申请/专利权人：上海观安信息技术股份有限公司

申请日：2020-06-30

公开（公告）日：2024-02-23

公开（公告）号：CN111754338B

主分类号：G06F17/00

分类号：G06F17/00;G06Q40/02;G06F16/951;G06F16/958

优先权：

专利状态码：有效-授权

法律状态：2024.02.23#授权;2020.10.30#实质审查的生效;2020.10.09#公开

摘要：本发明公开了一种套路贷团伙识别方法及系统，包括构建套路贷网站识别模型；根据套路贷网站黑名单库，获取套路贷网站的主要特征，并利用网络爬虫技术，爬取更多疑似套路贷网站的页面内容，并通过所述的套路贷网站识别模型进行识别，然后将识别为套路贷网站放入黑名单库中，得到新的黑名单库；针对新的黑名单库，通过套路贷网站的特征数据构建关系图，计算出每个特征节点所在的连通子图以及连通子图的节点数，最终识别团伙。本发明结合犯罪分子即贷款网站层面构建特征，挖掘潜在套路贷网站，并基于套路贷网站特征构对已识别出的套路贷网站构建无向图，然后计算识别出套路贷网站团伙，兼顾了套路贷网站识别的广度和深度。

主权项：1.一种套路贷团伙识别方法，其特征在于：包括以下步骤：S1.构建套路贷网站识别模型；S2.套路贷网站挖掘，根据套路贷网站黑名单库，获取套路贷网站的主要特征，并利用网络爬虫技术，爬取更多疑似套路贷网站的页面内容，并通过所述的套路贷网站识别模型进行识别，然后将识别为套路贷网站放入黑名单库中，得到新的黑名单库；所述步骤S2具体包括：S201.套路贷网站特征分析，通过网络爬虫技术爬取企业黑名单库中已有的套路贷网站url对应的标题和页面样式，分别记为title、css；然后对title进行关键词提取，并取前n名作为套路贷网站特征，得到标题特征列表title_list；对页面样式css进行去重得到页面样式列表css_list；S202.爬取疑似套路贷网站，通过标题特征列表title_list中的标题关键词搜索，抓取标题中包含这些关键词的相关网站；通过列表css_list中的网页样式特征搜索，抓取与套路贷网站样式一致的相关网站；爬取的疑似套路贷网站列表url_list；然后爬取疑似套路贷网站列表url_list中的每个网站对应的页面内容字符串，网站页面内容串列表记为text_list，然后通过正则提取列表text_list中每个字符串里的中文部分，记为sample_list；S203.套路贷网站识别，利用步骤S1中的识别模型对S202中疑似套路贷网站特征列表sample_list进行预测，预测结果为1的标识是套路贷网站，预测结果为0的表示非套路贷网站；S3.套路贷网站团伙识别，针对新的黑名单库，通过套路贷网站的特征数据构建关系图，计算出每个特征节点所在的连通子图以及连通子图的节点数，每个连通子图即为一个团伙，连通子图的节点数为团伙规模；所述步骤S3具体包括：S301.特征构建，获取新的黑名单库中套路贷网站的特征url、host、ip作为关系图的节点；S302.建图，首先对特征url、host、ip进行处理，即将url列与host列、host列与ip列进行拼接，构建无向图g；具体过程为：1）新建list列表v1、v2；2）循环套路贷网站的三个特征列，v1=url列+host列，v2=host列+ip列；v1、v2作为节点输入到关系图中，构建无向图g；每个点称作顶点，一个顶点代表其中一个套路贷网站的特征：url、ip段、host，顶点之间的连线代表两个特征之间存在联系；S303.计算顶点的连通图信息，具体为：1）随机取图g中的一个节点v，v对应的连通子图节点数变量为vertice_num，节点名称列表为vertice_list；2）以v为顶点，按照广度优先算法遍历图g，每遍历到一个节点存入变量vertice_list中，vertice_num加1；3）循环以上过程，直到遍历g中所有节点；然后得到图g中每个节点对应的其所在连通子图的节点列表和节点数；通过控制套路贷网站url特征节点所在的连通子图的节点个数vertice_num来筛选需要分析的套路贷网站团伙。

全文数据：

权利要求：

百度查询： 上海观安信息技术股份有限公司 一种套路贷网站团伙识别方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD