连远博，盛蒙蒙，袁莹，周胜利

（浙江警察学院计算机与信息安全系，杭州 310000）

0 引言

由于互联网金融业的快速发展，涉网新型犯罪正逐渐取代传统的犯罪模式成为当前犯罪的主要形式，严重危害了广大人民的生命财产安全。当前尽管国家有关部门从互联网空间治理的角度，采用严防、严打的方式，对涉网新型犯罪的遏制初有成效，但缺少从流量端口对诈骗网站进行动态的检测和预防，对电信网络诈骗犯罪的打击与防范态势依然严峻。开展基于网络行为分析的诈骗网站识别模型研究，能够从涉网新型犯罪的源头出发，打击诈骗活动，预测用户的被害性风险，从而更好地进行预防诈骗等犯罪活动，更好地保护广大人民群众的生命财产安全。

1 相关研究

国内外对电信网络诈骗犯罪识别、防控、预测等已有较多研究。

1.1 用户网络行为分析

在对用户网络行为的分析研究上，传统的网络行为分析方法主要有基于协同过滤的方法［1－2］、基于矩阵分解的方法［3-4］、基于知识图谱［5］等方法。这些方法大多将单独的网络行为作为训练的目标，较为可靠理想，但此类模型缺少考虑连续行为间内在的关联性、结构性信息，难以反映一段时间内用户的连续性、动态性的行为变化，存在局限。近年来随着机器学习尤其是深度学习技术的快速发展，针对连续时间段内的网络行为序列建模问题，较多研究人员建立了基于神经网络的模型来求解。Cheng等［6］提出Wide&Deep模型，将线性模型和深度神经网络（deep neural network，DNN）结合起来，兼顾了模型的泛化能力和记忆性，具有可解释性强、泛化能力强、记忆能力优秀的特点。……