电信诈骗是当今信息社会的一大毒瘤,而且随着科学技术的不断升级,诈骗方式也在不断变化。目前全球电信网络诈骗的实施仍以电话联络为主,日益呈现精准智能化、事件链化等新特点,诈骗方式也从以往的无差别诈骗向智能化精准诈骗转变。因此识别电信诈骗成为目前相关企业面临的一大难题。鉴于以上存在的问题,本文针对诈骗号码的智能化检测技术进行了相关研究。考虑到电信诈骗往往涉及到电信业务的使用,因此本文根据电信领域的业务数据特点,提出一种融合图嵌入与纵向联邦学习的诈骗号码检测方法,该方法包括诈骗号码特征提取与多方数据特征联合训练两个部分,并且在自建的诈骗号码数据集上完成了两个部分的模型验证。具体研究内容如下:1.针对诈骗号码检测中的数据特征提取难的问题,本文提出一种基于电信数据的通信图嵌入网络,该网络根据电信业务数据特征,分别引入同质图嵌入网络和二分图嵌入网络来提取电信用户在不同业务场景下的嵌入特征表示。为了获取电信用户的交互行为特征,分别对用户的通信无权图和带权图进行了图嵌入特征提取,在此基础上结合用户通信统计特征完成对诈骗号码的检测。针对工业领域常用的两种分类算法,在无权图模式下,检测准确率达到了69.67%和83.33%;在带权图模式下,准确率则分别达到了72.67%和87.67%。与传统的使用统计特征方法相比,融合了带权图嵌入特征后的分类性能分别提升了10.11%和10.51%。2.针对电信行业的数据存在的数据隔离与隐私保护问题,本文提出一种基于纵向联邦学习的诈骗号码检测模型,用于实现两方电信数据的联合建模。首先通过基于RSA加密算法与散列函数方法实现了双方数据样本对齐,然后分别基于Secure LR与Secure Boost算法对双方数据进行联合训练。实验结果表明,本文的纵向联邦模型在两种算法上的预测准确率分别为72.33%和87.08%,考虑到能够减少数据泄露风险,可以认为模型是无损的。