發(fā)布時(shí)間：2021-11-22 02:14

　　通信以及網(wǎng)絡(luò)技術(shù)的高速發(fā)展極大的豐富了人們的生活。但網(wǎng)絡(luò)安全的漏洞造成了大量的個(gè)人信息泄漏,進(jìn)而導(dǎo)致騷擾和詐騙電話(huà)等異常電話(huà)像病毒一樣蔓延在人們的日常生活中。為了降低由異常電話(huà)帶來(lái)的財(cái)產(chǎn)損失和困擾,許多研究人員提出了一些異常電話(huà)檢測(cè)的解決方案。但是現(xiàn)有的工作更多的是關(guān)注人群的數(shù)據(jù)標(biāo)注,忽略了特征挖掘的有效性和數(shù)據(jù)分布帶來(lái)的影響。這些檢測(cè)方法大多數(shù)為被動(dòng)的檢測(cè),不能及時(shí)、主動(dòng)的給出準(zhǔn)確的預(yù)測(cè)。電信運(yùn)營(yíng)商通過(guò)構(gòu)建數(shù)據(jù)中心存儲(chǔ)了海量的電信用戶(hù)行為記錄,這些大數(shù)據(jù)為主動(dòng)識(shí)別異常電話(huà)提供了新的機(jī)會(huì)。如何從海量數(shù)據(jù)中準(zhǔn)確的獲取能代表用戶(hù)類(lèi)別的用戶(hù)行為特征、構(gòu)建異常電話(huà)識(shí)別模型進(jìn)而主動(dòng)的識(shí)別異常電話(huà),成為通信運(yùn)營(yíng)商和研究人員迫切關(guān)注的問(wèn)題。本文研究了一種基于特征挖掘和集成學(xué)習(xí)技術(shù)相結(jié)合的異常電話(huà)檢測(cè)模型,主要工作如下:1、提出一種電信數(shù)據(jù)預(yù)處理和特征提取分析方法（Data preprocessing and Feature extraction analysis,簡(jiǎn)稱(chēng)DF）來(lái)處理電信數(shù)據(jù),并對(duì)用戶(hù)歷史行為數(shù)據(jù)進(jìn)行特征提取、分析與特征降維。首先對(duì)電信樣本數(shù)據(jù)進(jìn)行預(yù)處理,并從七個(gè)大的維度充分挖掘電信用戶(hù)... 

【文章來(lái)源】：濟(jì)南大學(xué)山東省

【文章頁(yè)數(shù)】：79 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

整體研究框架

基于集成學(xué)習(xí)的異常電話(huà)識(shí)別分析與建模16全下實(shí)現(xiàn)多源異構(gòu)電信數(shù)據(jù)的獲取與融合，從而擴(kuò)展了傳統(tǒng)單一數(shù)據(jù)源分析方法，如圖3.1所示。圖3.1獲取數(shù)據(jù)流程圖項(xiàng)目的核心目標(biāo)是以電信運(yùn)營(yíng)商數(shù)據(jù)中心為依托，以移動(dòng)安全應(yīng)用為重要補(bǔ)充，基于時(shí)間窗口內(nèi)積累的電信大數(shù)據(jù)，探究異常電信用戶(hù)的行為特征與通信機(jī)制。在前期多源異構(gòu)數(shù)據(jù)接入與用戶(hù)身份保護(hù)等數(shù)據(jù)基礎(chǔ)工作完成下我們從運(yùn)營(yíng)商數(shù)據(jù)平臺(tái)中獲取了包括300000條的正常用戶(hù)和520條確定的異常電話(huà)數(shù)據(jù)，數(shù)據(jù)樣本分布如表3.1。本文將根據(jù)此數(shù)據(jù)展開(kāi)一系列的研究和探索。表3.1電信數(shù)據(jù)集樣本分布正常用戶(hù)異常用戶(hù)樣本數(shù)量3000005203.2.2數(shù)據(jù)分析在運(yùn)營(yíng)商提供給我們的300000條正常用戶(hù)中存在著一些不確定性。在用戶(hù)數(shù)據(jù)中一些用戶(hù)具備一些異常行為的屬性但沒(méi)有被發(fā)現(xiàn)被誤當(dāng)成了正常電話(huà)，另外有一些正常用戶(hù)可能突變?yōu)楫惓ｋ娫?huà)但是沒(méi)有被正確歸類(lèi)，我們將這種數(shù)據(jù)統(tǒng)一稱(chēng)為臟數(shù)據(jù)。因此，在研究中如何克服數(shù)據(jù)的不確定性，構(gòu)建魯棒性強(qiáng)、分類(lèi)精準(zhǔn)的異常電話(huà)模型是一個(gè)關(guān)鍵的問(wèn)題。在獲取的數(shù)據(jù)中有另外一個(gè)顯著的特點(diǎn)為不平衡性。在運(yùn)營(yíng)商平臺(tái)中有大量

基于集成學(xué)習(xí)的異常電話(huà)識(shí)別分析與建模18()0DiN=Lph(3-1)()1DiP=Lph(3-2)為了最大程度降低用戶(hù)隱私泄露的風(fēng)險(xiǎn)，實(shí)驗(yàn)采用小樣本的數(shù)據(jù)進(jìn)行研究。由于真實(shí)電信樣本中往往存在一些不能確定類(lèi)別的“臟數(shù)據(jù)”，我們通過(guò)構(gòu)建混合數(shù)據(jù)集的方式更真實(shí)的還原樣本分布情況、構(gòu)建抗干擾能力強(qiáng)的異常電話(huà)識(shí)別模型。從原始數(shù)據(jù)的300000條DN中隨機(jī)抽取3000條dN放入新的數(shù)據(jù)集D中，從DP的520條數(shù)據(jù)樣本中隨機(jī)抽取100條混入dN中作為正常電信用戶(hù)數(shù)據(jù)，混合后的正常電信用戶(hù)表示為d"N，最后將剩下的420條DP放入數(shù)據(jù)集D中。具體的混合方式如圖3.3所示。圖3.3混合數(shù)據(jù)集流程圖經(jīng)過(guò)混合后的混合數(shù)據(jù)集D中有3100條Nd’，420條PD，如表3.2所示。通過(guò)混合數(shù)據(jù)集來(lái)更好的還原真實(shí)數(shù)據(jù)中正常用戶(hù)數(shù)據(jù)中的“臟數(shù)據(jù)”的情況，訓(xùn)練異常電話(huà)識(shí)別模型，來(lái)增加模型的抗干擾能力以及魯棒性。表3.2電信混合數(shù)據(jù)集樣本分布DNd’PD樣本數(shù)量31004203.2.4數(shù)據(jù)規(guī)范在構(gòu)建混合集后，分析數(shù)據(jù)內(nèi)容，整理重復(fù)和缺失數(shù)據(jù)，對(duì)數(shù)據(jù)特征缺失值進(jìn)行填充。在本文所研究的異常電話(huà)識(shí)別中，對(duì)于電信用戶(hù)，單一的指標(biāo)不能夠合理的評(píng)價(jià)用戶(hù)類(lèi)別，需要全面的多指標(biāo)的來(lái)考慮。由于各個(gè)維度的指標(biāo)的性質(zhì)不同，通常具有不同的數(shù)據(jù)范圍和數(shù)量級(jí)。在特征數(shù)據(jù)值水平范圍相差較大的情況下，直接進(jìn)行分析時(shí)數(shù)值


本文編號(hào)：3510726