近年来,电信诈骗手法和案件层出不穷,给人们财产安全和社会稳定造成了严重的危害。通过对电信诈骗中受害人信息行为的研究,有助于制定有效方案并及时预防电信诈骗的发生。为此,本文利用人们日常生活中产生的通信数据,挖掘信息和物理二元空间的用户特征,实现易受诈人群的画像。具体工作如下:1.针对易受诈人群信息空间特征的研究,本文提取受害用户与正常用户相关数据,生成用户基础属性、短信行为、通话行为、上网行为等用户特征。为筛选出有效特征,本文提出一种两阶段的特征选择算法,通过互信息量指标和近似马尔科夫毯对用户特征进行相关性与冗余性过滤,实验结果表明,选出的最优特征子集使分类器分类准确度得到提升。针对筛选出的特征数据分布进行分析,发现年龄、性别、通话时长、上网偏好等特征对于被电信诈骗均存在影响。2.针对易受诈人群出行行为特征的研究,本文提取受害用户与正常用户位置数据,提出一种基于间隔权值和局部时空密度的停留点识别算法,解决位置数据稀疏问题,提高识别准确率,还原出用户出行停留区域与用户出行序列两类出行特征。针对用户出行序列中频繁模式的挖掘,提出改进的Prefix Span算法缩短挖掘时间。通过互信息量相关性检验和相似度检验筛选出有效的出行行为特征后,针对筛选出的出行行为特征数据分布进行分析,发现出行频繁模式和感兴趣区域等特征对于被电信诈骗均存在影响。3.在易受诈人群的画像构建过程中,构建包括数据源层、数据处理层、标签层、应用层的4层易受诈人群画像体系。其中易受诈人群用户标签包括信息空间行为、出行行为中的差异特征,为体现易受诈人群的自身特点,总结出4种受害人属性标签,包括信息暴露程度、轻信程度、社会接触程度、金融属性。该画像能够提高对易受诈人群信息行为的管理效率,有助于相关人员理解易受诈人群以制定精准反诈策略。