間的匹配度，該匹配度的值也可以為本發明實施例中的評估概率。

或者，為使得評估概率更加的精確，數據處理設備還可以根據兩個或者兩個以上的評估指標對用戶行為信息進行分析處理，得到一個評估概率，如同時根據電信詐騙易感參數和電信詐騙特徵向量對用戶行為信息進行分析計算，得到一個評估概率。具體使用幾種評估指標對用戶行為信息進行分析，可以根據實際應用來確定，本發明實施例不作限制。

其中，評估概率可以表徵用戶行為信息所指示的操作與歷史詐騙事件相關的歷史操作之間的相似度，如歷史詐騙事件為釣魚網站詐騙，其相關的歷史操作步驟可以包括點開網絡連結、登錄用戶帳號、瀏覽商品、點開廣告彈窗等，其中「廣告彈窗」即為釣魚網站的病毒源，因此，評估概率所表徵的相似度可以為第一用戶當前的操作步驟與歷史操作步驟之間的相似度，如第一用戶依次按照上述步驟進行操作，顯然評估概率所表徵的相似度會很高。

可選的，至少一個評估指標的確定可以包括以下步驟：

首先，數據處理設備可以確定其詐騙信息資料庫中的多個歷史詐騙事件，其中，歷史詐騙事件可以是已經發生的電信詐騙活動，可以包括詐騙信息，該詐騙信息可以指示與詐騙信息相應的歷史詐騙事件的詐騙行為，並且歷史詐騙事件還可以涉及針對該歷史詐騙事件進行過操作的用戶及與這些用戶相關的用戶信息。

在實際應用中，數據處理設備可以通過網絡實時收集歷史詐騙事件和用戶信息，或者終端設備可以向數據處理設備上傳歷史詐騙事件和用戶信息。後續，數據處理設備可以根據歷史詐騙事件分析出每個詐騙事件的相關特徵，如主要詐騙領域、針對的主要人群等特徵；數據處理設備還可以根據用戶信息分析出每個用戶的基本特徵，如可以根據用戶信息指示的用戶受教育的程度，分析用戶傾向於哪些領域的詐騙事件等。

在具體的實施過程中，用戶信息可以包括用戶基本信息、用戶實時行為信息及用戶個性標籤信息等。用戶基本信息可以為用戶個人信息，如用戶身高、體重、興趣愛好、職業、教育程度等信息；用戶實時行為信息可以包括用戶針對終端設備中的信息進行操作的操作行為信息，如用戶撥號、收發簡訊、瀏覽購物車、購買等行為；用戶個性標籤信息可以是用戶自定義的信息，如用戶在社交帳號上的個性籤名等，其中，用戶個性標籤信息可以表徵用戶的主觀認識，可以體現出用戶的人物性格等信息。

然後，數據處理設備可以獲取多個歷史詐騙事件中每個歷史詐騙事件相關的詐騙信息和用戶信息，詐騙信息指示了相應歷史詐騙事件的詐騙行為。例如，詐騙信息可以是用戶收到的包括電話號碼或者網絡連結的簡訊，其中，簡訊中的電話號碼為詐騙號碼，網絡連結為帶有木馬病毒的網址連結，這時，用戶撥打簡訊中的電話號碼的撥號行為可以為詐騙信息所指示的詐騙行為，或者用戶點擊簡訊中的網址連結的點擊行為可以為詐騙信息所指示的詐騙行為。

其次，數據處理設備可以對詐騙信息和用戶信息進行處理，確定用於指示多個歷史詐騙事件中每個歷史詐騙事件的事件特徵的第一評估指標，及用於指示多個用戶中每個用戶受到詐騙的難易程度的第二評估指標。本發明實施例中，主要以第一評估指標可以為電信詐騙特徵向量，而第二評估指標可以為電信詐騙易感參數為例。

在實際應用中，確定評估指標包括但不僅限於以下兩種方式：

方式一、數據處理設備利用類似於用戶畫像算法的行為畫像算法對詐騙信息進行分析處理，確定用於指示多個歷史詐騙事件中每個歷史詐騙事件的事件特徵的第一評估指標，其中，事件特徵中包括了詐騙事件的行為特徵。

比如，詐騙事件為簡訊詐騙，則詐騙事件的行為特徵可以為用戶對手機收到的詐騙簡訊中的號碼進行的撥號操作；或者，若詐騙事件為點對點(peer-to-peer，p2p)網絡借貸金融詐騙事件，則詐騙事件的行為特徵可以為用戶在p2p網絡借貸平臺上對未經過平臺驗證的銀行帳號進行匯款的操作等。

為更直觀的表示第一評估指標的確定過程，下面以第一評估指標可以是電信詐騙特徵向量為例，引入獲得電信詐騙特徵向量的公式(1)，需要說明的是，該公式只是適應性的，即公式(1)只是給出了電信詐騙特徵向量、詐騙信息及事件特徵之間的函數關係。

z電信詐騙特徵向量＝f行為畫像算法(y詐騙信息，y事件特徵)公式(1)

在實際應用中，由於行為畫像算法有多種分類，使用不同的畫像算法對詐騙信息進行分析處理，可以得到不同的結果。比如，一方面，有些行為畫像算法，如關聯規則數據挖掘算法、協同過濾算法等，對詐騙信息進行分析計算後，得到的電信詐騙特徵向量可以為一維，即計算得到的可以是一個確切的值，這時，該值可以表示詐騙信息所相應的歷史詐騙事件騙到用戶的難度，如從1到100，難度逐級遞增，若上述計算出的值為40，則表示相應的歷史詐騙事件騙到用戶的難度為40，即用戶容易受到該歷史詐騙事件的詐騙。

另一方面，有些行為畫像算法，如分類與回歸樹(classificationandregressiontrees,cart)等決策樹算法，對詐騙信息進行分析計算後，得到的電信詐騙特徵向量可以為多維，即計算後得到的為一個向量，這時，該電信詐騙特徵向量可以表示相應的歷史詐騙事件在哪些步驟或者操作上容易騙到用戶。

方式二、數據處理設備可以利用用戶畫像算法對用戶信息進行分析處理，可以確定用於指示多個用戶中每個用戶受到詐騙的難易程度的第二評估指標。

同樣的，為更直觀的表示第二評估指標的確定過程，下面以第二評估指標可以是電信詐騙易感參數為例，引入獲得電信詐騙易感參數的公式(2)，需要說明的是，該公式只是適應性的，即公式(1)只是給出了電信詐騙易感參數、用戶基本信息、用戶行為信息及用戶個性標籤信息之間的函數關係。

z電信詐騙易感參數＝f用戶畫像算法(x基本信息，x行為信息，x個性標籤)公式(2)

公式(2)中，x基本信息表示用戶基本信息，x行為信息表示用戶行為信息，x個性標籤表示用戶個性標籤信息，其中，上述三類信息可以根據實際情況進行選擇使用，如若數據處理設備並未採集到用戶個性標籤信息，則數據處理設備可以根據用戶基本信息和用戶行為信息，利用用戶畫像算法計算得到用戶的電信詐騙易感參數。

在實際應用中，用戶畫像算法有很多種，有的畫像算法，如關聯規則數據挖掘算法等，可以求出確切的值，則該確切的值就是電信詐騙易感參數值，可以表徵用戶受到詐騙的難易程度。比如，難度1-100，逐級遞增，即1難度最低，100難度最高，若數據處理設備利用用戶畫像算法對用戶信息進行處理後，得到一個確切值為60，則可以說明該用戶受到詐騙的難度較高，即該用戶不容易受到詐騙。

而有的畫像算法，如分類與回歸樹(classificationandregressiontrees,cart)等決策樹算法，對用戶信息進行分析計算後，得出的電信詐騙易感參數可以為多維，即計算以後得到的是關於用戶的特徵向量，即可以表徵用戶在哪些方面或者領域容易受到詐騙。

可選的，根據至少一個評估指標對用戶行為信息進行處理，獲得評估概率不僅限於以下兩種情況：

情況一、根據第一評估指標及用戶行為信息，確定用於表徵第一用戶的用戶行為信息對應的用戶操作與詐騙信息所指示的詐騙行為之間的相似度的第一參考值。

在實際應用中，假設第一評估指標為電信詐騙特徵向量，則數據處理設備可以根據該電信詐騙特徵向量對用戶行為信息進行評估，如數據處理設備可以利用分類算法，如貝葉斯分類算法等，計算當前用戶行為信息對應的用戶操作與詐騙信息所指示的詐騙行為之間的相似度，而計算出來的相似度的值即為第一參考值，其範圍可以為[0，1]。由於分類算法種類繁多，具體選用哪種分類算法進行計算可以根據實際應用進行選擇，本發明實施例中不作限制，並且上述分類算法的計算過程與現有技術中的分類算法的計算過程一致，本發明實施例不作贅述。然後，數據處理設備可以根據計算出的第一參考值，獲取評估概率。

情況二、根據第二評估指標及用戶行為信息，確定用於表徵第一用戶的當前操作相對於第一用戶針對歷史詐騙事件的歷史操作的傾向度的第二參考值。

在具體的實施過程中，假設第二評估指標為與用戶相關的電信詐騙易感參數，則數據處理設備可以根據電信詐騙易感參數對用戶行為信息進行評估，如數據處理設備可以利用推薦算法，如商品推薦算法等，計算第一用戶的當前操作相對於第一用戶針對歷史詐騙事件的歷史操作的傾向度，即計算第一用戶發生某種詐騙行為的傾向度，而計算出的傾向度的值即為第二參考值，其範圍也可以為[0，1]。可以根據實際情況選擇恰當的算法計算用戶當前發生某種詐騙行為的傾向度，具體採用何種推薦算法進行計算，本發明實施例不作任何限制，同樣地，上述推薦算法的計算過程與現有技術中推薦算法的計算過程一致，本發明實施例不作贅述。然後，數據處理設備可以根據第二參考值，獲得一評估概率。

在實際應用中，數據處理設備可以通過上述兩種情況中的一種評估方式或者同時使用上述兩種評估方式對用戶行為信息進行評估，以獲得評估概率。

可選的，基於第一參考值和/或第二參考值，獲得一評估概率，可以包括：設置至少一個權重，該至少一個權重包括與第一參考值對應的第一權重，和/或，與第二參考值對應的第二權重；其中，第一權重用於表徵在判定第一用戶是否受到詐騙的過程中第一參考值佔的比重，第二權重用於表徵在判定第一用戶是否受到詐騙的過程中第二參考值佔的比重；基於第一參考值、第二參考值及至少一個權重，確定評估概率。

為更加直觀的介紹評估概率的獲取過程，下面引入評估概率函數關係的公式(3)，公式(3)只是適應性的，即公式(3)只是給出了下述相關變量之間的函數關係，並不是用於對評估概率的計算進行限制。

p評估＝a權重*f分類算法(z電信詐騙特徵向量，y用戶行為信息)+(1-a權重)*f推薦算法(z電信詐騙易感參數，y用戶行為信息)公式(3)

公式(3)中，a權重在本發明實施例中可以稱為第一權重，其值域為[0，1]，相應的，(1-a權重)可以為第二權重；或者，a權重在本發明實施例中也可以為第二權重，則相應地，(1-a權重)可以為第一權重，本發明實施例中，第一權重與第二權重之和可以為1。

需要說明的是，在實際應用中，若數據處理設備使用三個或者三個以上的評估指標對用戶行為信息進行評估，即也可相應設置三個或者三個以上的權重，無論是何種情況，數據處理設備或者用戶設置的權重之和均為1；z電信詐騙特徵向量即可以對應於上述的第一評估指標，z電信詐騙易感參數可以對應於第二評估指標；f分類算法為分類算法，f推薦算法為推薦算法，該兩個算法在上文中已作介紹，在此不再贅述；y用戶行為信息可以表示為用戶的實時行為操作等信息；p評估可以表示評估概率。

由公式(3)可知，在實際應用中，權重的設定方式可以為：數據處理設備可以根據用戶信息資料庫的信息量和詐騙信息資料庫信息量自動設置至少一個權重。

比如，在資料庫存儲範圍相當的情況下，數據處理設備檢測到用戶信息資料庫的信息量為60％，而詐騙信息資料庫的信息量為20％，即用戶信息資料庫的數據比詐騙信息資料庫的數據更為豐富，這時，數據處理設備可以首先選擇設置第二權重，將側重點放在判定第一用戶的當前操作相對於第一用戶針對歷史詐騙事件的歷史操作的傾向度上，增加第二參考值在判定第一用戶是否受到詐騙的過程中的比重。或者，若數據處理設備檢測到用戶信息資料庫的信息量為10％，而詐騙信息資料庫的信息量70％，即詐騙信息資料庫的數據比用戶信息資料庫的數據更為豐富，這時，數據處理設備可以首先設置第一權重，即數據處理設備可以將側重點放在第一用戶的用戶行為信息對應的用戶操作與詐騙信息所指示的詐騙行為之間的相似度上，增加第一參考值在判定第一用戶是否受到詐騙的過程中的比重。

下面介紹a權重設置在其範圍的兩個端點處，即a權重為0或者a權重為1的兩種情況。

比如，設置a權重為0時，則由公式(3)可得到：

p評估＝f推薦算法(z電信詐騙易感參數，y用戶行為信息)公式(4)

即公式(4)中，數據處理設備利用推薦算法計算得到的第一用戶的當前操作相對於第一用戶針對歷史詐騙事件的歷史操作的傾向度即為評估概率。

或者，設置a權重為1，則由公式(3)可得到：

p評估＝f分類算法(z電信詐騙特徵向量，y用戶行為信息)公式(5)

即公式(5)中，數據處理設備利用分類算法計算得到的第一用戶行為信息對應的用戶操作與詐騙信息所指示的詐騙行為之間的相似度即為評估概率值。

當然，在實際應用中，為使得評估概率的值更為準確，a權重也可以設定為其範圍內的值，如0.6，這時可以利用公式(3)獲得評估概率的值。

s300中，預設概率可以根據實際情況進行設定，比如若相關部門當前對電信詐騙打擊力度加大時，可以把預設概率設得低一點，如50％等，使得更多詐騙事件或者類似的詐騙事件落入相關部門處理的範圍；若當前詐騙事件過多，且用戶對詐騙事件的認知已經達到了一定的程度時，這一點可以通過上述的電信詐騙易感參數進行判定，這時，可以將預設概率設高，如80％等。當確定出的評估概率大於預設概率，則可以確定第一用戶針對終端設備中進行操作的待評估信息為電信詐騙信息。

可選的，在若評估概率大於預設概率，確定待評估信息為電信詐騙信息之後，數據處理設備還可以根據電信詐騙信息，確定與用戶行為信息相關的提示信息，該提示信息用於提示用戶對電信詐騙信息進行處理；通過數據處理設備或者與數據處理設備相連的第三方輔助設備輸出提示信息。

其中，第三方輔助設備可以為終端設備，如電腦、手機等。提示信息中可以包括上述計算出的評估概率的值，以提醒用戶其當前的操作受到詐騙的可能性，及時提醒用戶對當前操作採取措施。

比如，若預設概率為80％，評估概率為90％，顯然評估概率大於預設概率，這時，數據處理設備可以根據用戶信息、電信詐騙信息等信息，自動生成與第一用戶相關的提示信息，該提示信息中可以包括評估概率為90％的相關信息，然後將該提示信息發送給用戶終端，或者，發送給與當前用戶終端相連或者綁定的另一用戶終端，如老人的當前操作受到詐騙的可能性已經超過了預設概率值，則數據處理設備可以將提示信息發送給與老人的手機綁定的老人的子女的手機上，有助於提高數據處理設備對電信詐騙信息的識別率，以便對電信詐騙信息進行及時攔截。

如圖2所示，基於同一發明構思，本發明實施例還提供一種數據處理設備，該數據處理設備可以包括第一獲取模塊10、第一處理模塊20及第一確定模塊30。

其中，第一獲取模塊10，用於獲取來自與所述數據處理設備連接的終端設備的用戶行為信息，所述用戶行為信息用於指示第一用戶針對所述終端設備中的待評估信息進行的操作行為。

第一處理模塊20，用於基於至少一個評估指標對所述用戶行為信息進行處理，獲得評估概率；其中，所述至少一個評估指標為基於歷史詐騙事件確定的、用於表徵所述第一用戶對所述歷史詐騙事件的敏感度，所述評估概率用於表徵所述用戶行為信息所指示的操作與所述歷史詐騙事件相關的歷史操作的匹配度。

第一確定模塊30，用於若所述評估概率大於預設概率，確定所述待評估信息為電信詐騙信息。

在實際應用中，數據處理設備可以是具有數據採集功能，並可以利用數據挖掘等技術對採集的數據進行大數據處理的設備，如遠端數據採集器、無線數據採集器、網頁數據採集器等，數據處理設備具體為哪種設備可以與實際中的應用相關，本發明實施例對此不作具體限制。

可選的，所述數據處理設備還包括：第二確定模塊，用於確定多個歷史詐騙事件；第二獲取模塊，用於獲取所述多個歷史詐騙事件中每個歷史詐騙事件相關的詐騙信息和用戶信息，所述詐騙信息指示了相應歷史詐騙事件的詐騙行為；第二處理模塊，用於對所述詐騙信息和所述用戶信息進行處理，確定用於指示所述多個歷史詐騙事件中每個歷史詐騙事件的事件特徵的第一評估指標，及用於指示所述多個用戶中每個用戶受到詐騙的難易程度的第二評估指標。

可選的，所述第一處理模塊20用於：基於所述第一評估指標及所述用戶行為信息，確定用於表徵所述第一用戶的用戶行為信息對應的用戶操作與所述詐騙信息指示的詐騙行為之間的相似度的第一參考值，及，基於所述第二評估指標及所述用戶行為信息，確定用於表徵所述第一用戶的當前操作相對於所述第一用戶針對所述歷史詐騙事件的歷史操作的傾向度的第二參考值；基於所述第一參考值和/或所述第二參考值，獲得評估概率。

可選的，所述第一處理模塊20用於：設置至少一個權重，所述至少一個權重包括與所述第一參考值對應的第一權重，和/或與所述第二參考值對應的第二權重；基於所述第一參考值、所述第二參考值及所述至少一個權重，確定所述評估概率。

可選的，所述數據處理設備還包括：第三確定模塊，用於在若所述評估概率大於預設概率，確定所述待評估信息為電信詐騙信息之後，基於所述電信詐騙信息，確定與所述用戶行為信息相關的提示信息，所述提示信息用於提示用戶對所述電信詐騙信息進行處理；輸出模塊，用於通過所述數據處理設備或者與所述數據處理設備相連的第三方輔助設備輸出所述提示信息。

以上所述，以上的所有實施例僅用以對本發明的技術方案進行的詳細的介紹，且以上實施例的說明僅僅只是用於幫助理解本發明的方法及其核心思想，不應該理解為對本發明的限定。本技術領域的技術人員在本發明揭露的技術範圍內，可以輕易的想到的變化或者替換，都應該涵蓋在本發明的保護範圍之內。

顯然，本領域的技術人員可以對本發明進行各種修改和變形而不脫離本實用新型的精神和範圍。這樣，倘若本發明的這些修改和變型屬於本發明權利要求及其等同的技術範圍之內，則本發明也意圖包含這些改動和變型在內。