信息的飞速增长引爆了大数据时代的到来,其中随着通信行业的不断发展,也使得越来越多的电信欺诈出现在用户的日常生活中。电信诈骗已经成为影响人们日常生活的主要诈骗形式,且当下的反欺诈手段较为被动与笨重,无法满足高效反诈的需求,针对电信诈骗的研究迫在眉睫。因此,本文基于电信反欺诈场景下的信令数据与通话文本数据,分别提出反欺诈综合决策识别算法,诈骗模式发现及趋势分析算法,能够高效的进行相应的电信反欺诈识别与决策。进一步地,为了给上述算法提供一个支撑平台,同时为了适应日益变化的欺诈手段,本文设计并实现了一个面向电信数据的智能反欺诈决策平台。通过本平台,用户将相应的电信数据上传后,通过平台提供的多源异构特征工程对数据进行统一的封装与建模,并通过平台提供的诈骗电话识别算法、诈骗模式发现算法和诈骗趋势分析算法,针对不同场景和目标,进行快速的反欺诈决策与分析,帮助与指导相关人员的工作。本文的关键算法在于反欺诈综合决策和诈骗模式发现及趋势分析。本课题立足于电信反诈场景,通过反欺诈综合决策高效的解决诈骗电话的识别问题,提出了“基于编码宽度学习网络的诈骗识别算法”和“基于宽度学习的模型并行化训练方法”,前者结合降噪自编码与宽度学习系统,创新性的提出了一种算法,与其他经典算法对比下,进一步提高了准确率的同时,大大缩减了训练时间;后者在前者算法的基础上,针对的提出了相应的并行化算法,进一步缩减训练预测时间,解决了内存爆炸的问题,更好的满足反欺诈的时效需求。同时,通过诈骗模式发现及趋势分析,分别提出了“基于半监督网络的诈骗模式发现算法”和“基于时序的欺诈趋势发现及分析方法”,前者利用半监督图网络,借鉴图结构进一步的挖掘诈骗模式,发现更多的欺诈电话;后者基于时序结果,综合利用聚类与数理统计等方式对诈骗趋势进行分析。实验结果表明,上述算法能够高效的识别诈骗电话,好于现有传统方法,并对诈骗模式与趋势进行进一步的挖掘与分析,为相关人员提供分析与帮助。本文首先阐述了整体的研究背景和实际意义,分析了该研究在国内外的研究现状。接着对本平台进行需求分析,分析了反欺诈综合决策算法和诈骗模式发现及趋势分析算法的研究意义,按照目的不同,分为多源异构电信数据特征工程、反欺诈智能综合决策、诈骗模式及趋势挖掘三个主要功能。随后对系统需要解决的关键问题,进行了研究与实现。接下来,设计与实现了平台的整体架构和相关的功能模块,详细介绍了内部的类与接口,描述了平台处理请求的过程以及如何通过交互配合最终得到响应结果。最后对平台的部署、环境与测试进行了说明,并对该工作进行了相关的总结与展望。