ПРИМЕНЕНИЕ МЕТОДОВ ГЛУБОКОГО ОБУЧЕНИЯ В ЗАДАЧЕ ОБНАРУЖЕНИЯ МОШЕННИЧЕСКИХ ЗВОНКОВ
Южно-Сибирский научный вестник · 31.12.2025 · (6(64)) · 126-131
DOI: 10.25699/sssb.2025.64.6.021 ↗Kurz gefasst
Fachartikel in der Zeitschrift Южно-Сибирский научный вестник, online erschienen am 31.12.2025. Verfasst von А.С. Малицкий und 1 weiteren Autor:innen. Die Arbeit nennt 8 Literaturangaben.
Abstract (Originalsprache)
В работе рассматривается проблемаавтоматизированного обнаружения мошеннических телефонных звонков, актуальность которой обусловлена ростом числа соответствующих преступлений при недостаточной эффективноститрадиционных методов, основанных на анализе метаданных илииспользовании статических баз данных. Предметом исследования является задача классификации текстовых диалогов с целью выявления признаков мошенничества в содержании разговоров. Исследуются возможности применениясовременных методов глубокого обучения для анализа семантики и контекста телефонных диалогов на русском языке. Цель исследования заключается в разработке и экспериментальной проверке эксплуатационных характеристик гибридной модели, способной эффективно различать мошеннические и легитимные звонки на основе анализа текстовых данных. Используются предварительно дообученный русскоязычный трансформер USER-bge-m3 для контекстной векторизации текста и двунаправленные LSTM-блоки с механизмом внимания для анализа последовательностей. Для обеспечения устойчивости к переобучению и акцентирования ключевых фрагментов диалога архитектура модели включает слои нормализации и Dropout. Обучение выполняется с использованием набора из 1000 аннотированных записей, дополнительно аугментированных с применением большой языковой модели Gemma 9B. Анализ результатов численного эксперимента показывает, что предложенная модель превосходит классические подходы по точности, полноте и F1-мере, достигая значений precision=1.00, recall=1.00 для мошеннического класса и демонстрируя при этом устойчивость к переобучению. Область применения результатов охватывает системы мониторинга телефонных коммуникаций, службы безопасности банков и контакт-центров, а также решения для автоматического выявления угроз социальной инженерии. Сформулирован вывод о высокой эффективности гибридного подхода в задачах противодействия телефонному мошенничеству, особенно в условиях высокой языковой вариативности и ограниченности объема обучающих данных. This paper addresses the problem of automated detection of fraudulent phone calls, a challenge whose relevance is driven by the rising number of such crimes and the limited effectiveness of traditional methods based on metadata analysis or static databases. The subject of the study is the task of classifying textual dialogues to identify signs of fraud within the content of conversations. The research explores the potential of modern deep learning methods for analyzing the semantics and context of Russian-language telephone dialogues. The aim of the study is to develop and experimentally validate the operational characteristics of a hybrid model capable of effectively distinguishing between fraudulent and legitimate calls based on text data analysis. The approach utilizes a pre-trained Russian-language transformer, USER-bge-m3, for contextual text vectorization, and bidirectional LSTM blocks with an attention mechanism for sequence analysis. To ensure robustness against overfitting and to emphasize key dialogue fragments, the model architecture includes normalization and Dropout layers. Training is performed using a set of 1,000 annotated records, further augmented with the large language model Gemma 9B. Analysis of the numerical experiment results shows that the proposed model outperforms classical approaches in terms of precision, recall, and F1-score, achieving values of precision=1.00 and recall=1.00 for the fraud class, while demonstrating resistance to overfitting. The application domain of the results covers telephone communication monitoring systems, bank and contact center security services, as well as solutions for the automatic detection of social engineering threats. The study concludes that the hybrid approach is highly effective in combating telephone fraud, especially under conditions of high linguistic variability and limited training data.
Zitieren
APA
Малицкий, А., & Гуненков, М. (2025). ПРИМЕНЕНИЕ МЕТОДОВ ГЛУБОКОГО ОБУЧЕНИЯ В ЗАДАЧЕ ОБНАРУЖЕНИЯ МОШЕННИЧЕСКИХ ЗВОНКОВ. Южно-Сибирский научный вестник, 126-131. https://doi.org/10.25699/sssb.2025.64.6.021
Vancouver
Малицкий А, Гуненков М. ПРИМЕНЕНИЕ МЕТОДОВ ГЛУБОКОГО ОБУЧЕНИЯ В ЗАДАЧЕ ОБНАРУЖЕНИЯ МОШЕННИЧЕСКИХ ЗВОНКОВ. Южно-Сибирский научный вестник. 2025:126-131. doi:10.25699/sssb.2025.64.6.021
BibTeX
@article{2025,
author = {Малицкий, А.С. and Гуненков, М.Ю.},
title = {ПРИМЕНЕНИЕ МЕТОДОВ ГЛУБОКОГО ОБУЧЕНИЯ В ЗАДАЧЕ ОБНАРУЖЕНИЯ МОШЕННИЧЕСКИХ ЗВОНКОВ},
journal = {Южно-Сибирский научный вестник},
year = {2025},
number = {6(64)},
pages = {126--131},
doi = {10.25699/sssb.2025.64.6.021}
}
EUVIMED