基于多標(biāo)準(zhǔn)信譽(yù)模型的垃圾語音檢測.pdf

1、近年來,隨著移動(dòng)通信技術(shù)的發(fā)展,手機(jī)用戶規(guī)模迅速擴(kuò)張。在享受科技帶來便利的同時(shí),手機(jī)由于其隱私性及時(shí)間碎片性卻也開始成為垃圾語音的攻擊對象。根據(jù)調(diào)查,百分之九十以上的人遭遇過垃圾語音。垃圾語音浪費(fèi)了大量帶寬資源,消耗無線頻譜資源,造成資源浪費(fèi);違法嚴(yán)重的垃圾語音甚至?xí)绊懮鐣?huì)穩(wěn)定,威脅國家安全,如宣揚(yáng)法輪功、疆獨(dú)、藏獨(dú)的語音電話。因此,垃圾語音的防護(hù)及過濾研究勢在必行。
　　針對垃圾語音的防護(hù),已有多種手段,例如黑白名單、圖靈測試

2、、預(yù)付費(fèi)等,都在各自領(lǐng)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(jī)器檢測的過濾手段,變得狡猾難以辨別,因此,信譽(yù)系統(tǒng)的引入開始引起人們的關(guān)注。信譽(yù)系統(tǒng)引入了評分機(jī)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(yù)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(jià)標(biāo)準(zhǔn)該如何處理;(2)如何對大量證據(jù)進(jìn)行有效且迅速的處理;(3)如何使模型適應(yīng)用戶的變

3、化。
　　針對以上問題,本文提出了基于群學(xué)習(xí)的多標(biāo)準(zhǔn)信譽(yù)模型的解決方法。在將用戶根據(jù)其信任傾向進(jìn)行分類后,解決了多評價(jià)標(biāo)準(zhǔn)對模型的影響;之后在建立起群組的機(jī)制上提出了群學(xué)習(xí)的方法,使模型處理速度不致因?yàn)榇罅繑?shù)據(jù)而減緩;此外,通過滑動(dòng)窗口模型的流數(shù)據(jù)處理方式及定時(shí)更新機(jī)制保證了模型能夠根據(jù)用戶的變化而進(jìn)行變動(dòng),保證模型的準(zhǔn)確性。
　　通過仿真結(jié)果顯示,在引入信任傾向劃分的機(jī)制上,模型的判斷結(jié)果相較普通的信譽(yù)模型有更好的檢測效果