1.本发明涉及语言识别技术领域，尤其涉及一种诈骗电话识别方法、装置、计算机设备及存储介质。


背景技术：

2.近年来，我国电信网络诈骗案件数量不断攀升，造成个人数据泄露、财产损失。近10年来，我国电信诈骗案件每年以20％至30％的速度快速增长，而老年人成为了最主要的受害群体之一，50岁以上的中老年人群体遭遇过电信诈骗比例最高，达到五成，较平均水平高出11个百分点。
3.目前国内解决方法是通过电话标注以及事后处理的方式。电话标注就是在来电时显示该电话被标注多少次，事后处理是在被诈骗后通过报警的方式通过警方找回。但是对于电话标注法，诈骗人员通过不断更换手机号码就能逃避，并且用户或者平台可能会恶意标注一些电话，将正常电话标注为诈骗电话，影响其他用户使用。对于事后处理的方法，不能起到预警的作用，因此目前需要一种能够实时监测并提醒老年人的防诈骗方案。但是，目前的例如手机等的终端设备的算力以及存储空间较为有限，尤其是需要使用多个模型对实时通话进行分析时，老年人所使用的配置较差的手机可能无法很好地对语音进行分析。


技术实现要素：

4.本发明实施例提供一种诈骗电话识别方法、装置、计算机设备及存储介质，以解决部分老年人所使用的手机算力不足，无法有效识别诈骗电话的问题。
5.在本发明的第一方面中，提供了一种诈骗电话识别方法，包括：
6.通过服务器和无线网络与预设网段内的各移动终端建立通信链路；
7.接收所述服务器发送的所述移动终端的通话号码以及语音原始数据，所述语音原始数据为所述移动终端通过与所述通话号码进行通话而产生；
8.对所述语音原始数据进行预处理，得到语音预处理数据；
9.将所述语音预处理数据输入语音识别模型，得到语音文本数据；
10.将所述语音文本数据输入诈骗检测模型，通过所述诈骗检测模型检测所述通话是否为诈骗电话；
11.若检测所述通话为诈骗电话，则将检测结果发送给所述服务器，供所述服务器向对应的移动终端发出警告信息。
12.在本发明的第二方面中，提供了一种诈骗电话识别装置，包括：
13.通信链路建立模块，用于通过服务器和无线网络与预设网段内的各移动终端建立通信链路；
14.语音数据接受模块，用于接收所述服务器发送的所述移动终端的通话号码以及语音原始数据，所述语音原始数据为所述移动终端通过与所述通话号码进行通话而产生；
15.语音数据预处理模块，用于对所述语音原始数据进行预处理，得到语音预处理数
据；
16.语音识别模块，用于将所述语音预处理数据输入语音识别模型，得到语音文本数据；
17.诈骗检测模块，用于将所述语音文本数据输入诈骗检测模型，通过所述诈骗检测模型检测所述通话是否为诈骗电话；
18.警告信息发送模块，用于若检测所述通话为诈骗电话，则将检测结果发送给所述服务器，供所述服务器向对应的移动终端发出警告信息。
19.在本发明的第三方面中，提供了一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述诈骗电话识别方法的步骤。
20.在本发明的第四方面中，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述诈骗电话识别方法的步骤。
21.上述诈骗电话识别方法、装置、计算机设备及存储介质，通过将通话中所记录的语音原始数据发送到服务器/边缘设备，可以通过具有较强算力的服务器/边缘设备将上述语音原始数据进行预处理，尤其是可以调用多种语音处理模型，以改善语音原始数据的清晰度等的参数，使其能够更好地用于后续的步骤，使得通话方即使通过功能单一、数据处理能力较弱的移动终端进行通话时，最终也能准确地识别出移动终端进行的通话是否是诈骗电话。此外，通过防诈骗模型识别语音文本数据，能够实时判断是否为诈骗电话，如果不是诈骗电话继续记录声音直到通话结束，如果检测出是诈骗电话，诈骗信息可以在通话过程中进行打断并实时提醒通话用户检测到诈骗信息，以防止用户上当受骗。
附图说明
22.为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
23.图1是本发明一实施例中诈骗电话识别方法的一应用环境示意图；
24.图2是本发明一实施例中诈骗电话识别方法的流程图；
25.图3是本发明一实施例中诈骗电话识别方法的交互流程图；
26.图4是本发明另一实施例中诈骗电话识别方法的流程图；
27.图5是本发明一实施例中诈骗电话识别装置的结构示意图；
28.图6是本发明一实施例中计算机设备的示意图。
具体实施方式
29.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
30.本技术提供的诈骗电话识别方法，可应用在如图1的应用环境中，其中，终端设备通过网络与服务器进行通信。其中，终端设备可以但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
31.特别需要指出的是，如图3所示，本发明一个重要的应用场景在于使用一个或者多个边缘设备作为提供算力的设备来实现，以解决老年用户所使用的手机等的移动终端自身算力不足的问题。统一管理各个边缘设备/节点的服务器调用边缘计算的各类边缘设备/节点，如办公环境内的电脑，摄像头，计算机设备，智能电子设备，电视中的cpu及gpu等，进行对输入输入数据进行处理和计算。服务器的主要形式为管理各个边缘设备所部署的服务设备，负责资源调用，节点管理。边缘节点则承担收发数据，计算及储存。进一步地，上述边缘设备可以同时加载多个模型对语音数据进行处理，如图3所示的声音预处理、语音识别asr、防诈骗检测模型的步骤可以由多个边缘设备同时进行处理。
32.具体地，各个边缘设备/节点形成了逻辑上的边缘层，即此处的边缘设备可能包括一个或者多个边缘设备，来共同提供算力。
33.在一实施例中，如图2、3所示，提供一种诈骗电话识别方法，以该方法应用在图1中的服务器为例进行说明，包括如下步骤：
34.s1：通过服务器和无线网络与预设网段内的各移动终端建立通信链路具体地，上述预设网段可以是一个内网，或者一个ip段内的设备，在一个优选的实施例中，由通讯延时小且处理能力强的边缘设备与移动终端建立通信链路。
35.在一个具体的使用场景中，可以是当移动终端进入用户的住宅中，通过 wifi与设置在住宅或者办公室中的边缘层建立数据链接，以尽可能地减少通讯延迟。另一方面，随之5g通讯逐渐铺开，在另一个具体的使用场景中，也可以通过5g通讯与设置在住宅或者办公室中的服务器以及边缘设备建立数据链接，调用用户自己拥有的设备进行运算，而不是使用公用的计算设备进行运算，从而保证分配到足够的算力，并且能保证个人隐私。
36.s2：接收所述服务器发送的所述移动终端的通话号码以及语音原始数据，所述语音原始数据为所述移动终端通过与所述通话号码进行通话而产生；
37.具体地，在一个具体的应用场景中，可以通过在如手机等的移动终端安装一个常驻后台的app，并授予其获取语音的权限，当有通话呼入时，app 能够实时地获取移动终端的语音通话数据，并将其推送至服务器，服务器再根据各个边缘设备的工作情况，将上述语音通话数据发送到一个或者多个的边缘设备中。此外，也可以通过直接在系统内核内嵌相关代码，直接将从移动端获取的语音数据推送至服务器/边缘设备。
38.s3：对所述语音原始数据进行预处理，得到语音预处理数据；
39.具体地，为了进一步提高后续步骤中的语音识别的准确度，首先需要对语言数据进行预处理，以提高语音数据的清晰度，简单而言是通过不同的情况调用不同的神经网络模型对所获取的语音原始数据进行预处理，得到语音预处理数据，例如，提升语音质量可以调用autoencoder模型、预测回答可以调用lstm模型，具体将会在后述的实施例中进行说明；进一步地，上述预处理过程是在边缘设备中进行的，可以利用边缘设备中闲置的算力，使用多种处理模型对语音原始数据进行处理。
40.s4：将所述语音预处理数据输入语音识别模型，得到语音文本数据；
41.具体地，将在上述步骤中通过一个或者多个边缘设备所处理后的语音预处理数据输入到训练好的语音识别(asr)模型中，并通过语音识别模型得到语音文本数据，以用于后述的分析，检测本次通话是否是诈骗电话，具体地，上述语音识别模型可以使用训练好的hmm、las以及ctc模型。
42.s5：将所述语音文本数据输入诈骗检测模型，通过所述诈骗检测模型检测所述通话是否为诈骗电话；
43.具体地，将上述语音文本数据输入诈骗检测模型中，通过关键词分析等的方法，判断上述通话是否为诈骗电话。
44.s5：若检测所述通话为诈骗电话，则将检测结果发送给所述服务器，供所述服务器向对应的移动终端发出警告信息。
45.具体地，通过上述步骤的防诈骗模型实时判断是否为诈骗电话，如果不是诈骗电话继续记录声音直到通话结束，如果出现诈骗信息可以在通话过程中进行打断并语音提醒老年人检测到诈骗信息，如“检测到用户使用了“保健品”，“免费”，“银行卡转账”等关键词，请警惕是否为诈骗信息”。
46.在一个具体的实施例中，在所述接收所述服务器发送的所述移动终端的通话号码以及语音原始数据的步骤之后，所述方法还包括：
47.s101：获取诈骗电话号码，将所述诈骗电话号码存入诈骗号码数据库；
48.具体地，可以从第三方数据库，例如国家反诈骗中心的数据库中获取已经被标记为诈骗电话的电话号码，并将其记录到自身的诈骗号码数据库。由于服务器/边缘设备的算力以及存储容量远大于老年用户所使用的移动终端，因此可以时常向第三方数据库请求新的诈骗电话号码，并且更新到自身的数据库内。
49.在所述接收所述服务器发送的所述移动终端的通话号码以及语音原始数据的步骤之后，所述方法还包括：
50.s102：将所述通话号码与所述诈骗号码数据库中所存储的所述诈骗电话号码进行匹配，判断所述通话号码是否是诈骗电话；
51.具体地，边缘设备通过比对移动终端所接收到的通话号码与自身的诈骗号码数据库中所存储的诈骗电话号码，判断该通话号码是否是诈骗电话。
52.s103：若判断所述通话号码是诈骗电话，则控制所述移动终端挂断所述通话。
53.具体地，若在上述步骤中判断通话号码是诈骗电话，边缘设备通过服务器向所述移动终端发送判断指令，然后中断通话。进一步地，为了实现该功能，需要授予app能够控制通话的权限。
54.在一个具体的实施例中，在检测所述通话为诈骗电话的步骤之后，所述方法还包括：
55.s401：将所述通话号码存入所述诈骗电话数据库。
56.具体地，若本次通话被判断为诈骗电话后，但是自身的诈骗电话数据库并没有记录该电话号码，则将本次通话的电话号码也存储到自身的诈骗电话数据库中。
57.在一个具体的实施例中，在所述将所述语音文本数据输入诈骗检测模型，通过所述诈骗检测模型检测所述通话是否为诈骗电话的步骤中，具体包括：
58.s411：对所述语音文本数据进行文本分割，得到多个词语；
59.在防诈骗模型中，首先需要做的是特征提取工作，也就是将文本中的关键词提取出来。第一步需要进行分割文本，这是因为单词和单词在中文中没有空格地组合在一起，这与英语中单词之间有空格的情况不同。因此，中文自然语言处理的第一步是将句子中的单词分开。例如，该过程将该过程将句子“今天天气真好啊！”变成(今天的/天气/现在/真的/很好！)。
60.s412：根据字典对各所述词语进行词性标记，得到分类词语；
61.具体地，紧接着上一步骤的是词性标记。顾名思义，标记属性是标记单词的属性，例如名词，动词，形容词和副词。在这里需要根据字典的名词动词等词语进行建立不同的数据库，根据数据库中的存在的单词去进行分类。
62.s413：根据关键词检索数据库从所述分类词语中提取关键词，得到关键词列表；
63.接下来的下一部分是关键字选择。该过程包括多个步骤：第一步是删除连接词，连接词就是在分割文本后出现的没有意义的词，例如“的，得，地”等，在这里同样需要建立列表进行比对并且删除。在本方案中关键词的选择主要来自于名词和动词，因此需要删除介词，副词和其他无意义的单词。关键词的选择来自于从诈骗信息中高频出现的一些词语，例如“公安，保健品，转账”等等，并且建立相关的关键词检索库，根据库中的关键词进行筛选，并不断根据数据进行补充更新数据库。
64.s414：根据所述关键词列表，通过以下公式判断所述通话是否是诈骗电话：
[0065][0066]
其中，w
i
表示从所述语音文本数据中检测到的第i个关键字,f
f
(w
i
)和f
n
(w
i
) 分别表示所述关键词w
i
在诈骗通话数据以及正常通话数据中的频率，l表示用于诈骗电话检测的所述关键词列表，且所述关键词w
i
属于所述l，t
k
表示判断所述通话的所述语音文本数据是否为诈骗电话的预设阈值，当r大于等于 0时，则判断所述通话是诈骗电话。
[0067]
具体地，在得到了关键词列表之后，根据电信欺诈数据和正常数据的频率值，计算每个关键字的“关联度”的欺诈趋势值，比如说出现了“公安，银行卡，盗取，转账，犯罪，冻结”等等一系列关键词，那么关联度会根据这些词出现的频率上升，超过规定数额时，视为电信诈骗。
[0068]
在一个具体的实施例中，在对所述语音数据进行预处理，得到语音预处理数据的步骤中，具体包括：
[0069]
s211：当识别到所述语音数据为方言时，将所述语音数据输入到预先训练好的lstm模型中；
[0070]
s212：通过所述lstm模型处理所述语音预处理数据，得到校正语音预处理数据；
[0071]
所述将所述语音预处理数据输入语音识别模型，得到语音文本数据的步骤进一步包括：
[0072]
s311：将所述校正语音预处理数据作为语音预处理数据输入所述语音识别模型。
[0073]
具体地，针对老年人听不清的问题利用反向声波进行降噪以及增强语音质量，针对老年人口齿不清晰的问题，利用lstm模型预测老人说的话，解决口齿不清问题。反向声波与背景噪音的频率相反，从而抵消掉大部分的噪音，lstm模型具有上下文预测能力，如“云
在xx上”，可以大致判别出“云在天空上”，这样将音频文件更加清晰，方便在语音识别时更加准确的处理数据。
[0074]
在一个具体的实施例中，在所述将所述语音预处理数据输入语音识别模型的步骤之前，还包括：
[0075]
s2111：通过方言字典训练所述语音识别模型，得到方言语音识别模型；
[0076]
所述将所述语音预处理数据输入语音识别模型的步骤进一步包括：
[0077]
s3111：当识别到所述语音数据为方言时，将所述方言语音识别模型作为所述语音识别模型，将所述语音预处理数据输入所述方言语音识别模型。
[0078]
具体地，将声音预处理后的音频文件输入到语音识别asr模型中转化为文本形式，为了解决老年人只会讲方言的问题，在训练该模型的时候，可以将数据更换为方言数据，添加方言词典，通过不断地收集数据增加识别的精准度。
[0079]
在一个具体的实施例中，在接收所述服务器发送的所述移动终端的通话号码以及语音原始数据的步骤之前，还包括：
[0080]
s131：获取紧急联系人的电话号码；
[0081]
具体地，对于老年用户来说，可以将其子女或者看护人的电话号码设置为紧急联系人的电话号码，以方便当用户接收到诈骗电话时，可以及时介入，以避免损失。
[0082]
在所述若检测所述通话为诈骗电话，则向所述移动终端发出警告信息步骤之后，还包括:
[0083]
s531：向所述紧急联系人的电话号码发送警告短信。
[0084]
具体地，当用户接收到诈骗电话时，以短信的形式警告紧急联系人，在其他可选的实施例中，也可以使用语音通话。
[0085]
本发明的上述实施例通过将通话中所记录的语音原始数据发送到服务器/ 边缘设备，可以通过具有较强算力的服务器/边缘设备将上述语音原始数据进行预处理，尤其是可以调用多种语音处理模型，以改善语音原始数据的清晰度等的参数，使其能够更好地用于后续的步骤，使得通话方即使通过功能单一、数据处理能力较弱的移动终端进行通话时，最终也能准确地识别出移动终端进行的通话是否是诈骗电话。此外，通过防诈骗模型识别语音文本数据，能够实时判断是否为诈骗电话，如果不是诈骗电话继续记录声音直到通话结束，如果检测出是诈骗电话，诈骗信息可以在通话过程中进行打断并实时提醒通话用户检测到诈骗信息，以防止用户上当受骗。
[0086]
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
[0087]
在一实施例中，提供一种诈骗电话识别装置，该诈骗电话识别装置与上述实施例中诈骗电话识别方法一一对应。如图5所示，该诈骗电话识别装置包括通信链路建立模块101、语音数据接受模块102、语音数据预处理模块103、语音识别模块104、诈骗检测模块105、以及警告信息发送模块106：
[0088]
通信链路建立模块101，用于通过服务器和无线网络与预设网段内的各移动终端建立通信链路；
[0089]
语音数据接受模块102，用于接收所述服务器发送的所述移动终端的通话号码以
及语音原始数据，所述语音原始数据为所述移动终端通过与所述通话号码进行通话而产生；
[0090]
语音数据预处理模块103，用于对所述语音原始数据进行预处理，得到语音预处理数据；
[0091]
语音识别模块104，用于将所述语音预处理数据输入语音识别模型，得到语音文本数据；
[0092]
诈骗检测模块105，用于将所述语音文本数据输入诈骗检测模型，通过所述诈骗检测模型检测所述通话是否为诈骗电话；
[0093]
警告信息发送模块106，用于若检测所述通话为诈骗电话，则将检测结果发送给所述服务器，供所述服务器向对应的移动终端发出警告信息。在一个具体的实施例中，所述诈骗电话识别装置还包括：
[0094]
诈骗电话号码获取模块，用于获取诈骗电话号码，将所述诈骗电话号码存入诈骗号码数据库；
[0095]
诈骗电话号码匹配模块，用于将所述通话号码与所述诈骗号码数据库中所存储的所述诈骗电话号码进行匹配，判断所述通话号码是否是诈骗电话；
[0096]
诈骗电话号码匹配模块，用于若判断所述通话号码是诈骗电话，则控制所述移动终端挂断所述通话。
[0097]
诈骗电话号码存储模块，将所述通话号码存入所述诈骗电话数据库。
[0098]
在一个具体的实施例中，在所述诈骗电话检测模块105中，具体包括：
[0099]
文本分割单元，用于对所述语音文本数据进行文本分割，得到多个词语；
[0100]
词性标记单元，用于根据字典对各所述词语进行词性标记，得到分类词语；
[0101]
关键词列表获取单元，用于根据关键词检索数据库从所述分类词语中提取关键词，得到关键词列表；
[0102]
诈骗电话判断单元，根据所述关键词列表，通过以下公式判断所述通话是否是诈骗电话：
[0103][0104]
其中，w
i
表示从所述语音文本数据中检测到的第i个关键字,f
f
(w
i
)和f
n
(w
i
) 分别表示所述关键词w
i
在诈骗通话数据以及正常通话数据中的频率，l表示用于诈骗电话检测的所述关键词列表，且所述关键词w
i
属于所述l，t
k
表示判断所述通话的所述语音文本数据是否为诈骗电话的预设阈值，当r大于等于 0时，则判断所述通话是诈骗电话。
[0105]
在一个具体的实施例中，在语音数据预处理模块103中，具体包括：
[0106]
lstm模型输入单元，用于当识别到所述语音数据为方言时，将所述语音数据输入到预先训练好的lstm模型中；
[0107]
lstm模型处理单元，用于通过所述lstm模型处理所述语音预处理数据，得到校正语音预处理数据；
[0108]
此外，文本数据转换模块103还包括：
[0109]
校正语音预处理数据输入单元，用于将所述校正语音预处理数据作为语音预处理
数据输入所述语音识别模型。
[0110]
在一个具体的实施例中，所述诈骗电话识别装置还包括：
[0111]
方言字典训练模块，用于通过方言字典训练所述语音识别模型，得到方言语音识别模型；
[0112]
此外，语音识别模块104进一步包括：
[0113]
方言语音识别模型替换单元，用于当识别到所述语音数据为方言时，将所述方言语音识别模型作为所述语音识别模型，将所述语音预处理数据输入所述方言语音识别模型。
[0114]
在一个具体的实施例中，所述诈骗电话识别装置还包括：
[0115]
紧急联系人获取模块，用于获取紧急联系人的电话号码；
[0116]
警告短信发送模块，用于向所述紧急联系人的电话号码发送警告短信。
[0117]
其中上述模块/单元中的“第一”和“第二”的意义仅在于将不同的模块/ 单元加以区分，并不用于限定哪个模块/单元的优先级更高或者其它的限定意义。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或模块的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或模块，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块，本技术中所出现的模块的划分，仅仅是一种逻辑上的划分，实际应用中实现时可以有另外的划分方式。
[0118]
关于诈骗电话识别装置的具体限定可以参见上文中对于诈骗电话识别方法的限定，在此不再赘述。上述诈骗电话识别装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
[0119]
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储诈骗电话识别方法中涉及到的数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种诈骗电话识别方法。
[0120]
在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述实施例中诈骗电话识别方法的步骤，例如图2所示的步骤s1至步骤s5 及该方法的其它扩展和相关步骤的延伸。或者，处理器执行计算机程序时实现上述实施例中诈骗电话识别装置的各模块/单元的功能，例如图5所示模块 101至模块105的功能。为避免重复，这里不再赘述。
[0121]
所述处理器可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现成可编程门阵列 (field
‑
programmable gatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、
分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述计算机装置的控制中心，利用各种接口和线路连接整个计算机装置的各个部分。
[0122]
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述计算机装置的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、视频数据等)等。
[0123]
所述存储器可以集成在所述处理器中，也可以与所述处理器分开设置。
[0124]
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述实施例中诈骗电话识别方法的步骤，例如图2所示的步骤s1至步骤s5及该方法的其它扩展和相关步骤的延伸。或者，计算机程序被处理器执行时实现上述实施例中诈骗电话识别装置的各模块/单元的功能，例如图5所示模块101至模块105的功能。为避免重复，这里不再赘述。
[0125]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom (prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom) 或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram (ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram (sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。
[0126]
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。
[0127]
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。