詐騙信息的檢測方法、裝置、電子設備及存儲介質與流程

本申請涉及人工智能，具體涉及一種詐騙信息的檢測方法、裝置、電子設備及存儲介質。

背景技術：

1、詐騙事件頻發嚴重影響了個人和組織的財產安全，影響社會穩定。為了預防詐騙，需要及時檢測出可能的詐騙信息。

2、目前，主流的方案是通過人工檢測或模型檢測的方式實現詐騙信息的檢測。人工檢測的流程是根據用戶的舉報，由詐騙信息專家進行信息真實性的判斷，在詐騙信息專家得出結論后，由相關人員反饋結果。但是人工檢測的方法成本高且檢測效率低，因此模型檢測的方式逐步得到推廣。模型檢測的流程是獲取待檢測文本，由檢測模型對待檢測文本進行語義分析，根據語義分析的結果判斷該待檢測文本是否為詐騙信息。其中，語義分析指的是根據文本的上下文信息和語境，確定關鍵詞或短語的聯系和實際含義，從而提取出相關信息。

3、但是現有的檢測模型僅能根據語義分析的結果判斷該待檢測文本是否為詐騙信息，卻無法實現不同類型詐騙信息的分類判斷，檢測模型的檢測精度低，導致后期無法直接根據檢測模型的判斷結果對不同類型的詐騙行為進行針對性治理。

技術實現思路

1、本申請實施例提供一種詐騙信息的檢測方法、裝置、電子設備及存儲介質，用以解決現有技術無法實現不同類型詐騙信息的分類判斷，檢測模型的檢測精度低，導致后期無法直接根據檢測模型的判斷結果對不同類型的詐騙行為進行針對性治理的技術問題。

2、第一方面，本申請實施例提供一種詐騙信息的檢測方法，包括：獲取待檢測文本；將待檢測文本輸入至詐騙信息檢測模型，得到詐騙信息檢測模型輸出的待檢測文本對應的詐騙信息概率值和詐騙信息類型檢測結果；詐騙信息概率值用于判斷待檢測文本是否為詐騙信息；其中，詐騙信息檢測模型以多個方面級注意力塊為基礎，每一方面級注意力塊包括方面級注意力計算子模塊和特征自注意力計算子模塊。

3、在一個實施例中，將待檢測文本輸入至詐騙信息檢測模型，得到詐騙信息檢測模型輸出的待檢測文本對應的詐騙信息概率值和詐騙信息的類型，包括：將待檢測文本輸入至詐騙信息檢測模型的編碼層，獲得待檢測文本對應的文本數據特征；將文本數據特征輸入至詐騙信息檢測模型的網絡層，獲得待檢測文本對應的語義含義；將語義含義輸入至詐騙信息檢測模型的注意力層，獲得待檢測文本對應的詐騙信息類型初始檢測結果；將詐騙信息類型初始檢測結果輸入至詐騙信息檢測模型的輸出層，獲得待檢測文本對應的詐騙信息概率值和詐騙信息類型檢測結果。

4、在一個實施例中，注意力層包括多個方面級注意力塊，每一方面級注意力塊用于計算一種詐騙信息類型的方面級注意力權重；將語義含義輸入至詐騙信息檢測模型的注意力層，獲得待檢測文本對應的詐騙信息類型初始檢測結果，包括：將語義含義分別輸入至注意力層中的每一方面級注意力塊，獲得每一方面級注意力塊輸出的詐騙信息類型的方面級注意力權重；基于每一方面級注意力塊輸出的詐騙信息類型的注意力權重，確定待檢測文本對應的詐騙信息類型初始檢測結果；其中，詐騙信息類型初始檢測結果包括待檢測文本對應的每一種詐騙信息類型的方面級注意力權重。

5、在一個實施例中，輸出層是以sigmoid函數為激活函數的全連接層；將詐騙信息類型初始檢測結果輸入至詐騙信息檢測模型的輸出層，獲得待檢測文本對應的詐騙信息概率值和詐騙信息類型檢測結果，包括：將詐騙信息類型初始檢測結果輸入至詐騙信息檢測模型的輸出層；根據詐騙信息類型初始檢測結果，基于sigmoid函數確定待檢測文本對應的詐騙信息概率值和詐騙信息類型檢測結果。

6、在一個實施例中，網絡層為雙向gru模型；將文本數據特征輸入至詐騙信息檢測模型的網絡層，獲得待檢測文本對應的語義含義，包括：將文本數據特征輸入至雙向gru模型，獲得雙向gru模型輸出的網絡層編碼；基于網絡層編碼，確定待檢測文本對應的語義含義。

7、在一個實施例中，將待檢測文本輸入至詐騙信息檢測模型的編碼層，獲得待檢測文本對應的文本數據特征，包括：將待檢測文本輸入至詐騙信息檢測模型的編碼層，基于xlnet編碼字典對待檢測文本進行編碼，獲得待檢測文本對應的編碼列表；基于xlnet模型對編碼列表進行編碼，獲得待檢測文本對應的位置表示向量和詞向量；將位置表示向量和詞向量進行拼接，獲得待檢測文本對應的實值向量；基于實值向量，確定待檢測文本對應的文本數據特征。

8、在一個實施例中，將待檢測文本輸入至詐騙信息檢測模型之前，包括：獲取初始化詐騙信息檢測模型；基于樣本文本和樣本文本對應的詐騙信息類型標簽訓練初始化詐騙信息檢測模型，獲得多個備選詐騙信息檢測模型；其中，不同備選詐騙信息檢測模型的模型參數不同；確定每一備選詐騙信息檢測模型的檢測準確率；基于每一備選詐騙信息檢測模型的檢測準確率，確定詐騙信息檢測模型。

9、第二方面，本申請實施例提供一種詐騙信息的檢測裝置，包括：獲取模塊，用于獲取待檢測文本；檢測模塊，用于將待檢測文本輸入至詐騙信息檢測模型，得到詐騙信息檢測模型輸出的待檢測文本對應的詐騙信息概率值和詐騙信息類型檢測結果；詐騙信息概率值用于判斷待檢測文本是否為詐騙信息；其中，詐騙信息檢測模型以多個方面級注意力塊為基礎，每一方面級注意力塊包括方面級注意力計算子模塊和特征自注意力計算子模塊。

10、第三方面，本申請實施例提供一種電子設備，包括存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，所述處理器執行所述程序時實現如上述任一項所述詐騙信息的檢測方法。

11、第四方面，本申請實施例提供一種非暫態計算機可讀存儲介質，其上存儲有計算機程序，所述計算機程序被處理器執行時實現如上述任一項所述詐騙信息的檢測方法。

12、本申請實施例提供的詐騙信息的檢測方法、裝置、電子設備及存儲介質，獲取待檢測文本；將待檢測文本輸入至詐騙信息檢測模型，得到詐騙信息檢測模型輸出的待檢測文本對應的詐騙信息概率值和詐騙信息類型檢測結果；詐騙信息概率值用于判斷待檢測文本是否為詐騙信息；其中，詐騙信息檢測模型以多個方面級注意力塊為基礎，每一方面級注意力塊包括方面級注意力計算子模塊和特征自注意力計算子模塊。通過上述方式，詐騙信息檢測模型同時輸出待檢測文本對應的詐騙信息概率值和詐騙信息類型檢測結果，實現不同類型詐騙信息的分類判斷，提高檢測模型的檢測精度，使得后期可直接根據詐騙信息檢測模型的判斷結果對不同類型的詐騙行為進行針對性治理。

13、
技術實現要素：

14、本申請實施例提供一種詐騙信息的檢測方法、裝置、電子設備及存儲介質，用以解決現有技術無法實現不同類型詐騙信息的分類判斷，檢測模型的檢測精度低，導致后期無法直接根據檢測模型的判斷結果對不同類型的詐騙行為進行針對性治理的技術問題。

技術特征：

1.一種詐騙信息的檢測方法，其特征在于，包括：

2.根據權利要求1所述的詐騙信息的檢測方法，其特征在于，所述將所述待檢測文本輸入至詐騙信息檢測模型，得到所述詐騙信息檢測模型輸出的所述待檢測文本對應的詐騙信息概率值和詐騙信息的類型，包括：

3.根據權利要求2所述的詐騙信息的檢測方法，其特征在于，所述注意力層包括多個方面級注意力塊，每一所述方面級注意力塊用于計算一種詐騙信息類型的方面級注意力權重；

4.根據權利要求3所述的詐騙信息的檢測方法，其特征在于，所述輸出層是以sigmoid函數為激活函數的全連接層；

5.根據權利要求2所述的詐騙信息的檢測方法，其特征在于，所述網絡層為雙向gru模型；

6.根據權利要求2所述的詐騙信息的檢測方法，其特征在于，所述將所述待檢測文本輸入至所述詐騙信息檢測模型的編碼層，獲得所述待檢測文本對應的文本數據特征，包括：

7.根據權利要求1所述的詐騙信息的檢測方法，其特征在于，所述將所述待檢測文本輸入至詐騙信息檢測模型之前，包括：

8.一種詐騙信息的檢測裝置，其特征在于，包括：

9.一種電子設備，包括存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，其特征在于，所述處理器執行所述程序時實現如權利要求1至7任一項所述詐騙信息的檢測方法。

10.一種非暫態計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現如權利要求1至7任一項所述詐騙信息的檢測方法。

技術總結
本申請涉及人工智能技術領域，提供一種詐騙信息的檢測方法、裝置、電子設備及存儲介質。方法包括：獲取待檢測文本；將待檢測文本輸入至詐騙信息檢測模型，得到詐騙信息檢測模型輸出的待檢測文本對應的詐騙信息概率值和詐騙信息類型檢測結果；詐騙信息概率值用于判斷待檢測文本是否為詐騙信息。通過上述方式，詐騙信息檢測模型同時輸出待檢測文本對應的詐騙信息概率值和詐騙信息類型檢測結果，實現不同類型詐騙信息的分類判斷，提高檢測模型的檢測精度，使得后期可直接根據詐騙信息檢測模型的判斷結果對不同類型的詐騙行為進行針對性治理。

技術研發人員：秦月花
受保護的技術使用者：中國移動通信集團山西有限公司
技術研發日：
技術公布日：2024/10/21