基于大语言模型的涉诈文本识别研究

周顶; 陈哲; 叶蕴芳; 李岩

doi:10.13992/j.cnki.tetas.2025.08.008

Chinese

您当前的位置：

首页 >

文章列表页 >

基于大语言模型的涉诈文本识别研究

大模型应用专题 | 更新时间：2026-04-21

- 基于大语言模型的涉诈文本识别研究
- 基于大语言模型的涉诈文本识别研究
- 电信工程技术与标准化 2025年第8期页码：7-13
- 作者机构：
  
  1. 中国移动通信集团设计院有限公司
  2. 中国信息通信研究院
  3. 中国移动通信集团福建有限公司
- 作者简介：
- 基金信息：
- DOI：10.13992/j.cnki.tetas.2025.08.008
  中图分类号： TP18;TP391.1;D631.2
- 纸质出版：2025
- 稿件说明：
移动端阅览
周顶, 陈哲, 叶蕴芳, 等. 基于大语言模型的涉诈文本识别研究[J]. 电信工程技术与标准化, 2025,(8):7-13.

周顶, 陈哲, 叶蕴芳, et al. 基于大语言模型的涉诈文本识别研究[J]. 2025, (8): 7-13.
周顶, 陈哲, 叶蕴芳, 等. 基于大语言模型的涉诈文本识别研究[J]. 电信工程技术与标准化, 2025,(8):7-13. DOI： 10.13992/j.cnki.tetas.2025.08.008.

周顶, 陈哲, 叶蕴芳, et al. 基于大语言模型的涉诈文本识别研究[J]. 2025, (8): 7-13. DOI： 10.13992/j.cnki.tetas.2025.08.008.

摘要

随着电信诈骗治理环境的变化，诈骗分子使用伪装、混淆技术对涉诈文本内容进行包装，对已有识别策略实现绕行，更有甚者，恶意使用大语言模型进行涉诈内容批量生成。面对这一类隐秘复杂、高度伪装的涉诈文本内容，需要使用大语言模型等人工智能技术进行反向治理，去除内容伪装，识别涉诈文本内容中的涉诈要素，实现对电诈行为的精准打击。为此，本文以通用大模型为基础，对涉诈文本内容进行形式和内容还原，并通过反诈场景引导、涉诈样本启发与反诈知识支撑3种途径为大模型赋予反诈属性，实现对涉诈文本内容的识别，助力电信诈骗治理工作开展。

Abstract

关键词

Keywords

references

肖文琴.基于BP神经网络的电信诈骗识别研究[D].华中师范大学,2022(02).

Asma Baccouche,Sadaf Ahmed,Daniel Sierra-Sosa,Adel Elmaghraby.Malicious Text Identification: Deep Learning from Public Comments and Emails[J].Information,2020.

Jae Woong Joo,Seo Yeon Moon,Saurabh Singh,Jong Hyuk Park.S-Detector: an enhanced security model for detecting Smishing attack for mobile computing[J].Telecommunication Systems,2017.

王世豪,蔡延光.基于改进GA-SVM的电信客户欺诈识别方法[J].东莞理工学院学报,2019(05).

杨杰超,许江淳,岳秋燕,曾德斌,陆万荣.基于SPARK与随机森林的短信诈骗用户识别研究[J].计算机工程与科学,2019(06).

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

AIGC驱动下的智能网络运维架构设计与关键技术研究

基于多模态大模型的智能语音质检应用研究

面向多模态大模型训练的算力与存储配比优化方法研究

基于AgentSearch算法的网络安全智能体

基于大语言模型与向量数据库的运维工单回单质量提升方法研究