YD/T 4679-2024 标准解读

一、核心基础术语释义

• 诈骗电话号码：指被用于实施电信网络诈骗活动，具备主动拨出、诱导信息交互、非法获取财产或敏感信息等特征的电话号码，包括但不限于固定电话号码、移动电话号码、网络电话号码等。
• 人工智能（AI）：指利用机器学习、深度学习、自然语言处理等技术，使系统具备模拟人类智能行为能力的技术体系，在本标准中特指用于识别与分析诈骗电话行为模式的算法模型。
• 电话号码识别：通过多维度数据分析，对电话号码是否具备诈骗风险进行判断的技术过程，涵盖号码属性分析、通话行为建模、上下文语义理解等环节。
• 训练数据集：用于构建和优化人工智能模型的历史数据集合，包含已标注为“诈骗”或“非诈骗”的电话号码及其相关行为特征。
• 识别模型：基于训练数据集构建的、可用于对未知电话号码进行诈骗风险判定的数学模型，通常以分类器或预测器形式存在。

二、专项技术术语解析

1. 行为特征向量：从通话记录、主叫频次、被叫分布、通话时长、时段规律、地理跳变等维度提取的结构化数值表示，作为识别模型的输入变量，反映号码使用模式。
2. 实时识别响应时间：指系统接收到待识别号码及相关上下文信息后，至输出识别结果的最大允许延迟，标准要求不超过500毫秒。
3. 识别准确率：在测试集中，模型正确判定诈骗号码与非诈骗号码的样本数占总样本数的比例，标准规定不低于92%。
4. 误报率：将正常号码错误识别为诈骗号码的概率，标准限定应控制在3%以内。
5. 漏报率：将实际诈骗号码未能识别为高风险的概率，标准要求不高于8%。
6. 模型可解释性：识别结果应附带关键决策依据说明，如主要贡献特征及其权重，确保监管合规与人工复核可行性。
7. 动态更新机制：识别模型应支持定期或触发式参数调优与版本迭代，以应对诈骗手段演化，更新周期不应超过7天。
8. 跨网协同识别：指不同通信运营商之间共享脱敏后的风险特征指纹，在保护隐私前提下实现诈骗号码的联合判定与阻断。

三、易混淆术语区分

四、术语应用规范

• 文书撰写规范：
  1. 在技术方案、检测报告中，“诈骗电话号码”不得简写为“诈号”或“骗号”，须使用全称或标准缩写“ZPHM”。
  2. “识别模型”应注明类型，如“基于XGBoost的分类模型”或“LSTM时序检测模型”，避免笼统表述。
  3. 性能指标引用时，须完整标注测试条件，例如：“识别准确率93.2%（测试集规模≥100万，标注置信度≥95%）”。
• 系统开发规范：
  1. 接口文档中，“行为特征向量”字段应明确定义维度数量、取值范围、归一化方式，如“50维浮点向量，[0,1]归一化”。
  2. 日志记录中，“实时识别响应时间”须以毫秒级精度采集，并按《YD/T 4679-2024》附录B格式存储。
  3. 模型输出结果必须包含“风险等级”“置信度分数”“主导特征列表”三项基本元素。
• 核验审计规范：
  1. 第三方测评机构在验证“误报率”时，应使用独立于训练集的盲测数据集，且样本中正常号码占比不低于70%。
  2. “动态更新机制”有效性核验需提供最近三次更新的触发原因、更新内容摘要及回溯测试对比报告。
  3. 跨网协同识别的合规性审查，重点检查数据交换是否符合《个人信息保护法》规定的去标识化要求。

所有术语使用须严格遵循YD/T 4679-2024第4章定义，不得擅自扩展或简化。当与其他行业标准存在表述冲突时，以本标准为准。