短视频社区易受骗人群识别与预警指南.pdfVIP

短视频社区易受骗人群识别与预警指南

1范围

本文件给出了短视频社区易受骗人群特征及识别方法，包括静态风险特征识别和基于场景的动态行

为特征识别等，以及典型场景下识别后的风险预警。

本文件适用于短视频社区基于不同业务场景和特点识别易受骗人群并进行预警时参考。

2规范性引用文件

本文件没有规范性引用文件。

3术语和定义

下列术语和定义适用于本文件。

3.1

电信网络诈骗telecomnetworkfraud

以非法占有为目的，利用电信网络技术手段，通过远程、非接触等方式，诈骗公私财物的行为。

[来源：YD/T4329-2023,3.1]

3.2

短视频社区shortvideocommunity

提供用户制作上传、下载分享短视频，并支持用户间交流的社区服务平台。

3.3

易受骗人群vulnerableusers

防范电信网络诈骗意识薄弱的人群。

3.4

易受骗人群识别vulnerableusersidentification

通过数据处理筛选出易受骗人群用户并结合业务进行提醒。

3.5

静态风险特征识别staticrisksfeaturerecognition

对相对低频、固定的因素带来的风险进行分析与鉴别的过程。

3.6

动态行为特征识别dynamicbehaviorfeaturerecognition

对相对高频、可变的行为因素带来的风险进行分析与鉴别的过程。

3

4基本原则

短视频社区易受骗人群识别可遵循以下基本原则：

a)合理适度：仅针对识别易受骗人群开展相关数据的收集、存储与处理活动，根据业务开展情

况和反诈工作合理、适度地开展数据使用、分析与识别；

b)动态更新：根据用户信息的变化，及时对相关数据使用、分析和识别策略进行调整，提升识

别准确率；

c)确保安全：确保在易受骗人群识别过程中不滥用个人信息，不泄露个人信息；

d)关联预警：对已识别的易受骗人群，结合自身业务特点进行风险提醒。

5技术框架

短视频社区易受骗人群识别包括对特定人群的特征识别和对应的风险预警。根据用户的风险特征不

同分为静态风险特征识别和动态行为特征识别。静态风险特征识别根据短视频社区用户的相关信息采用

静态识别模型算法对诈骗风险进行识别，再根据风险大小进行用户提醒，提升用户反诈意识；动态风险

特征识别根据短视频社区用户的动态行为特征采用动态识别模型算法对诈骗风险进行识别，再根据风险

大小进行提醒、拦截等关联响应，降低用户被诈骗的可能性；特征识别样本库为特征识别模型算法提供

样本支撑，通过受理用户举报和风险预警后的用户反馈对样本库进行更新和优化，提高易受骗人群识别

的召回率和准确率。总体技术框架如图1。

图1短视频社区易受骗人群技术框架

静态风险特征识别与动态风险特征识别既可以单独用于对易受骗人群的识别，也可以在部分场景下

结合使用提高易受骗人群识别效果。

6易受骗人群特征及风险

6.1易受骗人群特征

短视频社区的易受骗人群特征主要包括用户以下维度信息：

——基础属性，如性别、年龄、位置、是否被涉诈人员主动联系等；

——内容信息属性，如上传与浏览的视频、图片和评论等；

——行为属性，如同涉诈账号的关注行为、互动行为、共同所在群组情况等。

4

6.2易受骗人群风险

易受骗人群的风险主要可以从用户的基础特征和其在典型业务场景中的动态行为特征来进行识别。

结合用户基础特征、交互行为的交互对象、内容及频次等，可以将易受骗人群风险划分为中低风险、中

风险和高风险，具体见附录A.1。

7易受骗人群识别

7.1静态风险特征识别

静态风险特征识别基于短视频社区用户的相关信息提炼静态风险特征，通过静态识别模型算法完成

易受骗人群的静态风险特征识别，相关模型参数主要包括6.1所述的基础属性。

7.2动态行为特征识别

7.2.1