СПОСОБ И СИСТЕМА ОПРЕДЕЛЕНИЯ МОШЕННИЧЕСКИХ ЗВОНКОВ И ОПОВЕЩЕНИЯ О НИХ АБОНЕНТОВ Российский патент 2024 года по МПК H04W12/12 

ОБЛАСТЬ ТЕХНИКИ

[1] Настоящее техническое решение, в общем, относится к области коммуникации, а именно осуществляет определение мошеннических звонков в режиме онлайн во время разговора абонентов и проводит оповещения о них абонентов.

УРОВЕНЬ ТЕХНИКИ

[2] В настоящее время очень остро стоит вопрос защиты от мошеннических звонков и своевременного информирования о них абонентов.

[3] «Статистика первого полугодия 2021 года показала нам, что больше 70% звонков с незнакомых номеров поступает от мошенников. Каждый месяц они выводят со счетов доверившихся им граждан от 3,5 до 5 млрд рублей. Угрозой при этом является не только настойчивость злоумышленников - мошенники используют методы социальной инженерии и регулярно изобретают новые схемы давления. Для противодействия им не подойдет статичное решение», (с) (Дмитрий Теплицкий, генеральный директор АБК).

[4] Из уровня техники известен «Способ распознавания и обработки спам-звонка (RU 2765483, Общество с ограниченной ответственностью «ИНТЕРКОННЕКТ» (RU), опубликовано: 31.01.2022), заключающийся в том, что, оператор сотовой связи принимает на узле коммутации сообщение на установление соединения входящего голосового вызова от вызывающей стороны вызываемой стороне, маршрутизирует соединение входящего голосового вызова на сетевой узел интеллектуальной периферии, отличающийся тем, что до маршрутизации соединения входящего голосового вызова на узел интеллектуальной периферии оператор сотовой связи по идентификаторам вызывающей и вызываемой сторон проверяет факт установления соединения вызывающей и вызываемой сторон за период Т, при неподтверждении факта соединения вызывающей и вызываемой сторон за период Т оператор сотовой связи соединяет входящий вызов с программной логикой компьютерного анализа и синтеза текстов на естественных языках сетевого узла интеллектуальной периферии, имеющей голосовой аудиоинтерфейс, а программная логика компьютерного анализа и синтеза текстов на естественных языках узла интеллектуальной периферии, имеющая голосовой аудиоинтерфейс, генерирует высказывания в утвердительной, вопросительной и побудительной формах и выполняет поиск шаблонов в высказываниях вызывающей стороны для распознавания в вызывающей стороне голосового бота или человека, а также рекламного или мошеннического контента.

[5] Из уровня техники известен «Способ распознавания и обработки спам-звонка (RU 2762389, Общество с ограниченной ответственностью «Алгоритм» (RU), опубликовано: 20.12.2021), заключающийся в том, что, в сетях сотовой связи стандартов GSM, IN, IMS обеспечивается формирование максимально возможного массива данных для применения правил анализа, необходимый и достаточный перечень признаков распознавания абонента, совершающего нежелательные вызовы, а также селекцию абонентов, совершающих нежелательные вызовы по мотивам их поведения - в рекламных или мошеннических целях. При этом обеспечивается экономически эффективный для оператора сотовой связи способ обработки нежелательного вызова за счет удержания нежелательного вызова на соединении, максимально возможное время без участия вызываемого абонента.

[6] Общими недостатками существующих решений является отсутствие анализа конкретного разговора онлайн между абонентами на наличие факта предполагаемого мошенничества и соответствующего оповещения без привязки к данным телефонии и участия стороны оператора.

РАСКРЫТИЕ ИЗОБРЕТЕНИЯ

[7] Данное техническое решение направлено на устранение недостатков, присущих существующим решениям, известным из уровня техники.

[8] Решаемой технической проблемой в данном техническом решении является быстрое и точное определение факта предполагаемого мошенничества при звонке во время разговора между абонентами и оповещения о таком факте.

[9] Основным техническим результатом, проявляющимся при решении вышеуказанной проблемы, является повышение точности и скорости определение факта предполагаемого мошенничества во время разговора между абонентами.

[10] Дополнительным техническим результатом, проявляющимся при решении вышеуказанной проблемы, является обеспечение безопасности абонента при звонках за счет своевременного оповещения о выявленном факте предполагаемого мошенничества.

[11] Указанные технические результаты достигаются благодаря осуществлению способа определения мошеннических звонков и оповещения о них абонентов, включающего следующие шаги:

• во время разговора декодируются аудиоданные;

• затем аудиоданные проходят процедуру транскрибации речи;

• полученный на предыдущем шаге текст анализируется на наличие факта предполагаемого мошенничества с помощью предобученной модели машинного обучения;

• в случае выявления на предыдущем шаге факта предполагаемого мошенничества, абонент об этом оповещается.

[12] В одном из частных примеров осуществления способа оповещение абонента проводится во время разговора, в котором выявлен факт предполагаемого мошенничества.

[13] В другом частном примере осуществления способа оповещение абонента проводится после разговора, в котором выявлен факт предполагаемого мошенничества.

[14] В другом частном примере осуществления способа оповещение абонента проводится с помощью проигрывания аудиосообщения.

[15] В другом частном примере осуществления способа оповещение абонента проводится с помощью видеосообщения.

[16] В другом частном примере осуществления способа оповещение абонента проводится с помощью текстового сообщения.

[17] В другом частном примере осуществления способа оповещение абонента проводится с помощью пиктограммы.

[18] В одном из частных примеров осуществления способа декодируются аудиоданные с человеческой речью.

[19] В другом частном примере осуществления способа декодируются аудиоданные с синтезированной речью.

[20] В одном из частных примеров осуществления способа в качестве сервисов телефонии используются сервисы аналоговой телефонии.

[21] В другом частном примере осуществления способа в качестве сервисов телефонии используются сервисы IP-телефонии.

[22] В другом частном примере осуществления способа в качестве сервисов телефонии используются сервисы-программы для аудио-, видеозвонков.

[23] В одном из частных примеров осуществления способа кроме анализа факта предполагаемого мошенничества производят анализ на некорректность диалога и производят соответствующее оповещение.

[24] В другом частном примере осуществления способа в случае выявления факта предполагаемого мошенничества производят отключение соединения.

[25] В одном из частных примеров осуществления способа используемая модель машинного обучения дополнительно обучается и совершенствуется с каждым ее применением для анализа.

[26] Кроме того, заявленный технический результат достигается за счет системы определения мошеннических звонков и оповещения о них абонентов, содержащей:

- по меньшей мере одно устройство обработки данных;

- по меньшей мере одно устройство хранения данных;

- по меньшей мере одну программу, где одна или более программ хранятся на одном или более устройствах хранения данных и исполняются на одном и более устройствах обработки данных, причем одна или более программ обеспечивает выполнение следующих шагов:

• во время разговора декодируются аудиоданные;

• затем аудиоданные проходят процедуру транскрибации речи;

• полученный на предыдущем шаге текст анализируется на наличие факта предполагаемого мошенничества с помощью предобученной модели машинного обучения;

• в случае выявления на предыдущем шаге факта предполагаемого мошенничества, абонент об этом оповещается.

КРАТКОЕ ОПИСАНИЕ ЧЕРТЕЖЕЙ

[27] Признаки и преимущества настоящего технического решения станут очевидными из приводимого ниже подробного описания и прилагаемых чертежей, на которых:

[28] фиг. 1 иллюстрирует блок-схему выполнения заявленного способа;

[29] фиг. 2 иллюстрирует схему работы частного варианта реализации описываемого технического решения;

[30] фиг. 3 иллюстрирует схему обработки аудиоданных;

[31] фиг. 4 иллюстрирует работу системы распознавания речи в реальном времени под нагрузкой;

[32] фиг. 5 иллюстрирует систему для реализации заявленного способа.

ОСУЩЕСТВЛЕНИЕ ИЗОБРЕТЕНИЯ

[33] Ниже будут описаны термины и понятия, необходимые для реализации настоящего технического решения.

[34] Транскрибации - это расшифровка информации из аудио или видео в текстовую форму. Изначально разделяют транскрибацию ручную с участием человека и автоматическую с применением специальных сервисов автоматического перевода аудиоданных в текст.

[35] Протокол RTP (англ. Real-time Transport Protocol) работает на прикладном уровне (OSI - 7) и используется при передаче трафика реального времени. Протокол был разработан Audio-Video Transport Working Group в IETF и впервые опубликован в 1996 году как RFC 1889 (RFC 1889 является устаревшим с момента выхода RFC 3550 в 2003 году). Протокол RTP переносит в своем заголовке данные, необходимые для восстановления аудиоданных или видеоизображения в приемном узле, а также данные о типе кодирования информации (JPEG, MPEG и т.п.). В заголовке данного протокола, в частности, передаются временная метка и номер пакета. Эти параметры позволяют при минимальных задержках определить порядок и момент декодирования каждого пакета, а также интерполировать потерянные пакеты. RTP не имеет стандартного зарезервированного номера порта. Единственное ограничение состоит в том, что соединение проходит с использованием четного номера, а следующий нечетный номер используется для связи по протоколу RTCP. Тот факт, что RTP использует динамически назначаемые адреса портов, создает ему трудности для прохождения межсетевых экранов, для обхода этой проблемы, как правило, используется STUN-сервер. Установление и разрыв соединения не входят в список возможностей RTP, такие действия выполняются сигнальным протоколом (например, RTSP или SIP протоколом).

[36] Телефонное мошенничество (изредка фрод, от англ. fraud «мошенничество») - вид мошенничества в области информационных технологий, в частности, несанкционированные действия и неправомерное пользование ресурсами и услугами, хищение чужого имущества или приобретение права на чужое имущество путем ввода, удаления, модификации информации или другого вмешательства в работу средств обработки или передачи данных информационно-телекоммуникационных сетей. Следует выделить Вишинг, (от Voice phishing), - один из методов мошенничества с использованием социальной инженерии, который заключается в том, что злоумышленники, используя телефонную коммуникацию и играя определенную роль (сотрудника банка, покупателя и т.д.), под разными предлогами выманивают у держателя платежной карты конфиденциальную информацию или стимулируют к совершению определенных действий со своим карточным счетом / платежной картой.

Бывает следующих типов:

• прямое выманивание денег, когда мошенники звонят от имени родственника и просят деньги;

• шантаж, когда мошенники звонят от имени работника правоохранительных органов;

• банковское мошенничество, когда на мобильный телефон, раздается звонок мошенников, представляющихся сотрудником банка или службы безопасности;

• также мошенники могут применять звонки, чтобы вынудить установить мошенническое приложение;

• получение персональных данных позволяющих провести нежелательную операцию, приводящую к финансовым или иным потерям.

[37] Заявленное техническое решение может выполняться, например, системой, машиночитаемым носителем, сервером и т.д. В данном техническом решении под системой подразумевается, в том числе компьютерная система, ЭВМ (электронно-вычислительная машина), ЧПУ (числовое программное управление), ПЛК (программируемый логический контроллер), компьютеризированные системы управления и любые другие устройства, способные выполнять заданную, четко определенную последовательность операций (действий, инструкций).

[38] Под устройством обработки команд подразумевается электронный блок либо интегральная схема (микропроцессор), исполняющая машинные инструкции (программы).

[39] Устройство обработки команд считывает и выполняет машинные инструкции (программы) с одного или более устройства хранения данных, например, таких устройств, как оперативно запоминающие устройства (ОЗУ) и/или постоянные запоминающие устройства (ПЗУ). В качестве ПЗУ могут выступать, но, не ограничиваясь, жесткие диски (HDD), флеш-память, твердотельные накопители (SSD), оптические носители данных (CD, DVD, BD, MD и т.п.) и др.

[40] Программа - последовательность инструкций, предназначенных для исполнения устройством управления вычислительной машины или устройством обработки команд.

[41] Термин «инструкции», используемый в этой заявке, может относиться, в общем, к программным инструкциям или программным командам, которые написаны на заданном языке программирования для осуществления конкретной функции, такой как, например, получение и обработка данных, формирование профиля пользователя, прием и передача сигналов, анализ принятых данных, идентификация пользователя и т.п. Инструкции могут быть осуществлены множеством способов, включающих в себя, например, объектно-ориентированные методы. Например, инструкции могут быть реализованы, посредством языка программирования С++, Java, Python, различных библиотек (например, "MFC"; Microsoft Foundation Classes) и т.д. Инструкции, осуществляющие процессы, описанные в этом решении, могут передаваться как по проводным, так и по беспроводным каналам передачи данных, например, Wi-Fi, Bluetooth, USB, WLAN, LAN и т.п.

[42] Представленный способ определения мошеннических звонков и оповещения о них абонентов (на ФИГ. 1 представлена схема способа) решает задачу быстрого и точного определение факта предполагаемого мошенничества при звонке во время разговора между абонентами и оповещения о таком факте за счет последовательного выполнения следующих шагов:

• во время разговора декодируются аудиоданные (101 на схеме способа);

• затем аудиоданные проходят процедуру транскрибации речи (102 на схеме способа);

• полученный на предыдущем шаге текст анализируется на наличие факта предполагаемого мошенничества с помощью предобученной модели машинного обучения (103 на схеме способа);

• в случае выявления на предыдущем шаге факта предполагаемого мошенничества, абонент об этом оповещается (104 на схеме способа).

[43] В частном варианте реализации вышеописанного технического решения (схема взаимодействия изображена на ФИГ. 2), вызывающий (initiator - 201 на схеме) разговаривает с абонентом (abonent - 203 на схеме). RTP трафик проходит через медиасервер (media-proxy - 204 на схеме). RTP трафик в зависимости от используемого кодека конвертируется в wav pern с помощью сервиса записи (207 на схеме) и направляется на специализированный сервис диспетчеризации (206 на схеме). Таким образом единственными данными о звонке являются RTP (медиа-) трафик. Это позволяет отвязаться от концепции телефонных звонков, так как данное решение анализирует аудиоданные. Аудио в режиме реального времени отправляется на сервис распознавания речи (205 на схеме).

После получения транскрипции текст отправляется в сервис детектирования мошеннических звонков (208 на схеме). В случае, если сервис определил мошеннические намерения, в сервис диспетчеризации (206 на схеме) поступает соответствующий сигнал. Дальше, сервис диспетчеризации (206 на схеме) отправляет команду медиасерверу (204 на схеме) для воспроизведения записи-предупреждении о возможном фроде. Следует заметить, что определение мошенничества происходит во время разговора, а уведомление проигрывается следующим образом: медиапоток в канале, в котором зафиксировано мошенничество на время останавливается, воспроизводится предупреждение (одним из вариантов может быть работа голосового помощника в телефонном канале), медиапоток возобновляется.

[44] В других вариантах реализации описываемого технического решения оповещение абонента может быть реализовано в виде видео сообщения, с помощью текстового сообщения или с помощью пиктограммы на экране пользовательского устройства (например, PUSH-уведомления).

[45] Обработка аудиоданных на стороне телефонии в вышеприведенном варианте реализации описываемого технического решения происходит следующим образом (схема изображена на ФИГ. 3): абонент Initiator (301 на схеме) совершает звонок абоненту Abonent (303 на схеме): между ними устанавливается RTP подключение, которое проходит через медиасервер (304 на схеме). Снятие аудиотрафика осуществляет сервис записи. Он принимает RTP поток, и в зависимости от кодека конвертирует его в PCM WAV. Поддерживаются стандартные кодеки: g711, g729, alaw, ulaw, amr-wb, amr-nb и другие. Сервис записи, используя TCP/SSL, отправляет аудио в сервис диспетчеризации (Диспетчер - 305 на схеме).

[46] Телефония может быть не единственным источником аудио. Так как в вышеописанном частном варианте реализации обрабатывают аудио поток без SIP событий, то возможно применение данной технологии с использованием:

стереозаписи разговора двух людей (при использовании диаризации возможно использование монозаписи разговора);

онлайн обработка разговора с двумя участниками в любых системах онлайн-общения: Skype, Telegram, Discord и другие сервисы-программы для аудио, видео звонков.

[47] Сервис диспетчеризации в вышеприведенном варианте реализации описываемого технического решения осуществляет взаимодействие компонентов системы между собой:

• по мере того, как медиа данные попадают в сервис диспетчеризации, они отправляются на сервис распознавания речи;

• результат работы сервиса распознавания речи (транскрибация разговора) в режиме реального времени отправляется в сервис определения мошенничества (фрода) FraudDetectionService;

• при обнаружении фрода, сервис диспетчеризации посылает команду медиа-прокси на воспроизведение предзаписанного сигнального файла.

Взаимодействие компонентов осуществляется через сетевой протокол TCP. Сообщения упаковываются с помощью технологии protobuf.

[48] В других вариантах реализации описываемого технического решения оповещение абонента проводится после разговора, в котором выявлен факт предполагаемого мошенничества; в одном из частных примеров осуществления способа кроме анализа факта предполагаемого мошенничества производят анализ на некорректность диалога и производят соответствующее оповещение; в другом частном примере осуществления способа в случае выявления факта предполагаемого мошенничества производят отключение соединения.

[49] Распознавание речи (транскрибацию) в вышеприведенном варианте реализации описываемого технического решения производят с помощью модели ASR: ASR базируется на фреймворке kaldi, с его помощью из датасетов телефонной речи извлекаются мел-частотные кепстральные коэффициенты (Mel-Frequency Cepstral Coefficients, MFCCs) для дальнейшего обучения акустической части модели (основанной на скрытых марковских моделях (НММ), модели смеси гауссовских распределений (GMM)) и нейронной сети). После обучение продолжается на текстовых датасетах в лингвистической части, которая представляет собой n-gram модель, а в качестве рескоринга используется нейросеть RNNLM (Recurrent Neural Network Language Modeling Toolkit). Сервис распознавания речи взаимодействует с сервисом диспетчеризации используя сетевое соединение через tcp. По мере того, как сервис диспетчеризации отправляет аудио пакеты, они собираются в единый буфер. После того, как в сервисе появилось достаточно аудио, генерируется спектрограмма. Спектрограмма подается на вход модели распознавания речи. Результатом работы модели является путь в графе данной модели. По нему восстанавливается текст, сказанный абонентом. На ФИГ. 4 наглядно показано, как система может отрабатывать в реальном времени под нагрузкой и в режиме реального времени распознавать речь: на графике изображены ось абсцисс - количество одновременных подключений к сервису распознавания речи (т.е. количество распознаваемых одновременно каналов, ось ординат -задержка распознавания, в миллисекундах. Средняя и медианная задержка -темно-синяя и оранжевая линии. Выше - линии перцентилей: 90ый перцентиль обозначает, что 90 процентов всех измерений было меньше какой-то отметки, соответственно у 85% была задержка меньше 120 мс, у 90% меньше 150 мс, у 95% меньше 200 мс, между тем - 95-ый перцентиль времени распознавания фразы меньше 200 мс - отметки, при которой человек чувствует задержку. Т.е. в среднем сервис распознает текст быстрее 100 мс, а 95% всех фраз распознаются быстрее 200 мс. Таким образом, производительность системы распознавания речи позволяет транскрибировать текст в режиме онлайн с минимальной задержкой. При этом возможна транскрибация аудиоданных как с человеческой, так и с синтезированной речью. После получения транскрипции текст возвращается в сервис диспетчеризации.

[50] В вышеприведенном варианте реализации описываемого технического решения сервис определения мошенничества (FraudDetectionService) получает транскрипцию разговора и используя модели машинного обучения определяет носит ли разговор мошеннический характер.

[51] В вышеприведенном варианте реализации описываемого технического решения модель определения мошенничества предобучена на следующих данных:

731 диалог по мошенническим сценариям (источник Youtube);

134 симуляций мошеннических диалогов;

10368 диалогов о мошеннических действиях (без мошенничества);

21 длительный тематический немошеннический диалог;

40000 звонков контакт-центра (без мошенничества);

наборы диалоговых данных из социальных сетей и открытых чатов (vk, telegram).

[52] В вышеприведенном варианте реализации описываемого технического решения модель определения мошенничества имеет следующую логику работы:

преобразование диалога в режиме онлайн в текст (ASR);

преобразование текста в эмбеддинги (получение численного представления);

(на этапе обучения/тюнинга модели) использование серии эмбеддеров:

BertMulLangAllSidesChained: (OpenAI BERT) последовательность реплик (сырой диалог as-is, полностью);

SbertAllSidesChained: (BERT от Сбер) последовательность реплик (сырой диалог as-is, полностью);

SbertAHSidesSep: (BERT от Сбер) последовательность реплик (разбитая по сторонам абонент А, абонент Б);

SbertByReplica (BERT от Сбер) последовательность реплик в порядке поступления;

BoW; fastText;

Universal Sentence Encoder;

Word2Vec;

T5;

(на этапе обучения/тюнинга модели) текстовые данные и соответствующие им эмбеддинги кэшируются, для оптимизации по скорости исполнения по уникальному идентификатору звонка;

по причине асимметричности набора данных и цели минимизации числа ошибок False Positive и максимизации True Positive, был применен вариант оценки * качества модели Weighted AUC (в частности, Exponential AUC);

разделение классов (мошеннический звонок, легальный звонок) осуществляется с помощью логистической регрессии с параметрами:

алгоритм оптимизации L-BFGS;

L2-регуляризация;

подбор порога был осуществлен по правилу минимизации значения линейной комбинации цен ошибок I/II рода и соответствующих им вероятностей (полученное значение порога для модели - 0,8);

в случае обнаружения попыток мошенничества сигнал отправляется в сервис диспетчеризации.

[53] Точность работы вышеуказанной модели на январь 2022 года составляла:

- False Positive Rate: 0,002 (меньше 1% ложноположительных срабатываний модели);

- True Positive Rate: 0,81 (то есть более 80% верного срабатывания определения фрода).

[54] В одном из частных примеров осуществления описываемого технического решения используемая модель машинного обучения дополнительно обучается и совершенствуется с каждым ее применением для анализа, в том числе с использованием обратной связи от абонентов.

[55] В общем виде (изображена на Фиг. 5) система определения мошеннических звонков и оповещения о них абонентов (500) содержит объединенные общей шиной информационного обмена один или несколько процессоров (501), средства памяти, такие как ОЗУ (502) и ПЗУ (503) и интерфейсы ввода/вывода (504).

[56] Процессор (501) (или несколько процессоров, многоядерный процессор и т.п.) может выбираться из ассортимента устройств, широко применяемых в настоящее время, например, таких производителей, как: Intel™, AMD™, Apple™, Samsung Exynos™, MediaTEK™, Qualcomm Snapdragon™ и т.п. Под процессором или одним из используемых процессоров в системе (500) также необходимо учитывать графический процессор, например, GPU NVIDIA с программной моделью, совместимой с CUDA, или Graphcore, тип которых также является пригодным для полного или частичного выполнения способа, а также может применяться для обучения и применения моделей машинного обучения в различных информационных системах.

[57] ОЗУ (502) представляет собой оперативную память и предназначено для хранения исполняемых процессором (501) машиночитаемых инструкций для выполнения необходимых операций по логической обработке данных. ОЗУ (502), как правило, содержит исполняемые инструкции операционной системы и соответствующих программных компонент (приложения, программные модули и т.п.). При этом, в качестве ОЗУ (502) может выступать доступный объем памяти графической карты или графического процессора.

[58] ПЗУ (503) представляет собой одно или более устройств постоянного хранения данных, например, жесткий диск (HDD), твердотельный накопитель данных (SSD), флэш-память (EEPROM, NAND и т.п.), оптические носители информации (CD-R/RW, DVD-R/RW, BlueRay Disc, MD) и др.

[59] Для организации работы компонентов устройства (500) и организации работы внешних подключаемых устройств применяются различные виды интерфейсов В/В (504). Выбор соответствующих интерфейсов зависит от конкретного исполнения вычислительного устройства, которые могут представлять собой, не ограничиваясь: PCI, AGP, PS/2, IrDa, Fire Wire, LPT, COM, SATA, IDE, Lightning, USB (2.0, 3.0, 3.1, micro, mini, type C), TRS/Audio jack (2.5, 3.5, 6.35), HDMI, DVI, VGA, Display Port, RJ45, RS232 и т.п.

[60] Для обеспечения взаимодействия пользователя с устройством (500) применяются различные средства (505) В/В информации, например, клавиатура, дисплей (монитор), сенсорный дисплей, тачпад, джойстик, манипулятор мышь, световое перо, стилус, сенсорная панель, трекбол, динамики, микрофон, средства дополненной реальности, оптические сенсоры, планшет, световые индикаторы, проектор, камера, средства биометрической идентификации (сканер сетчатки глаза, сканер отпечатков пальцев, модуль распознавания голоса) и т.п.

[61] Средство сетевого взаимодействия (506) обеспечивает передачу данных посредством внутренней или внешней вычислительной сети, например, Интранет, Интернет, ЛВС и т.п. В качестве одного или более средств (506) может использоваться, но не ограничиваться: Ethernet карта, GSM модем, GPRS модем, LTE модем, 5G модем, модуль спутниковой связи, NFC модуль, Bluetooth и/или BLE модуль, Wi-Fi модуль и др.

[62] Конкретный выбор элементов устройства (500) для реализации различных программно-аппаратных архитектурных решений может варьироваться с сохранением обеспечиваемого требуемого функционала. В частности, подобная реализация может быть выполнена с помощью электронных компонент, используемых для создания цифровых интегральных схем. Не ограничиваюсь, могут быть использоваться микросхемы, логика работы которых определяется при изготовлении, или программируемые логические интегральные схемы (ПЛИС), логика работы которых задается посредством программирования. Для программирования используются программаторы и отладочные среды, позволяющие задать желаемую структуру цифрового устройства в виде принципиальной электрической схемы или программы на специальных языках описания аппаратуры: Verilog, VHDL, AHDL и др. Альтернативой ПЛИС являются: программируемые логические контроллеры (ПЛК), базовые матричные кристаллы (БМК), требующие заводского производственного процесса для программирования; ASIC - специализированные заказные большие интегральные схемы (БИС), которые при мелкосерийном и единичном производстве существенно дороже. Таким образом, реализация может быть достигнута стандартными средствами, базирующимися на классических принципах реализации основ вычислительной техники.

[63] Представленные материалы заявки раскрывают предпочтительные примеры реализации технического решения и не должны трактоваться как ограничивающие иные, частные примеры его воплощения, не выходящие за пределы испрашиваемой правовой охраны, которые являются очевидными для специалистов соответствующей области техники.

Изобретение относится к области коммуникации, а именно осуществляет определение мошеннических звонков в режиме онлайн во время разговора абонентов и оповещение о них абонентов. Технический результат заключается в повышении точности определения факта предполагаемого мошенничества и конфиденциальности данных во время разговора между абонентами. Технический результат достигается за счет постоянного дообучения модели на основе ранее выделенных паттернов в виде эмбеддингов с помощью множества эмбеддеров. 2 н. и 13 з.п. ф-лы, 5 ил.

1. Способ определения мошеннических звонков и оповещения о них абонентов, характеризующийся тем, что:

• во время разговора декодируются аудиоданные;

• затем аудиоданные проходят процедуру транскрибации речи;

• выделяются паттерны в виде эмбеддингов с помощью множества эмбеддеров;

• полученный на предыдущем шаге текст анализируется на наличие факта предполагаемого мошенничества с помощью предобученной модели машинного обучения, при этом модель обучается на основе ранее выделенных паттернов в виде эмбеддингов с помощью множества эмбеддеров, при этом используемая модель машинного обучения дополнительно обучается и совершенствуется с каждым ее применением для анализа;

• в случае выявления на предыдущем шаге факта предполагаемого мошенничества, абонент об этом оповещается.

2. Способ по п. 1, характеризующийся тем, что оповещение абонента проводится во время разговора, в котором выявлен факт предполагаемого мошенничества.

3. Способ по п. 1, характеризующийся тем, что оповещение абонента проводится после разговора, в котором выявлен факт предполагаемого мошенничества.

4. Способ по п. 1, характеризующийся тем, что оповещение абонента проводится с помощью проигрывания аудиосообщения.

5. Способ по п. 1, характеризующийся тем, что оповещение абонента проводится с помощью видеосообщения.

6. Способ по п. 1, характеризующийся тем, что оповещение абонента проводится с помощью текстового сообщения.

7. Способ по п. 1, характеризующийся тем, что оповещение абонента проводится с помощью пиктограммы.

8. Способ по п. 1, характеризующийся тем, что декодируются аудиоданные с человеческой речью.

9. Способ по п. 1, характеризующийся тем, что декодируются аудиоданные с синтезированной речью.

10. Способ по п. 1, характеризующийся тем, что в качестве сервисов телефонии используются сервисы аналоговой телефонии.

11. Способ по п. 1, характеризующийся тем, что в качестве сервисов телефонии используются сервисы IP-телефонии.

12. Способ по п. 1, характеризующийся тем, что в качестве сервисов телефонии используются сервисы-программы для аудио-, видеозвонков.

13. Способ по п. 1, характеризующийся тем, что кроме анализа факта предполагаемого мошенничества производят анализ на некорректность диалога и производят соответствующее оповещение.

14. Способ по п. 1, характеризующийся тем, что в случае выявления факта предполагаемого мошенничества производят отключение соединения.

15. Система определения мошеннических звонков и оповещения о них абонентов, содержащая:

• по меньшей мере один процессор;

• по меньшей мере одну память, соединенную с процессором, которая содержит машиночитаемые инструкции, которые при их выполнении по меньшей мере одним процессором обеспечивают выполнение способа по любому из пп. 1-14.