一种用于防范电话网络恶意呼叫的机器学习方法
密码学与安全
2018-05-30 v1
摘要
恶意呼叫（即电话垃圾与诈骗呼叫）是一个长期存在的难题，每年在全球造成数十亿美元的财务损失。本工作提出了首个基于机器学习的解决方案，且不依赖于任何关于底层电话网络基础设施的特定假设。这一长达十年的问题的主要挑战在于，在无法访问电话网络基础设施的情况下，如何构建有效的特征并不明确。我们通过结合若干创新解决了该问题。我们首先在移动应用之上开发了 TouchPal 用户界面，以允许用户标记恶意呼叫。这使我们得以维护一个大规模的呼叫日志数据库。随后，我们对包含 90 亿条记录的三个月呼叫日志进行了测量研究。基于研究结果，我们设计了 29 个特征，从而可利用机器学习算法预测恶意呼叫。我们使用所提特征对不同的 SOTA 机器学习方法进行了广泛评估，结果表明最优方法在保持对正常呼叫流量超过 99.99% 准确率的同时，可将未拦截的恶意呼叫减少多达 90%。结果还表明，这些模型的实现效率很高，不会带来显著的延迟开销。我们还进行了消融分析，揭示出使用 29 个特征中的 10 个即可达到与使用全部特征相当的性能。
引用
@article{arxiv.1804.02566,
title = {A Machine Learning Approach To Prevent Malicious Calls Over Telephony Networks},
author = {Huichen Li and Xiaojun Xu and Chang Liu and Teng Ren and Kun Wu and Xuezhi Cao and Weinan Zhang and Yong Yu and Dawn Song},
journal= {arXiv preprint arXiv:1804.02566},
year = {2018}
}
备注
Accepted by 39th IEEE Symposium on Security and Privacy