基于通信運(yùn)營(yíng)商大數(shù)據(jù)風(fēng)險(xiǎn)防控的調(diào)研報(bào)告

廖莎莎

摘要：隨著通信運(yùn)營(yíng)商市場(chǎng)規(guī)模的不斷擴(kuò)大，在其內(nèi)部逐漸建立起針對(duì)各類業(yè)務(wù)相關(guān)業(yè)務(wù)風(fēng)險(xiǎn)稽核管控體系，這種風(fēng)險(xiǎn)體系主要是通過在業(yè)務(wù)稽核系統(tǒng)中配置相關(guān)稽核點(diǎn)，實(shí)現(xiàn)對(duì)已發(fā)生的業(yè)務(wù)風(fēng)險(xiǎn)進(jìn)行事后的稽核和整改。為保障支撐企業(yè)高質(zhì)量發(fā)展，業(yè)務(wù)風(fēng)險(xiǎn)管理工作急需數(shù)據(jù)化轉(zhuǎn)型，通過風(fēng)險(xiǎn)智慧化自動(dòng)挖掘能力以及構(gòu)建體系化的數(shù)據(jù)指標(biāo)開展預(yù)警派單，實(shí)現(xiàn)系統(tǒng)自動(dòng)化的稽核運(yùn)營(yíng)。本次社會(huì)實(shí)踐開展了對(duì)省內(nèi)某通信運(yùn)營(yíng)商在企業(yè)內(nèi)部大數(shù)據(jù)風(fēng)險(xiǎn)控制方面的工作調(diào)研，并全程參與了項(xiàng)目實(shí)施過程，希望能通過調(diào)研了解通信行業(yè)風(fēng)險(xiǎn)管控的現(xiàn)狀及存在的問題，從校企合作的角度為企業(yè)在大數(shù)據(jù)風(fēng)險(xiǎn)控制方面提供相關(guān)的意見或建議，同時(shí)也為企業(yè)思考如何數(shù)字化轉(zhuǎn)型提供幫助。

關(guān)鍵詞：風(fēng)險(xiǎn)稽核;大數(shù)據(jù);風(fēng)控

中圖分類號(hào)：TP311? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2021）36-0043-03

開放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

1概述

隨著通信運(yùn)營(yíng)商市場(chǎng)規(guī)模的不斷擴(kuò)大，在其內(nèi)部逐漸建立起針對(duì)各類業(yè)務(wù)發(fā)展相關(guān)業(yè)務(wù)風(fēng)險(xiǎn)稽核管控體系，這種風(fēng)險(xiǎn)體系主要是通過在業(yè)務(wù)稽核系統(tǒng)中配置相關(guān)稽核點(diǎn)，實(shí)現(xiàn)對(duì)已發(fā)生的業(yè)務(wù)風(fēng)險(xiǎn)進(jìn)行事后的稽核和整改。我們可以簡(jiǎn)單理解成初級(jí)階段的數(shù)字化，即：將原來線下數(shù)據(jù)管理遷移到IT系統(tǒng)進(jìn)行管理。

國(guó)資委“十四五”推進(jìn)數(shù)字經(jīng)濟(jì)，頒布了《關(guān)于加快推進(jìn)國(guó)有企業(yè)數(shù)字化轉(zhuǎn)型工作的通知》，此文件中要求國(guó)有企業(yè)要加快數(shù)字化轉(zhuǎn)型工作，其中重點(diǎn)涉及基礎(chǔ)數(shù)字技術(shù)平臺(tái)打造、系統(tǒng)化管理體系構(gòu)建和數(shù)字化轉(zhuǎn)型閉環(huán)管理機(jī)制建立。“實(shí)現(xiàn)作業(yè)現(xiàn)場(chǎng)全要素、全過程自動(dòng)感知、實(shí)時(shí)分析和自適應(yīng)優(yōu)化決策，提升生產(chǎn)質(zhì)量、效率和資產(chǎn)運(yùn)營(yíng)水平，賦能企業(yè)提質(zhì)增效”。“增強(qiáng)基于數(shù)字孿生體的設(shè)計(jì)制造水平，加快形成動(dòng)態(tài)感知、預(yù)測(cè)預(yù)警、自主決策和精準(zhǔn)執(zhí)行能力，全面提升企業(yè)研發(fā)、設(shè)計(jì)和生產(chǎn)的智能化水平”[1]。

目前運(yùn)營(yíng)商基本實(shí)現(xiàn)業(yè)務(wù)風(fēng)險(xiǎn)管理數(shù)據(jù)導(dǎo)入系統(tǒng)階段，或者說是數(shù)字化1.0階段，隨著運(yùn)營(yíng)商如云、智能組網(wǎng)、物聯(lián)網(wǎng)、智慧家庭、DICT等各類新興業(yè)務(wù)的拓展以及5G移動(dòng)互聯(lián)網(wǎng)的快速發(fā)展，越來越多的用戶、代理渠道、合作商等將享受到因線上業(yè)務(wù)發(fā)展而帶來的便捷體驗(yàn)，但是由于各種業(yè)務(wù)變得越來越錯(cuò)綜復(fù)雜，在開放式的互聯(lián)網(wǎng)環(huán)境中，運(yùn)營(yíng)商將面對(duì)來自各個(gè)方面的惡劣影響，如藹羊毛、營(yíng)銷欺詐、惡意訂單、系統(tǒng)漏洞等各類風(fēng)險(xiǎn)，從而給企業(yè)風(fēng)險(xiǎn)管理工作帶來了前所未有的考驗(yàn)。

傳統(tǒng)的基于“專家經(jīng)驗(yàn)”的業(yè)務(wù)管理模式，在復(fù)雜的業(yè)務(wù)、市場(chǎng)環(huán)境中，某些場(chǎng)景下存在不適應(yīng)性，已經(jīng)不能完全滿足復(fù)雜場(chǎng)景的業(yè)務(wù)風(fēng)險(xiǎn)預(yù)防、發(fā)現(xiàn)和應(yīng)對(duì)。為保障支撐企業(yè)高質(zhì)量發(fā)展，業(yè)務(wù)風(fēng)險(xiǎn)管理工作急需數(shù)據(jù)化轉(zhuǎn)型，通過風(fēng)險(xiǎn)智慧化自動(dòng)挖掘能力以及構(gòu)建體系化的數(shù)據(jù)指標(biāo)開展預(yù)警派單，實(shí)現(xiàn)系統(tǒng)自動(dòng)化的稽核運(yùn)營(yíng)。

結(jié)合在科大國(guó)創(chuàng)社會(huì)實(shí)踐鍛煉的機(jī)會(huì)，開展了對(duì)省內(nèi)某通信運(yùn)營(yíng)商在企業(yè)內(nèi)部大數(shù)據(jù)風(fēng)險(xiǎn)控制方面的工作調(diào)研，并全程參與了項(xiàng)目實(shí)施過程，希望能通過調(diào)研了解通信行業(yè)風(fēng)險(xiǎn)管控的現(xiàn)狀及存在的問題，從校企合作的角度為企業(yè)在大數(shù)據(jù)風(fēng)險(xiǎn)控制方面提供相關(guān)的意見或建議，同時(shí)也為企業(yè)思考如何數(shù)字化轉(zhuǎn)型提供幫助。

2調(diào)查結(jié)果和分析

2.1 基于收入、成本、受理、資金等維度，構(gòu)建業(yè)務(wù)風(fēng)險(xiǎn)稽核模塊

2.1.1 收入方面

合同項(xiàng)目列收規(guī)范性稽核：通過對(duì)ICT項(xiàng)目合同的解析，實(shí)現(xiàn)對(duì)相應(yīng)收入列賬科目的規(guī)范性、及時(shí)性、真實(shí)性的稽核，確保收入真實(shí)性。

數(shù)據(jù)一致性稽核：通過對(duì)CRM（客戶關(guān)系管理系統(tǒng)）系統(tǒng)受理的業(yè)務(wù)或功能與后端網(wǎng)元側(cè)開通的功能數(shù)據(jù)一致性的對(duì)比，防止因CRM無資料，后端開通導(dǎo)致收入流失，確保前后端數(shù)據(jù)一致性。

2.1.2 成本方面

代理商傭金稽核：通過系統(tǒng)對(duì)CRM受理工單的采集實(shí)現(xiàn)代理商傭金的計(jì)算、固定稽核點(diǎn)的稽核、發(fā)放、清算全流程的線上閉環(huán)管控。

2.1.3 受理方面

業(yè)務(wù)受理合規(guī)性稽核：通過接口方式自動(dòng)采集CRM系統(tǒng)工單，實(shí)現(xiàn)CRM業(yè)務(wù)訂單的100%采集;工單采集后，根據(jù)配置好的稽核流程及稽核規(guī)則自動(dòng)稽核;對(duì)于稽核出來的異常工單，系統(tǒng)固化派單流程，根據(jù)受理工號(hào)自動(dòng)對(duì)異常工單進(jìn)行派發(fā);受理人員進(jìn)行整改后，系統(tǒng)會(huì)觸發(fā)再稽核，整改通過的會(huì)自動(dòng)歸檔，減輕各環(huán)節(jié)稽核人員壓力。

2.1.4 資金方面

營(yíng)收資金稽核：通過資金稽核模塊實(shí)現(xiàn)應(yīng)繳、實(shí)繳、實(shí)收稽核，重點(diǎn)圍繞營(yíng)業(yè)尾款;退費(fèi)合規(guī)性稽核，稽核范圍涵蓋全量資金營(yíng)收資金：現(xiàn)金繳款單、POS票據(jù)、支票、銀行托收單、電信卡、省撥資金、互抵資金等業(yè)務(wù)。

業(yè)財(cái)差異稽核：通過對(duì)用戶在CRM系統(tǒng)與財(cái)務(wù)賬戶上的欠費(fèi)和預(yù)存款差異分析，防止業(yè)財(cái)差異導(dǎo)致收入流失。

2.2 借助大數(shù)據(jù)建模針對(duì)企業(yè)風(fēng)險(xiǎn)管控相關(guān)領(lǐng)域數(shù)字化轉(zhuǎn)型的初探

本次參與科大國(guó)創(chuàng)的項(xiàng)目，對(duì)運(yùn)營(yíng)商代理商傭金領(lǐng)域利用大數(shù)據(jù)建模進(jìn)行了初步的研究，通過逐步建設(shè)實(shí)踐，打造傭金領(lǐng)域的業(yè)務(wù)風(fēng)險(xiǎn)防護(hù)體系。

本次研究主要通過大數(shù)據(jù)聚類或分類等機(jī)器學(xué)習(xí)算法，建立針對(duì)復(fù)雜場(chǎng)景的社會(huì)渠道套取傭金的風(fēng)險(xiǎn)發(fā)現(xiàn)能力。利用Python進(jìn)行機(jī)器學(xué)習(xí)算法開發(fā)，使用Scikit-learn和Tensorflow等機(jī)器學(xué)習(xí)庫，通過K-Means、密度聚類（DBSCAN）等無監(jiān)督機(jī)器學(xué)習(xí)算法，發(fā)現(xiàn)異常風(fēng)險(xiǎn)點(diǎn)，對(duì)風(fēng)險(xiǎn)數(shù)據(jù)打上風(fēng)險(xiǎn)標(biāo)簽后，通過決策樹和隨機(jī)森林等有監(jiān)督算法，對(duì)新發(fā)展的客戶業(yè)務(wù)數(shù)據(jù)進(jìn)行風(fēng)險(xiǎn)預(yù)測(cè)和預(yù)警，提高風(fēng)險(xiǎn)處理時(shí)效性[2]。

2.2.1 數(shù)據(jù)準(zhǔn)備階段

通過大數(shù)據(jù)平臺(tái)匯聚CRM系統(tǒng)、計(jì)費(fèi)銷賬系統(tǒng)、渠道傭金系統(tǒng)、稽核系統(tǒng)等業(yè)務(wù)系統(tǒng)生產(chǎn)數(shù)據(jù)，經(jīng)過數(shù)據(jù)清洗、整合，建立客戶和渠道代理商的數(shù)據(jù)模型，數(shù)據(jù)模型主要包括以下數(shù)據(jù)特征：

客戶身份特征：年齡、類型（家庭、個(gè)人、商客、政企等）、證件類型等;

客戶區(qū)域特征：市、縣、區(qū)域、四級(jí)單元、五級(jí)包區(qū);

客戶產(chǎn)品結(jié)構(gòu)特征：電話數(shù)量、手機(jī)數(shù)量、寬帶數(shù)量、ITV數(shù)量等;

客戶使用行為特征：通話時(shí)長(zhǎng)、流量、短信數(shù)量、活躍度、開機(jī)信息、客戶交往圈、 終端類型、終端串碼等 ;

客戶價(jià)值屬性特征：月賬單、套餐類型、價(jià)值量、在網(wǎng)時(shí)長(zhǎng)、繳費(fèi)金額，客戶發(fā)展渠道和代理商、發(fā)展成本（傭金、手續(xù)費(fèi)、渠道積分等）;

客戶信用歷史特征：最小欠費(fèi)賬期、最大欠費(fèi)賬期、欠費(fèi)金額、停機(jī)、拆機(jī)歷史;

代理商特征：類型、區(qū)域、加入時(shí)間、歷史傭金、當(dāng)月業(yè)務(wù)量、當(dāng)月傭金和激勵(lì)等。

2.2.2 研究實(shí)施階段

通過無監(jiān)督機(jī)器學(xué)習(xí)發(fā)現(xiàn)異常數(shù)據(jù)，挖掘潛在風(fēng)險(xiǎn)，由于數(shù)據(jù)特征比較多，先通過主成分分析（PCA）進(jìn)行降維，降維后的數(shù)據(jù)可以通過圖形更直觀地進(jìn)行展示，選取最大似然估計(jì)自選超參數(shù)，即n_components="mle"，輸出結(jié)果發(fā)現(xiàn)mle自動(dòng)降成了兩個(gè)主成分，且二維主成分累積可解釋方差貢獻(xiàn)率達(dá)到96%，故保留兩個(gè)主成分，即n_components=2。

但是在聚類算法下，我們實(shí)際并不關(guān)心某一類具體是什么，最終目的是將這些相似的樣本歸類放在一起。所以，此聚類算法只要知道如何計(jì)算樣本之間的相似度，同時(shí)將相似的樣本進(jìn)行歸類即可，聚類算法通常是不需要通過數(shù)據(jù)訓(xùn)練學(xué)習(xí)的，這在機(jī)器學(xué)習(xí)中稱之為“無監(jiān)督學(xué)習(xí)”。K-means算法就是這種用于統(tǒng)計(jì)的無監(jiān)督聚類技術(shù)。

KMEANS算法需要先確定K值，通過誤方差曲線圖確定K=4為最佳分類，進(jìn)行聚類后，再對(duì)每一類數(shù)據(jù)特征進(jìn)行分析，挖掘出傭金和收入拉升比例較低的業(yè)務(wù)、代理商和客戶，存在套取傭金風(fēng)險(xiǎn)。

選擇客戶收入、客戶產(chǎn)生的傭金，傭金/收入比三個(gè)特征，進(jìn)行密度聚類（DBSCAN），進(jìn)一步挖掘出傭金高、收入低、收入/傭金比低的客戶和對(duì)應(yīng)發(fā)展代理商。

2.2.3 成果形成階段

對(duì)異常數(shù)據(jù)進(jìn)行核查，確認(rèn)為風(fēng)險(xiǎn)后，對(duì)數(shù)據(jù)打上風(fēng)險(xiǎn)標(biāo)簽類型，如疑似代理商養(yǎng)卡套傭等。對(duì)于新增業(yè)務(wù)發(fā)展數(shù)據(jù)，通過有監(jiān)督機(jī)器學(xué)習(xí)，自動(dòng)識(shí)別出有風(fēng)險(xiǎn)的數(shù)據(jù)，進(jìn)行風(fēng)險(xiǎn)預(yù)警，及時(shí)進(jìn)行處置，避免發(fā)生套傭損失。

應(yīng)用成果案例——通過隨機(jī)森林算法對(duì)疑似養(yǎng)卡用戶進(jìn)行預(yù)測(cè)預(yù)警：

隨機(jī)森林指的是利用多棵樹對(duì)樣本進(jìn)行訓(xùn)練并預(yù)測(cè)的一種分類器，其輸出的類別是由個(gè)別樹輸出類別的眾數(shù)而定。隨機(jī)森林算法被廣泛使用，對(duì)于不平衡的分類資料集來說，它可以平衡誤差，即便沒有超參數(shù)調(diào)優(yōu)，在大多數(shù)情況下也能得到很好的結(jié)果，并且學(xué)習(xí)過程快速，是一種靈活且易于使用的機(jī)器學(xué)習(xí)算法[3]。通過隨機(jī)森林算法對(duì)疑似養(yǎng)卡用戶進(jìn)行預(yù)測(cè)，使用召回率、精確率和ROC曲線對(duì)模型結(jié)果進(jìn)行評(píng)估：

精確率是指預(yù)測(cè)的正例中真實(shí)的正例所占的比例。

召回率是指真實(shí)的正例中預(yù)測(cè)為正例所占的比例。

AUC指的是ROC曲線下的面積大小，可通過沿著ROC橫軸做積分計(jì)算得到，該值能夠量化地反映基于ROC曲線衡量出的模型性能。AUC取值一般在0.5～1之間，AUC值越大，模型性能越好。

此模型召回率達(dá)到83.6%，精確率達(dá)到80.3%，AUC值為0.92，模型性能較好。

2.2.4 初步成效

本項(xiàng)目在某運(yùn)營(yíng)商進(jìn)行實(shí)施以來，基于傭金領(lǐng)域建立了多個(gè)風(fēng)險(xiǎn)控制模型，挖掘了多個(gè)風(fēng)險(xiǎn)場(chǎng)景，應(yīng)用效果良好，通過挖掘潛在風(fēng)險(xiǎn)金對(duì)已發(fā)放的傭金行清算，或?qū)?fù)雜的風(fēng)險(xiǎn)實(shí)現(xiàn)了提前預(yù)警攔截，從項(xiàng)目開始至2020年底，給該公司挽回和避免成本損失600多萬元。

2.3 存在問題

目前，該運(yùn)營(yíng)商已經(jīng)展開有關(guān)業(yè)務(wù)稽核方面的工作領(lǐng)域有：業(yè)務(wù)合規(guī)性領(lǐng)域、渠道傭金領(lǐng)域、SP/CP合作分成類領(lǐng)域、移動(dòng)固網(wǎng)終端領(lǐng)域、營(yíng)收資金等[4]，并嘗試通過大數(shù)據(jù)構(gòu)建系統(tǒng)模型發(fā)現(xiàn)和挖掘復(fù)雜場(chǎng)景的風(fēng)險(xiǎn)，傳統(tǒng)運(yùn)營(yíng)商從基于經(jīng)驗(yàn)的風(fēng)險(xiǎn)挖掘到智慧化風(fēng)險(xiǎn)挖掘已經(jīng)邁出了一大步，但還有一定的不足，主要體現(xiàn)在三方面：

第一，尚未系統(tǒng)地構(gòu)建完善的基于大數(shù)據(jù)體系下的風(fēng)險(xiǎn)控制體系。

第二，尚未構(gòu)建統(tǒng)一管理的流程、標(biāo)準(zhǔn)框架和規(guī)范策略。

第三，大數(shù)據(jù)風(fēng)險(xiǎn)管控覆蓋范圍有待進(jìn)一步提升。目前還是依賴傳統(tǒng)經(jīng)驗(yàn)的風(fēng)險(xiǎn)管控思維，欠缺數(shù)字化思維和全流程視角的風(fēng)險(xiǎn)管理思路，特別是針對(duì)復(fù)雜的風(fēng)險(xiǎn)場(chǎng)景，風(fēng)險(xiǎn)預(yù)防能力還急需提升。

3 思考和建議

目前此企業(yè)已經(jīng)在風(fēng)險(xiǎn)管控?cái)?shù)字化轉(zhuǎn)型進(jìn)行了初探，取得了一定的成果，但是還處于數(shù)字化轉(zhuǎn)型的初級(jí)階段，最終要實(shí)現(xiàn)整體風(fēng)險(xiǎn)管控的數(shù)字化轉(zhuǎn)型，有以下三方面的建議：

（1）事前智慧化發(fā)掘：業(yè)務(wù)管理工作由事件驅(qū)動(dòng)型（收集風(fēng)險(xiǎn)信息、風(fēng)險(xiǎn)案例等）向數(shù)據(jù)驅(qū)動(dòng)型轉(zhuǎn)變。要充分借助大數(shù)據(jù)技術(shù)，通過用戶發(fā)展質(zhì)量、代理商傭金、業(yè)務(wù)質(zhì)態(tài)變化、收入貢獻(xiàn)等維度分析和整合，挖掘成本、收入、資金等領(lǐng)域風(fēng)險(xiǎn)，輸出業(yè)務(wù)管理、風(fēng)險(xiǎn)管控等業(yè)務(wù)規(guī)則，提升風(fēng)險(xiǎn)前置識(shí)別能力[5]。

（2）事中數(shù)據(jù)化管理：基于業(yè)務(wù)規(guī)則流程、風(fēng)險(xiǎn)監(jiān)控預(yù)警規(guī)則完善優(yōu)化等，由人工監(jiān)控向體系化數(shù)據(jù)指標(biāo)預(yù)警派單轉(zhuǎn)變。對(duì)事前智慧化發(fā)掘的源頭問題，通過事中數(shù)據(jù)化管理完善業(yè)務(wù)規(guī)則和優(yōu)化業(yè)務(wù)流程，提高風(fēng)險(xiǎn)事前、事中前置預(yù)警能力，構(gòu)建電路、云、物聯(lián)網(wǎng)等新型業(yè)務(wù)過程監(jiān)控指標(biāo)體系，實(shí)現(xiàn)對(duì)風(fēng)險(xiǎn)體系化數(shù)據(jù)監(jiān)控、預(yù)警、派單、預(yù)防機(jī)制。

（3）事后自動(dòng)化運(yùn)營(yíng)：通過已有稽核系統(tǒng)能力優(yōu)化和整合，減少簡(jiǎn)單人工稽核的操作，逐步向自動(dòng)化稽核運(yùn)營(yíng)轉(zhuǎn)變。通過基礎(chǔ)資源共享，對(duì)于事前智慧化發(fā)掘的問題開展體系化的掃描，筑牢風(fēng)險(xiǎn)最后一道防火墻，實(shí)現(xiàn)風(fēng)險(xiǎn)自動(dòng)派單，線上接單、核查、整改、反饋，形成閉環(huán)管控。

結(jié)合此次社會(huì)實(shí)踐，系統(tǒng)地對(duì)企業(yè)數(shù)字化轉(zhuǎn)型的知識(shí)進(jìn)行了學(xué)習(xí)，并結(jié)合本次項(xiàng)目對(duì)運(yùn)營(yíng)商企業(yè)數(shù)字化轉(zhuǎn)型進(jìn)行了思考，提出了一些建議，一個(gè)企業(yè)如果要真正實(shí)現(xiàn)全面數(shù)字化轉(zhuǎn)型，需要從內(nèi)部培養(yǎng)全員數(shù)據(jù)思維、深入學(xué)習(xí)數(shù)據(jù)、善于運(yùn)用數(shù)據(jù)，成為用數(shù)、賦能、注智的主體，才能真正實(shí)現(xiàn)企業(yè)數(shù)字化轉(zhuǎn)型。

一是培養(yǎng)數(shù)據(jù)思維。數(shù)據(jù)思維可以極大提升生產(chǎn)效率，為一線注智賦能做好指引，帶來企業(yè)的長(zhǎng)效增長(zhǎng)。企業(yè)全員需要具備數(shù)據(jù)思維，具備挖掘研判內(nèi)外部數(shù)據(jù)的能力，才能匹配精準(zhǔn)策略。

二是深入學(xué)習(xí)數(shù)據(jù)。要學(xué)習(xí)研究數(shù)據(jù)怎么入庫、數(shù)據(jù)如何建模、數(shù)據(jù)應(yīng)用場(chǎng)景，通過學(xué)習(xí)數(shù)據(jù)來培養(yǎng)數(shù)據(jù)意識(shí)，做到人人心中有數(shù)，從對(duì)用數(shù)有感覺到用數(shù)據(jù)做貢獻(xiàn)。

三是善于運(yùn)用數(shù)據(jù)。要積極使用新技術(shù)、新方法、新工具，通過數(shù)據(jù)建模驗(yàn)證自己的觀點(diǎn)，通過數(shù)據(jù)應(yīng)用形成工作正循環(huán)，實(shí)現(xiàn)“人人皆可用數(shù)”。

參考文獻(xiàn)：

[1] 牛成釗.大數(shù)據(jù)時(shí)代背景下的網(wǎng)絡(luò)信息安全與輿情應(yīng)對(duì)分析研究[J].信息通信，2020（4）：130-131.

[2] 周志華.機(jī)器學(xué)習(xí)[M].北京：清華大學(xué)出版社，2016.

[3] 董師師，黃哲學(xué).隨機(jī)森林理論淺析[J].集成技術(shù)，2013，2（1）：1-7.

[4] 鄭倩倩.大數(shù)據(jù)背景下智能網(wǎng)絡(luò)信息管理系統(tǒng)優(yōu)化設(shè)計(jì)[J].信息通信，2020，205（1）：180-182.

[5] 宋煜，劉艷超.大數(shù)據(jù)背景下的計(jì)算機(jī)網(wǎng)絡(luò)安全現(xiàn)狀及優(yōu)化策略[J].通訊世界，2019，26（8）：78-79.

【通聯(lián)編輯：光文玲】