交互控制方法、智能终端、存储介质及产品与流程

本技术涉及通信安全领域，尤其涉及一种交互控制方法、智能终端、存储介质及产品。

背景技术：

1、当前电信诈骗与骚扰电话日益猖獗，形势严峻。现有的电信诈骗与骚扰电话防御技术多依赖于简单的关键词过滤、黑名单匹配等方法，这些方法在面对诈骗手法多样化、骚扰行为隐蔽化的情况下，识别精度有限，且易产生误报和漏报。此外，现有方法缺乏对用户行为特征的深入挖掘和分析，无法根据用户个体差异提供个性化服务，导致用户体验不佳。

技术实现思路

1、本技术的主要目的在于提供一种交互控制方法、智能终端、存储介质及产品，旨在为用户提供一个安全、高效、个性化的通信环境。

2、为实现上述目的，本技术提出一种交互控制方法，应用于智能终端，所述方法包括：

3、采集交互场景下的交互信息；

4、基于所述交互信息并通过预置的风险评估模型，对所述交互场景进行风险评估；

5、在确定所述交互场景存在风险的情况下，所述智能终端根据风险评估结果执行相应的防御措施。

6、在一实施例中，基于所述交互信息并通过预置的风险评估模型，对所述交互场景进行风险评估的步骤包括：

7、对所述交互信息进行特征提取，得到关键特征信息，所述关键特征信息包括：语音特征、文本特征、图片特征中的一种或多种；

8、将所述关键特征信息转换为关键特征向量；

9、将所述关键特征向量输入预置的风险评估模型，通过所述风险评估模型对所述关键特征向量进行分析识别，根据分析识别结果对所述交互场景进行诈骗或骚扰风险评估。

10、在一实施例中，所述通过所述风险评估模型对所述关键特征向量进行分析识别，根据分析识别结果对所述交互场景进行诈骗或骚扰风险评估的步骤包括：

11、通过所述风险评估模型，结合预先构建的诈骗或骚扰特征库、反诈骗或反骚扰特征库，对所述关键特征向量进行分析识别，得到初始分析识别结果；

12、结合预先构建的云端数据库和本地数据库，对所述初始分析识别结果进行交叉验证，根据交叉验证结果对所述交互场景进行诈骗或骚扰风险评估。

13、在一实施例中，所述结合预先构建的云端数据库和本地数据库，对所述初始分析识别结果进行交叉验证的步骤之前还包括：

14、在构建所述云端数据库时，对所述云端数据库中的数据进行脱敏处理。

15、在一实施例中，所述风险评估模型的训练步骤包括：

16、基于历史交互数据和/或构造的交互数据，构建诈骗或骚扰特征库、反诈骗或反骚扰特征库；

17、通过所述诈骗或骚扰特征库、反诈骗或反骚扰特征库，基于深度神经网络框架进行模型训练，得到初始深度神经网络模型；

18、基于预设的调优策略，对所述初始深度神经网络模型进行参数调优，得到预置的风险评估模型。

19、在一实施例中，所述诈骗或骚扰特征库包括：仿冒身份、制造紧急或诱人情景、专业话术和技巧、要求提供敏感信息或转账中的一种或多种特征，所述反诈骗或反骚扰特征库包括：社交关系网、音色、口音、语言习惯、社交对象画像中的一种或多种特征。

20、在一实施例中，所述在确定所述交互场景存在风险的情况下，所述智能终端根据风险评估结果执行相应的防御措施的步骤包括：

21、在确定所述交互场景存在诈骗或骚扰风险的情况下，所述智能终端根据风险评估结果调用预先制定的当前交互场景下用户对应的防御措施；

22、执行所述当前交互场景下用户对应的防御措施，或者，基于当前交互场景下的防御措施的优先级执行相应的防御措施。

23、在一实施例中，所述交互场景包括：语音通话场景、文本聊天场景、视频交互场景中的一种或多种；所述防御措施包括：中断当前交互、语音或短信回复、将对方号码加入黑名单或举报中的一种或多种；所述优先级依次包括：提醒、警示、干预、打断。

24、在一实施例中，所述在确定所述交互场景存在风险的情况下，所述智能终端根据风险评估结果执行相应的防御措施的步骤之前还包括：

25、通过用户行为模式挖掘模型为用户制定对应的防御措施。

26、在一实施例中，所述通过用户行为模式挖掘模型为用户制定对应的防御措施的步骤包括：

27、通过用户行为模式挖掘模型，挖掘并分析历史交互数据中对应的交互场景下的用户行为特征，得到用户交互行为模式；

28、基于所述用户行为特征及用户交互行为模式，构建用户行为特征库；

29、基于所述用户行为特征库为用户制定对应的防御措施。

30、在一实施例中，所述通过用户行为模式挖掘模型，挖掘并分析历史交互数据中对应的交互场景下的用户行为特征的步骤包括：

31、通过所述用户行为模式挖掘模型，挖掘历史交互数据中对应的交互场景下的交互行为特征，所述交互行为特征包括：语音特征、文本特征、图片特征中的一种或多种；

32、对所述交互行为特征从多维度进行分析，得到用户交互行为模式，所述多维度包括：交互时长、交互频次、时序通联关系中的一种或多种。

33、在一实施例中，所述方法还包括：

34、收集新的交互数据，基于所述新的交互数据，对所述风险评估模型的参数进行更新，得到更新后的风险评估模型；和/或基于所述新的交互数据和用户行为特征，更新所述用户行为特征库。

35、在一实施例中，所述智能终端上配置有反诈决策智能体，所述基于所述交互信息并通过预置的风险评估模型，对所述交互场景进行风险评估的步骤包括：

36、通过所述反诈决策智能体基于所述交互信息，调用预置的风险评估模型，对所述交互场景进行风险评估，并在评估到所述交互场景存在风险的情况下，输出防御措施。

37、本技术还提出一种交互控制装置，所述装置包括：

38、采集模块，用于采集交互场景下的交互信息；

39、评估模块，用于基于所述交互信息并通过预置的风险评估模型，对所述交互场景进行风险评估；

40、防御处理模块，用于在确定所述交互场景存在风险的情况下，根据风险评估结果执行相应的防御措施。

41、本技术还提出一种智能终端，所述智能终端包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序配置为实现如上所述的交互控制方法的步骤。

42、本技术还提出一种计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的交互控制方法的步骤。

43、本技术还提出一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现如上所述的交互控制方法的步骤。

44、本技术提出的一个或多个技术方案，至少具有以下技术效果：通过采集交互场景下的交互信息；基于交互信息并通过预置的风险评估模型，对交互场景进行风险评估；在确定交互场景存在风险的情况下，智能终端根据风险评估结果执行相应的防御措施。本技术通过风险评估模型对交互场景进行风险评估，可以显著提高诈骗或骚扰风险的识别精度，同时结合个性化的防御措施，能够实现智能预警与个性化防御，提升用户体验与安全性，从而为用户提供一个安全、高效、个性化的通信环境，本技术方案在电信诈骗与骚扰电话防御领域具有广泛的应用前景和重要的社会价值。