垃圾短信攔截技術(shù)研究

吳振奎, 婁濤, 田剛, 賴曉龍, 喬蕓

（1 中國移動(dòng)通信集團(tuán)陜西有限公司，西安 710075; 2 中國移動(dòng)通信集團(tuán)公司，北京 100032)

1 背景

隨著移動(dòng)通信服務(wù)的不斷拓展，利用移動(dòng)通信網(wǎng)絡(luò)傳送各類不良和違法內(nèi)容的垃圾短信現(xiàn)象隨之出現(xiàn)，嚴(yán)重影響電信運(yùn)營商客戶感知。陜西移動(dòng)從2004年6月起，持續(xù)不斷的進(jìn)行垃圾短信的治理。目前在垃圾短信的治理過程中，采取多項(xiàng)措施來控制垃圾短信傳播，對(duì)垃圾短信實(shí)施攔截，攔截范圍逐步擴(kuò)大，攔截手段也日益精益。從最初的發(fā)送頻率閥值，關(guān)鍵字控制到后來的發(fā)送量組合、關(guān)鍵字組合、號(hào)碼離散度控制、內(nèi)容離散度控制，垃圾短信的攔截一直緊跟最新的垃圾短信發(fā)送方法的發(fā)展趨勢，攔截工作取得了令人矚目的效果。

然而，近期垃圾短信的發(fā)送開始變幻莫測，發(fā)送方式層出不窮。先后出現(xiàn)了大量購買SIM卡低頻發(fā)送、復(fù)制卡發(fā)送垃圾短信，關(guān)鍵字同音替代、異型字替代、近體字替代、多音字、豎形排版等多種發(fā)送方式，近期還出現(xiàn)利用手機(jī)中毒來向其通訊錄中的聯(lián)系人發(fā)送垃圾短信的惡意軟件。目前的垃圾短信系統(tǒng)沒有策略對(duì)這些行為實(shí)施檢測，這些發(fā)送垃圾短信的方式僅僅是因?yàn)榭蛻粲邢鄳?yīng)的投訴，進(jìn)而被發(fā)現(xiàn)并核實(shí)。這就要求整個(gè)垃圾短信攔截業(yè)務(wù)系統(tǒng)的智能化，有效性持續(xù)提升。

2 目前垃圾短信發(fā)送行為的主要特點(diǎn)

2.1 復(fù)制卡發(fā)送垃圾短信

多張復(fù)制的SIM卡被復(fù)制以后，同時(shí)激活附著網(wǎng)絡(luò)，可以同時(shí)存活于不同的MSC下，同時(shí)發(fā)送短信。傳統(tǒng)HLR停短信功能方式僅僅只能關(guān)停掉其中的一張卡。其它的復(fù)制卡仍然可以高速群發(fā)垃圾短信。

2.2 低頻發(fā)送

采用大量號(hào)碼，模擬正常用戶以較低的發(fā)送頻率進(jìn)行垃圾短信發(fā)送。

2.3 表達(dá)形式多樣

使用如：“fa-瞟”、“黑車”、“貨（貸）款”等拼音、詞匯變形、繁體字、標(biāo)點(diǎn)符號(hào)嵌入，使得目前的關(guān)鍵字和關(guān)鍵字組合失效。

2.4 豎形排版

垃圾短信用如圖1所示方式進(jìn)行發(fā)送。

圖1 垃圾短信

針對(duì)以上垃圾短信，系統(tǒng)按照“[發(fā)] {恭} [piao]{喜} [聯(lián)] {發(fā)} [系]{財(cái)}137%72@02@9118”進(jìn)行處理，這樣豎形排版的垃圾短信使得關(guān)鍵字識(shí)別方式失效，對(duì)垃圾短信攔截造成極大障礙。

3 應(yīng)對(duì)策略及方法分析

3.1 復(fù)制卡問題

不法分子惡意利用多張復(fù)制的SIM卡同時(shí)激活同時(shí)附著網(wǎng)絡(luò)，可以實(shí)現(xiàn)在多個(gè)MSC下同時(shí)有效附著，并可以大量發(fā)送垃圾短信。傳統(tǒng)垃圾短信HLR停短信功能方式只能使其中一個(gè)MSC下的卡失效，其余的卡仍然附著于網(wǎng)絡(luò)并持續(xù)發(fā)送大量的垃圾信息。通過數(shù)據(jù)統(tǒng)計(jì)分析復(fù)制卡所在的MSC，人工或使用清理程序逐一進(jìn)行清理，操作復(fù)雜，效率低下，無法抑制復(fù)制卡垃圾短信的傳播。

另一方面，在垃圾短信發(fā)送過程中，因?yàn)槠浔唤刑?hào)碼用戶狀態(tài)相對(duì)于BOSS的滯后性，其必然有一部分是無效號(hào)碼。在對(duì)這些號(hào)碼發(fā)送短信時(shí)，歸屬位置寄存器（HLR）會(huì)返回的用戶無效或者無短信功能的錯(cuò)誤碼到短信中心。當(dāng)一個(gè)用戶群發(fā)短信產(chǎn)生錯(cuò)誤堆積到一定程度后，則會(huì)對(duì)該用戶向短信中心提交短信進(jìn)行拒絕。短信中心固有的這種策略是針對(duì)手機(jī)號(hào)碼的，不受復(fù)制卡數(shù)量和其附著原理的限制，多張復(fù)制卡在短信中心看來仍然是同一個(gè)號(hào)碼，那么可以很好的利用這個(gè)策略來抑制復(fù)制卡發(fā)送垃圾短信。

實(shí)際上，復(fù)制卡發(fā)送垃圾短信時(shí)，進(jìn)一步將短信的有效期設(shè)置為非常短的時(shí)間。如果該短信沒有發(fā)送成功，則此條短信失效，釋放了發(fā)送占用的短消息緩存，從而逃避了發(fā)送緩存的限制。那么需要研究通過對(duì)短信的有效期進(jìn)行強(qiáng)制，使得短信緩存的作用得以發(fā)揮，就可以抑制復(fù)制卡發(fā)送垃圾短信。

3.2 低頻發(fā)送問題

個(gè)人客戶日發(fā)送垃圾短信條數(shù)比例基本符合指數(shù)分布。其指數(shù)分布的公式：

這里K為客戶發(fā)送短信的條數(shù)，P是客戶發(fā)送K條短信的概率，E為某一常量。

經(jīng)過對(duì)陜西移動(dòng)短信中心和BOSS系統(tǒng)2011年某日的數(shù)據(jù)進(jìn)行實(shí)際的計(jì)算，得到了陜西省一個(gè)非節(jié)假日短信發(fā)送的類指數(shù)函數(shù)分布圖，如圖2所示。

圖2 實(shí)際短信發(fā)送條數(shù)分布圖

從圖2中分析到，降低每日的攔截閾值就會(huì)使得攔截到的嫌疑黑名單隨著指數(shù)分布的橫軸從右向左積分增大。

在閾值為T的情況下，其嫌疑黑名單在所有用戶的占比S將為：

對(duì)部分現(xiàn)網(wǎng)數(shù)據(jù)分析，98.93%的客戶日發(fā)送量在35條以下，1.07%的客戶每日發(fā)送量超過34條。假設(shè)將攔截閾值降低到35，那么在陜西客戶數(shù)量為2200萬的條件下，每天至少會(huì)有23.54萬（2200萬×1.07%）的客戶號(hào)碼被垃圾短信系統(tǒng)中檢測出而成為嫌疑黑名單呈現(xiàn)在客戶服務(wù)中心前臺(tái)。繼續(xù)對(duì)閾值降低到25，每天至少會(huì)有23.54萬（2200萬×1.07%）的客戶號(hào)碼被垃圾短信系統(tǒng)中檢測出而成為嫌疑黑名單需要進(jìn)行處理。繼續(xù)對(duì)閾值降低到25，每天至少會(huì)有48.4萬（2200萬×2.20%）的客戶號(hào)碼被垃圾短信系統(tǒng)中檢測出而成為嫌疑黑名單要進(jìn)行處理。那么嫌疑黑名單數(shù)量將非常龐大，帶來巨大的處理壓力。

垃圾短信低頻發(fā)送就是利用目前攔截閾值設(shè)置受限，隱藏于大量正常短信之間。

3.3 關(guān)鍵字表達(dá)形式多樣和排版變化應(yīng)對(duì)策略分析

因?yàn)殛P(guān)鍵字的多種異型字、同音字、拼音、繁體字、變體字、以及垃圾短信豎形排版等因素導(dǎo)致其關(guān)鍵字變化理論上超過1×1035，不可能通過擴(kuò)展關(guān)鍵字來徹底解決關(guān)鍵字變化問題，未來垃圾短信的關(guān)鍵字?jǐn)r截作用將逐漸弱化。需要找尋另一種策略來應(yīng)對(duì)關(guān)鍵字各類變化問題。

4 應(yīng)對(duì)方式和效果

4.1 針對(duì)復(fù)制卡

我們分析其短信有效期判定的流程如圖3所示。

在這個(gè)流程中，通過7個(gè)決策點(diǎn)來判斷了短信有效期，復(fù)制卡發(fā)送垃圾短信手機(jī)端設(shè)定有效期在第4個(gè)決策點(diǎn)生效，為了干擾這個(gè)有效期設(shè)定，必須在第1～3的判斷過程予以設(shè)定。1和2的判斷是無法人工控制的，只有第3個(gè)決策點(diǎn)業(yè)務(wù)調(diào)度決策表指定有效期是運(yùn)營商可以進(jìn)行設(shè)置有效期的。要對(duì)短信有效期進(jìn)行設(shè)置并對(duì)有效期攔截效果予以強(qiáng)化，需要在短信中心設(shè)置3項(xiàng)措施。

（1）在業(yè)務(wù)調(diào)度決策表中強(qiáng)制短信有效期，使發(fā)送垃圾短信設(shè)備設(shè)置的短有效期失效，此時(shí)同一號(hào)碼的所有復(fù)制卡發(fā)送能力僅相當(dāng)于一張普通SIM卡；

（2）更進(jìn)一步限制復(fù)制卡號(hào)碼段短信發(fā)送緩存；

（3）對(duì)群發(fā)特征對(duì)應(yīng)的錯(cuò)誤碼未知用戶、呼叫被禁止加長下發(fā)周期，使發(fā)送緩存限制作用放大。

采用以上方法后，復(fù)制卡迅速絕跡。

4.2 針對(duì)低頻率發(fā)送和各種關(guān)鍵字變形和豎形排版

針對(duì)低頻發(fā)送，異體字、異型字、同音字、拼音、繁體字、變體字、以及垃圾短信豎形排版以及未來所有可能的垃圾短信發(fā)送策略，需要找出垃圾短信發(fā)送行為和普通客戶號(hào)碼發(fā)送行為的一個(gè)不同點(diǎn)。這個(gè)不同點(diǎn)可以將垃圾短信號(hào)碼和正?？蛻籼?hào)碼區(qū)分開來。

圖4表明了垃圾短信號(hào)碼的社會(huì)關(guān)系。垃圾短信號(hào)碼的社會(huì)關(guān)系簡單，趨向于一個(gè)星形網(wǎng)絡(luò)。

圖3 短信有效期決定流程

圖4 星形網(wǎng)絡(luò)

在一般的人聯(lián)系過程中，一個(gè)號(hào)碼相關(guān)聯(lián)系人之間應(yīng)該也有聯(lián)系，這種屬性稱為網(wǎng)絡(luò)的聚合類特性。一般的，假設(shè)網(wǎng)絡(luò)中的一個(gè)節(jié)點(diǎn)i有Ki個(gè)邊與其它的Ki個(gè)點(diǎn)相連接，Ki個(gè)點(diǎn)就稱為節(jié)點(diǎn)i的鄰居，顯然，在這Ki個(gè)節(jié)點(diǎn)間，最多可能有Ki（Ki-1)/2條邊，而這Ki個(gè)節(jié)點(diǎn)之間，實(shí)際存在的邊數(shù)Ei和總的可能的邊數(shù)Ki（Ki-1)/2之比就定義為節(jié)點(diǎn)i的聚類系數(shù)Ci，即

垃圾短信號(hào)碼的社會(huì)關(guān)系Ci接近于零，而普通號(hào)碼的Ci小于1但一般是大于0.2的常數(shù)。根據(jù)短信實(shí)際的發(fā)送特征，總結(jié)如下：它是社會(huì)關(guān)系學(xué)中的施與者，廣泛聯(lián)系者，失敗聯(lián)系過多者。通過和復(fù)雜網(wǎng)絡(luò)的聚類系數(shù)結(jié)合進(jìn)行數(shù)學(xué)描述后，可以如下描述垃圾短信號(hào)碼的特征。

（1）垃圾短信號(hào)碼網(wǎng)絡(luò)的聚類系數(shù)小于0.1；

（2）垃圾短信號(hào)碼相關(guān)度均是出度（無收短信記錄）；

（3）垃圾短信號(hào)碼在話音網(wǎng)絡(luò)中是孤立點(diǎn)（無話音記錄）；

（4）垃圾短信號(hào)碼240h內(nèi)其相鄰的點(diǎn)大于500；

（5）垃圾短信號(hào)碼在網(wǎng)絡(luò)上試圖建立的點(diǎn)失敗率在10%以上。

垃圾短信號(hào)碼基本上符合以上的5個(gè)條件，而正常短信用戶使用習(xí)慣基本不滿足這些條件。用規(guī)則靈活組合的方式在垃圾短信系統(tǒng)中實(shí)現(xiàn)便可以將這些垃圾短信號(hào)碼和點(diǎn)對(duì)點(diǎn)垃圾短信區(qū)分開來。這個(gè)策略經(jīng)過修正和擴(kuò)展有望成為未來垃圾短信攔截的終極策略，未來也可以應(yīng)用于垃圾彩信的攔截中。

5 總結(jié)

圍繞如何更加準(zhǔn)確快速的解決復(fù)制卡發(fā)送垃圾短信和關(guān)鍵字、發(fā)送閾值千變?nèi)f化的問題，垃圾短信系統(tǒng)維護(hù)人員從細(xì)節(jié)中查找問題，分析原因，進(jìn)行應(yīng)對(duì)，并創(chuàng)造性的提出徹底清除垃圾短信號(hào)碼的方法。