以诈骗网址检测识别为例，在提取目标网址的标题、关键词及页面标签元素等多种特征属性的基础上，通过计算目标网址与诈骗资源模板库中的网址样本之间的特征距离，判断两者之间的相似度。一般来讲，两者特征距离越近说明相似程度越大，目标网址涉嫌诈骗的可能性就越大。

▲诈骗网址监测识别

（4）知识图谱

知识图谱是一种基于图的数据结构，可以看作是由数据绘制出来的一张知识图。在防范治理应用中，知识图谱技术能够聚合关联多种数据源，针对监测目标分析识别其脉络、趋势以及特征，在关键诈骗信息搜索、账号涉诈风险评估、诈骗团伙研判、异常行为分析等方面具有重要应用。

以银行卡全周期异常行为分析为例，通过知识图谱技术对全周期内的银行卡关联数据进行分析，并以图的方式进行数据融合及可视化，从而找到银行卡异常行为的内在关联，提升对诈骗资金流的打击效率。相比于人工核验，其效率提升 10 余倍，准确率约为 99.5%。

▲基于知识图谱的银行卡异常行为分析

3、 实践应用

结合电信网络诈骗治理实践，目前人工智能技术在诈骗电话检测、恶意网址拦截、诈骗文本识别、诈骗风险预警等场景下已经有深入的应用及探索。

（1） 诈骗电话检测

电话诈骗是电信网络诈骗中的突出类型，诈骗数量较多，诈骗内容花样层出不穷，社会影响恶劣。及时尽早地感知、发现诈骗电话，是减少此类电信网络诈骗活动损失必不可少的方法。由于诈骗分子掌握大量用于诈骗的号码，传统的基于号码的阻断策略容易被绕过，及早发现诈骗电话的难度在不断增大。人工智能时代，利用大数据分析、模式识别等技术可以对海量通信数据进行预处理和数据融合分析研判，从而进行全天候全方位诈骗电话检测，能够有效增强针对电话诈骗的防御和反制能力。

以极限元人工智能语音识别、语音关键词检索技术为例，其推出了诈骗电话检测技术解决方案，可以有效检测识别邮包快递、社保卡、信用卡等十余种诈骗场景及类型。通过人工智能语音关键词检索技术对疑似诈骗电话进行匹配识别，不仅提高了检索识别效率，还能有效避免误判增加识别准确率。

（2） 恶意网址拦截

恶意网址是指恶意种植木马、病毒等恶意程序的网站，是目前诈骗分子用于窃取用户个人信息、实施网络勒索诈骗的重要方式。人工智能技术用于恶意网址监测拦截主要基于机器学习的分类和聚类方法。

分类方法主要是收集样本数据进行归一化处理后构造分类器识别是否恶意：首先是根据已经标记的 URL 数据集提取静态特征（主机、URL、网页信息等）和动态特征（浏览器行为，网页跳转关系等），对提取特征进行归一化处理后通过算法构造分类器来识别恶意网站。

聚类方法略有不同：首先在网页采集的 URL 数据集中提取连接关系、 URL 特征、网页文本信息等特征，再根据聚类算法模型将 URL 数据集划分为若干聚类，相似度较高的 URL 数据会在同一聚类中，反之则归为不同聚类，最后对已标记的聚类结果识别待测 URL，判断其是否为恶意网页。

以腾讯安全云库为例，其利用云端监测技术，基于机器学习算法和大数据平台，进行云端全网海量网址特征比对检测、页面相似度分析，同时配备人工审核团队审核，建立实时更新的黑白样本库。在不同的应用场景下，基于海量数据的样本库不断调整和适配算法，最终选取严格保证准确率的机器学习模型，在保证及时性的同时，也能达到较好的识别准确率。

（3） 诈骗信息审核过滤

诈骗信息包括诈骗文本、诈骗图片（头像）、诈骗音视频等多种内容。其中，以诈骗短信为代表的诈骗文本信息是出现最早、较为突出的诈骗类型，由于成本低、目标用户范围广，颇受诈骗分子青睐。依靠社交网络平台传播的诈骗图片（头像）、伪造音视频等诈骗信息形式则更为复杂，通过合成虚假头像、语音或视频能够伪装成受骗人群的亲人好友，并进而以多种理由话术逐步实施诈骗。人工智能在诈骗信息识别中具有重要作用，通过自然语言处理，计算机视觉，和语音识别等深度学习技术，可以实时分析并判断消息的可靠性和敏感程度，及早识别出涉诈或伪造内容，将对公众有危害的信息及早扼杀在摇篮里。

以 360 应龙综合反诈平台为例，其运用模型算法、人工智能等前沿技术，对疑似诈骗的信息、图片、账号进行识别、分类、拦截。 高峰时期，在国内单个省份一天能有效识别拦截虚假涉诈信息近 70 万条。

（4） 受害者发现预警

及时发现识别高危受害者并进行快速预警提醒是防范阻断电信网络诈骗活动，切实保障人民群众财产安全的重要手段。人工智能的发展为解决高危受害人发现及诈骗信息预警提供了可能，通过对电信、网络数据的融合分析，能够有效、及时地发现诈骗活动并进行预警。

以阿里钱盾反诈公益平台为例，通过对涉及诈骗的黑号码、黑卡 等黑名单库的共享共建，利用人工智能模型算法分析处理用户的异动情况，不断更新迭代预警模型，进而形成自动化的诈骗行为和受害用户的发现预警的能力，通过对疑似受害用户的及时预警提醒，大大地降低了群众资金损失。

（5） 诈骗团伙研判分析

当前电信网络诈骗呈现出团伙化、组织化特点，且诈骗分子往往分布在不同地区，乃至不同国家，相互勾连配合实施诈骗。检测识别某一诈骗帐号或某一诈骗分子往往效果不佳，识别诈骗团伙，进行全面的防范治理才是更加高效有用的治理方式。人工智能技术的应用，可以大大提高诈骗团伙识别能力，助力反电信网络诈骗工作推进。

以腾讯“反诈大脑”为例，通过人工审核清洗出互联网侧精准的电信网络诈骗举报数据，经由诈骗团伙识别模型进行团伙识别、聚类分析，将离散的单点举报聚类成可疑诈骗团伙，输出诈骗团伙作案设备、嫌疑人、受害人等相关线索，可以有效提高电信网络诈骗防范治理工作效率。

二、 风险与挑战

人工智能在推动防范治理工作的不断前进的同时，也开始被不法分子用来实施诈骗，当电信网络诈骗用上人工智能，往往会扩大诈骗的危害广度和深度，给防范治理工作带来一定的风险与挑战。

1、 电信网络诈骗实施的四个主要环节

（编辑：52刷机网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!