基于多標準信譽模型的垃圾語音檢測.pdf

1、近年來,隨著移動通信技術的發(fā)展,手機用戶規(guī)模迅速擴張。在享受科技帶來便利的同時,手機由于其隱私性及時間碎片性卻也開始成為垃圾語音的攻擊對象。根據(jù)調查,百分之九十以上的人遭遇過垃圾語音。垃圾語音浪費了大量帶寬資源,消耗無線頻譜資源,造成資源浪費;違法嚴重的垃圾語音甚至會影響社會穩(wěn)定,威脅國家安全,如宣揚法輪功、疆獨、藏獨的語音電話。因此,垃圾語音的防護及過濾研究勢在必行。
　　針對垃圾語音的防護,已有多種手段,例如黑白名單、圖靈測試

2、、預付費等,都在各自領域取得了較好的研究成果。但目前愈來愈多的垃圾語音均為人為發(fā)出,可繞過機器檢測的過濾手段,變得狡猾難以辨別,因此,信譽系統(tǒng)的引入開始引起人們的關注。信譽系統(tǒng)引入了評分機制,通過眾的人監(jiān)督使垃圾語音被遏制住,從而減少危害。目前針對信譽模型的研究已不再少數(shù),并也取得了良好的效果,但大部分模型仍有一些問題未納入考慮:(1)針對用戶的多評價標準該如何處理;(2)如何對大量證據(jù)進行有效且迅速的處理;(3)如何使模型適應用戶的變

3、化。
　　針對以上問題,本文提出了基于群學習的多標準信譽模型的解決方法。在將用戶根據(jù)其信任傾向進行分類后,解決了多評價標準對模型的影響;之后在建立起群組的機制上提出了群學習的方法,使模型處理速度不致因為大量數(shù)據(jù)而減緩;此外,通過滑動窗口模型的流數(shù)據(jù)處理方式及定時更新機制保證了模型能夠根據(jù)用戶的變化而進行變動,保證模型的準確性。
　　通過仿真結果顯示,在引入信任傾向劃分的機制上,模型的判斷結果相較普通的信譽模型有更好的檢測效果