数字技术与应用杂志社

摘要：<正>当前电信诈骗形势依然严峻，而电信运营商传统的基于规则或机器学习的反诈模型在精准识别诈骗号码时还存在一定的误判率，导致部分正常用户号码被误关停，既影响了用户体验又增加了运营成本。为解决这一问题，本文引入了图神经网络（Graph Neural Networks,GNN）技术，旨在挖掘通话关系网络中的深层联系，对传统模型输出的高风险关停号码进行二次校验与过滤，从而提升识别的精准度。一、引言当前，电信网络诈骗在新技术加持下的高发态势与隐蔽性升级。电信运营商虽已通过实名制管理、风险评估及大数据平台加强反诈防控，但现有系统仍面临两难困境：规则严格能提升拦截率，却导致误判率升高、用户投诉激增；规则宽松则识别度不高，难以有效遏制诈骗。鉴于此，本文提出一种GNN模型的检测系统优化方法，在维持高拦截效率的同时显著降低误判率，为运营商提供精准化、低扰动的反诈解决方案。

专辑： 信息科技;社会科学Ⅰ辑

专题： 公安;自动化技术

分类号： TP183;D631.2