车辆贷款欺诈风险预警方法及系统

摘要

本发明公开一种车辆贷款欺诈风险预警方法及系统，涉及欺诈检测技术领域。方法包括获取车辆贷款通话中的主叫号码；获取主叫号码在历史时间段内的多维度通信特征；将多维度通信特征作为神经网络模型的输入进行运算，得到车辆贷款通话的欺诈风险识别结果；如果欺诈风险识别结果为疑似存在欺诈风险，则将车辆贷款通话转换为文本，得到通话文本；识别通话文本中是否存在与个人隐私信息相关联的敏感词；如果通话文本中存在与个人隐私信息相关联的敏感词，则通过语义识别以识别出通话文本中是否存在与敏感词关联的询问语句；如果存在与敏感词关联的询问语句，则提醒被叫用户存在车辆贷款欺诈风险。本发明可较为准确的识别车辆贷款欺诈风险并进行预警。(56)对比文件CN 110309299 A,2019.10.08CN 111159364 A,2020.05.15CN 114020886 A,2022.02.08CN 114186026 A,2022.03.15CN 116703325 A,2023.09.05JP 2007139864 A,2007.06.07朱太辉.智能金融发展的潜在风险与监管应对.国际金融.2020,(第2期),第30页-34页.刘宜昕.客服机器人拒绝识别任务研究.中国优秀硕士学位论文全文数据库信息科技辑.2021,(第1期),第I140-345页.王攀;刘世栋.骚扰欺诈电话的识别及阻断技术研究.电信快报.2017,(第04期),第6页-11页.

权利要求

1.一种车辆贷款欺诈风险预警方法，其特征在于，包括：

获取车辆贷款通话中的主叫号码；

获取所述主叫号码在当前时间点之前指定时长的历史时间段内的多维度通信特征，所述多维度通信特征包括主叫通话特征、短信频次特征、流量特征和通信数据地域特征；

将所述多维度通信特征作为预先训练的神经网络模型的输入进行运算，得到所述车辆贷款通话的欺诈风险识别结果，所述欺诈风险识别结果为不存在欺诈风险或疑似存在欺诈风险，所述神经网络模型是以样本车辆贷款通话中主叫号码在指定时长的历史时间段内的多维度通信特征为输入，样本车辆贷款通话所对应且已知的欺诈风险识别结果为输出进行训练得到的；

如果所述欺诈风险识别结果为疑似存在欺诈风险，则将所述车辆贷款通话转换为文本，得到通话文本；

识别所述通话文本中是否存在与个人隐私信息相关联的敏感词；

如果所述通话文本中存在与个人隐私信息相关联的敏感词，则通过语义识别以识别出所述通话文本中是否存在与所述敏感词关联的询问语句；

如果存在与所述敏感词关联的询问语句，则提醒被叫用户存在车辆贷款欺诈风险；

所述主叫通话特征包括所述主叫号码所呼叫通话的平均通话次数和/或平均通话时长，所述流量特征包括上下行流量的日均活跃时长和/或日均上下行流量，所述通信数据地域特征包括通话漫游、短信和流量漫游的一致性，所述短信频次特征包括每天或每个小时发送短信的平均次数。

2.根据权利要求1所述的车辆贷款欺诈风险预警方法，其特征在于，所述通过语义识别以识别出所述通话文本中是否存在与所述敏感词关联的询问语句，包括：基于所述敏感词所在语句以及所述敏感词所在语句的上下文进行语义识别，以识别出所述通话文本中是否存在与所述敏感词关联的询问语句。

3.根据权利要求1所述的车辆贷款欺诈风险预警方法，其特征在于，所述提醒被叫用户存在车辆贷款欺诈风险，包括：向所述被叫用户发送提示语音以提示被叫用户存在欺诈风险。

4.根据权利要求1所述的车辆贷款欺诈风险预警方法，其特征在于，在获取车辆贷款通话中的主叫号码之前，所述方法还包括：对当前通话中的语音通话进行语义识别，识别当前通话中的语音通话是否为车辆贷款通话。

5.根据权利要求1所述的车辆贷款欺诈风险预警方法，其特征在于，所述神经网络模型为支持向量机模型。

6.根据权利要求1所述的车辆贷款欺诈风险预警方法，其特征在于，所述个人隐私信息包括身份证号、银行卡号、银行卡密码和/或短信验证码。

7.一种车辆贷款欺诈风险预警系统，其特征在于，包括：

第一获取单元，用于获取车辆贷款通话中的主叫号码；

第二获取单元，用于获取所述主叫号码在当前时间点之前指定时长的历史时间段内的多维度通信特征，所述多维度通信特征包括主叫通话特征、短信频次特征、流量特征和通信数据地域特征；

第一识别单元，用于将所述多维度通信特征作为预先训练的神经网络模型的输入进行运算，得到所述车辆贷款通话的欺诈风险识别结果，所述欺诈风险识别结果为不存在欺诈风险或疑似存在欺诈风险，所述神经网络模型是以样本车辆贷款通话中主叫号码在指定时长的历史时间段内的多维度通信特征为输入，样本车辆贷款通话所对应且已知的欺诈风险识别结果为输出进行训练得到的；

文本转换单元，用于如果所述欺诈风险识别结果为疑似存在欺诈风险，则将所述车辆贷款通话转换为文本，得到通话文本；

第二识别单元，用于识别所述通话文本中是否存在与个人隐私信息相关联的敏感词；

第三识别单元，用于如果所述通话文本中存在与个人隐私信息相关联的敏感词，则通过语义识别以识别出所述通话文本中是否存在与所述敏感词关联的询问语句；

提醒单元，用于如果存在与所述敏感词关联的询问语句，则提醒被叫用户存在车辆贷款欺诈风险；

所述主叫通话特征包括所述主叫号码所呼叫通话的平均通话次数和/或平均通话时长，所述流量特征包括上下行流量的日均活跃时长和/或日均上下行流量，所述通信数据地域特征包括通话漫游、短信和流量漫游的一致性，所述短信频次特征包括每天或每个小时发送短信的平均次数。

说明书

车辆贷款欺诈风险预警方法及系统

技术领域

[0001] 本发明属于欺诈检测技术领域，具体涉及一种车辆贷款欺诈风险预警方法及系统。

背景技术

[0002] 随着电信欺诈手段的变化多样，各种层出不穷的诈骗手段让人防不胜防，给用户造成的经济损失将愈加严重。车辆贷款欺诈则是电信欺诈中的其中一种欺诈方式，车辆贷款欺诈中较常用的方式是以车辆贷款的名义套取用户身份证号、银行卡账号密码以及发送的验证信息等，以此盗取银行卡中的存款、以受骗人名义贷款或办理各种业务等。

[0003] 目前，对于车辆贷款欺诈的防欺诈方式，较常用的方式是通过对所发送的欺诈短信中的关键字进行识别，并对疑似欺诈短信进行拦截，然而对于欺诈电话，电信运营商并没有较为有效的方法对可能存在车辆贷款欺诈风险的通话进行识别和及时预警。

[0004] 因此，如何提供一种有效的方案以便对存在车辆贷款欺诈风险的通话进行检测及预警，已成为现有技术中一亟待解决的问题。

发明内容

[0005] 本发明的目的在于提供一种车辆贷款欺诈风险预警方法及系统，用以解决现有技术中存在的上述问题。

[0006] 为了实现上述目的，本发明采用以下技术方案：

[0007] 第一方面，本发明提供了一种车辆贷款欺诈风险预警方法，包括：

[0008] 获取车辆贷款通话中的主叫号码；

[0009] 获取所述主叫号码在当前时间点之前指定时长的历史时间段内的多维度通信特征，所述多维度通信特征包括主叫通话特征、短信频次特征、流量特征和通信数据地域特征；

[0010] 将所述多维度通信特征作为预先训练的神经网络模型的输入进行运算，得到所述车辆贷款通话的欺诈风险识别结果，所述欺诈风险识别结果为不存在欺诈风险或疑似存在欺诈风险，所述神经网络模型是以样本车辆贷款通话中主叫号码在指定时长的历史时间段内的多维度通信特征为输入，样本车辆贷款通话所对应且已知的欺诈风险识别结果为输出进行训练得到的；

[0011] 如果所述欺诈风险识别结果为疑似存在欺诈风险，则将所述车辆贷款通话转换为文本，得到通话文本；

[0012] 识别所述通话文本中是否存在与个人隐私信息相关联的敏感词；

[0013] 如果所述通话文本中存在与个人隐私信息相关联的敏感词，则通过语义识别以识别出所述通话文本中是否存在与所述敏感词关联的询问语句；

[0014] 如果存在与所述敏感词关联的询问语句，则提醒被叫用户存在车辆贷款欺诈风险。

[0015] 基于上述公开的内容，本发明通过获取车辆贷款通话中的主叫号码；获取主叫号码在当前时间点之前指定时长的历史时间段内的多维度通信特征；将多维度通信特征作为预先训练的神经网络模型的输入进行运算，得到车辆贷款通话的欺诈风险识别结果；如果欺诈风险识别结果为疑似存在欺诈风险，则将车辆贷款通话转换为文本，得到通话文本；识别通话文本中是否存在与个人隐私信息相关联的敏感词；如果通话文本中存在与个人隐私信息相关联的敏感词，则通过语义识别以识别出通话文本中是否存在与敏感词关联的询问语句；如果存在与敏感词关联的询问语句，则提醒被叫用户存在车辆贷款欺诈风险。如此，可通过敏感词检测和语义识别，识别出车辆贷款通话是否存在欺诈风险，并在在存在欺诈风险时提示被叫用户，从而可较为准确的识别车辆贷款欺诈风险并进行预警，从而达到较好的防欺诈效果，避免用户由于被欺诈而造成经济损失。

[0016] 通过上述的设计，本发明可通过敏感词检测和语义识别，识别出车辆贷款通话是否存在欺诈风险，并在在存在欺诈风险时提示被叫用户，从而可较为准确的识别车辆贷款欺诈风险并进行预警，从而达到较好的防欺诈效果，避免用户由于被欺诈而造成经济损失，便于实际应用和推广。

[0017] 在一个可能的设计中，所述通过语义识别以识别出所述通话文本中是否存在与所述敏感词关联的询问语句，包括：

[0018] 基于所述敏感词所在语句以及所述敏感词所在语句的上下文进行语义识别，以识别出所述通话文本中是否存在与所述敏感词关联的询问语句。

[0019] 在一个可能的设计中，所述主叫通话特征包括所述主叫号码所呼叫通话的平均通话次数和/或平均通话时长，所述流量特征包括上下行流量的日均活跃时长和/或日均上下行流量，所述通信数据地域特征包括通话漫游、短信和流量漫游的一致性。

[0020] 在一个可能的设计中，所述提醒被叫用户存在车辆贷款欺诈风险，包括：

[0021] 向所述被叫用户发送提示语音以提示被叫用户存在欺诈风险。

[0022] 在一个可能的设计中，在获取车辆贷款通话中的主叫号码之前，所述方法还包括：

[0023] 对当前通话中的语音通话进行语义识别，识别当前通话中的语音通话是否为车辆贷款通话。

[0024] 在一个可能的设计中，所述神经网络模型为支持向量机模型。

[0025] 在一个可能的设计中，所述个人隐私信息包括身份证号、银行卡号、银行卡密码和/或短信验证码。

[0026] 第二方面，本发明提供了一种车辆贷款欺诈风险预警系统，包括：

[0027] 第一获取单元，用于获取车辆贷款通话中的主叫号码；

[0028] 第二获取单元，用于获取所述主叫号码在当前时间点之前指定时长的历史时间段内的多维度通信特征，所述多维度通信特征包括主叫通话特征、短信频次特征、流量特征和通信数据地域特征；

[0029] 第一识别单元，用于将所述多维度通信特征作为预先训练的神经网络模型的输入进行运算，得到所述车辆贷款通话的欺诈风险识别结果，所述欺诈风险识别结果为不存在欺诈风险或疑似存在欺诈风险，所述神经网络模型是以样本车辆贷款通话中主叫号码在指定时长的历史时间段内的多维度通信特征为输入，样本车辆贷款通话所对应且已知的欺诈风险识别结果为输出进行训练得到的；

[0030] 文本转换单元，用于如果所述欺诈风险识别结果为疑似存在欺诈风险，则将所述车辆贷款通话转换为文本，得到通话文本；

[0031] 第二识别单元，用于识别所述通话文本中是否存在与个人隐私信息相关联的敏感词；

[0032] 第三识别单元，用于如果所述通话文本中存在与个人隐私信息相关联的敏感词，则通过语义识别以识别出所述通话文本中是否存在与所述敏感词关联的询问语句；

[0033] 提醒单元，用于如果存在与所述敏感词关联的询问语句，则提醒被叫用户存在车辆贷款欺诈风险。

[0034] 第三方面，本发明提供了一种电子设备，包括依次通信相连的存储器、处理器和收发器，其中，所述存储器用于存储计算机程序，所述收发器用于收发消息，所述处理器用于读取所述计算机程序，执行如上述第一方面或第一方面任一可能设计所述的车辆贷款欺诈风险预警方法。

[0035] 第四方面，本发明提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，当所述指令在计算机上运行时，执行第一方面或第一方面任一可能设计所述的车辆贷款欺诈风险预警方法。

[0036] 第五方面，本发明提供了一种包含指令的计算机程序产品，当所述指令在计算机上运行时，使所述计算机执行如第一方面或第一方面任一可能设计所述的车辆贷款欺诈风险预警方法。

[0037] 有益效果：

[0038] 本发明提供的车辆贷款欺诈风险预警方法及系统，可通过敏感词检测和语义识别，识别出车辆贷款通话是否存在欺诈风险，并在在存在欺诈风险时提示被叫用户，从而可较为准确的识别车辆贷款欺诈风险并进行预警，从而达到较好的防欺诈效果，避免用户由于被欺诈而造成经济损失，便于实际应用和推广。

附图说明

[0039] 图1为本申请实施例提供的车辆贷款欺诈风险预警方法的流程图；

[0040] 图2为本申请实施例提供的车辆贷款欺诈风险预警系统的结构示意；

[0041] 图3为本申请实施例提供的电子设备的结构示意图。

具体实施方式

[0042] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将结合附图和实施例或现有技术的描述对本发明作简单地介绍，显而易见地，下面关于附图结构的描述仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在此需要说明的是，对于这些实施例方式的说明用于帮助理解本发明，但并不构成对本发明的限定。

[0043] 应当理解，尽管本文可能使用术语第一、第二等等来描述各种单元，但是这些单元不应当受到这些术语的限制。这些术语仅用于区分一个单元和另一个单元。例如可以将第一单元称作第二单元,并且类似地可以将第二单元称作第一单元，同时不脱离本发明的示例实施例的范围。

[0044] 应当理解，对于本文中可能出现的术语“和/或”，其仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，单独存在B，同时存在A和B三种情况；对于本文中可能出现的术语“/和”，其是描述另一种关联对象关系，表示可以存在两种关系，例如，A/和B，可以表示：单独存在A，单独存在A和B两种情况；另外，对于本文中可能出现的字符“/”，一般表示前后关联对象是一种“或”关系。

[0045] 为了对存在车辆贷款欺诈风险的通话进行检测及预警，本申请实施例提供了一种车辆贷款欺诈风险预警方法及系统，该车辆贷款欺诈风险预警方法及系统可较为准确的识别车辆贷款欺诈风险并进行预警，从而达到较好的防欺诈效果。

[0046] 本申请实施例提供的车辆贷款欺诈风险预警方法可应用于电信运营商的通话服务器。可以理解，所述执行主体并不构成对本申请实施例的限定。

[0047] 下面将对本申请实施例提供的车辆贷款欺诈风险预警方法进行详细说明。

[0048] 如图1所示，是本申请实施例第一方面提供的车辆贷款欺诈风险预警方法的流程图，该车辆贷款欺诈风险预警方法可以但不限于包括如下步骤S101‑S107。

[0049] 步骤S101.获取车辆贷款通话中的主叫号码。

[0050] 本申请实施例中，当发生语音通话时，通过对当前通话中的语音通话进行语义识别，识别当前通话中的语音通话是否为车辆贷款通话，并在当前通话中的语音通话为车辆贷款通话时，获取该车辆贷款通话中的主叫号码。车辆贷款通话可以是指通话内容与车辆贷款有关的通话。

[0051] 本申请实施例中，通过语义识别可识别出当前通话中的语音通话是否为车辆贷款通话。可以理解的，在其他的一些实施例中，还可以通过关键词识别来识别当前通话中的语音通话是否为车辆贷款通话。例如，语音通话中存在“车贷”、“车辆贷款”等关键词时可判定当前通话中的语音通话为车辆贷款通话。

[0052] 步骤S102.获取主叫号码在当前时间点之前指定时长的历史时间段内的多维度通信特征。

[0053] 其中，当前时间点之前指定时长的历史时间段内，可以是当前时间点之前的一个月内，也可以是当前时间点之前的一年内，本申请实施例中不做具体限定。所述多维度通信特征可以但不限于包括主叫通话特征、短信频次特征、流量特征和/或通信数据地域特征。主叫通话特征可以但不限于包括主叫号码所呼叫通话的（如每天或每个小时）平均通话次数和/或平均通话时长，流量特征可以但不限于包括上下行流量的日均活跃时长和/或日均上下行流量，短信频次特征可以是指每天或每个小时发送短信的平均次数，所述通信数据地域特征包括通话漫游、短信和流量漫游的一致性。其中，通话漫游地、短信发送地和流量漫游地均相同，则认为通话漫游、短信和流量漫游一致，否则认为通话漫游、短信和流量漫游不一致。

[0054] 步骤S103.将多维度通信特征作为预先训练的神经网络模型的输入进行运算，得到车辆贷款通话的欺诈风险识别结果。

[0055] 其中，所述欺诈风险识别结果为不存在欺诈风险或疑似存在欺诈风险。

[0056] 具体的，本申请实施例中预先训练有用于检测是否疑似存在欺诈风险的神经网络模型，该神经网络模型可以是以样本车辆贷款通话中主叫号码在指定时长的历史时间段内的多维度通信特征为输入，样本车辆贷款通话所对应且已知的欺诈风险识别结果为输出进行训练得到的。所述神经网络模型可以但不限于是支持向量机（support  vector machines，SVM）模型、卷积神经网络(Convolutional Neural Networks，CNN)模型等。

[0057] 在获取主叫号码在当前时间点之前指定时长的历史时间段内的多维度通信特征之后，可将该多维度通信特征作为预先训练的神经网络模型的输入进行运算，得到车辆贷款通话的欺诈风险识别结果，所述欺诈风险识别结果为不存在欺诈风险或疑似存在欺诈风险。

[0058] 步骤S104.如果欺诈风险识别结果为疑似存在欺诈风险，则将车辆贷款通话转换为文本，得到通话文本。

[0059] 将车辆贷款通话转换为文本可通过现有的文本转换算法实现，例如可通过自动语音识别（Automatic Speech Recognition，ASR）将车辆贷款通话转换为文本，于此不再详细说明。

[0060] 步骤S105.识别通话文本中是否存在与个人隐私信息相关联的敏感词。

[0061] 其中，与个人隐私信息相关联的敏感词可以但不限于包括身份证号、银行卡号、银行卡密码和/或短信验证码。识别与个人隐私信息相关联的敏感词，可以通过现有的关键词识别算法识别出，本申请实施例中不做详细说明。

[0062] 步骤S106.如果通话文本中存在与个人隐私信息相关联的敏感词，则通过语义识别以识别出通话文本中是否存在与所述敏感词关联的询问语句。

[0063] 在一个或多个实施例中，在识别出通话文本中是否存在与敏感词关联的询问语句时，可以基于所述敏感词所在语句以及所述敏感词所在语句的上下文进行语义识别，以识别出所述通话文本中是否存在与所述敏感词关联的询问语句。通过结合上下文进行语义识别，能够更准确的识别出通话文本中是否存在与敏感词关联的询问语句，确保识别的准确性。

[0064] 步骤S107.如果存在与敏感词关联的询问语句，则提醒被叫用户存在车辆贷款欺诈风险。

[0065] 本申请实施例中，在提醒被叫用户存在车辆贷款欺诈风险时，可以通过通话提醒或打断通话来提醒被叫用户存在车辆贷款欺诈风险，可以向被叫用户发送提示语音以提示被叫用户存在欺诈风险，也可以通过固定号码向被叫用户拨打电话以通知被叫用户存在欺诈风险，还可以向被叫用户发送短信以通常被叫用户存在欺诈风险，本申请实施例中不做具体限定。

[0066] 综上所述，本申请实施例提供的车辆贷款欺诈风险预警方法，通过获取车辆贷款通话中的主叫号码；获取所述主叫号码在当前时间点之前指定时长的历史时间段内的多维度通信特征，所述多维度通信特征包括主叫通话特征、短信频次特征、流量特征和通信数据地域特征；将所述多维度通信特征作为预先训练的神经网络模型的输入进行运算，得到所述车辆贷款通话的欺诈风险识别结果，所述欺诈风险识别结果为不存在欺诈风险或疑似存在欺诈风险，所述神经网络模型是以样本车辆贷款通话中主叫号码在指定时长的历史时间段内的多维度通信特征为输入，样本车辆贷款通话所对应且已知的欺诈风险识别结果为输出进行训练得到的；如果所述欺诈风险识别结果为疑似存在欺诈风险，则将所述车辆贷款通话转换为文本，得到通话文本；识别所述通话文本中是否存在与个人隐私信息相关联的敏感词；如果所述通话文本中存在与个人隐私信息相关联的敏感词，则通过语义识别以识别出所述通话文本中是否存在与所述敏感词关联的询问语句；如果存在与所述敏感词关联的询问语句，则提醒被叫用户存在车辆贷款欺诈风险。如此，可通过敏感词检测和语义识别进行双重识别，从而识别出车辆贷款通话是否存在欺诈风险，并在在存在欺诈风险时提示被叫用户，从而可较为准确的识别车辆贷款欺诈风险并进行预警，从而达到较好的防欺诈效果，避免用户由于被欺诈而造成经济损失，便于实际应用和推广。

[0067] 请参阅图2，本申请实施例第二方面提供了一种车辆贷款欺诈风险预警系统，该车辆贷款欺诈风险预警系统包括：

[0068] 第一获取单元，用于获取车辆贷款通话中的主叫号码；

[0069] 第二获取单元，用于获取所述主叫号码在当前时间点之前指定时长的历史时间段内的多维度通信特征，所述多维度通信特征包括主叫通话特征、短信频次特征、流量特征和通信数据地域特征；

[0070] 第一识别单元，用于将所述多维度通信特征作为预先训练的神经网络模型的输入进行运算，得到所述车辆贷款通话的欺诈风险识别结果，所述欺诈风险识别结果为不存在欺诈风险或疑似存在欺诈风险，所述神经网络模型是以样本车辆贷款通话中主叫号码在指定时长的历史时间段内的多维度通信特征为输入，样本车辆贷款通话所对应且已知的欺诈风险识别结果为输出进行训练得到的；

[0071] 文本转换单元，用于如果所述欺诈风险识别结果为疑似存在欺诈风险，则将所述车辆贷款通话转换为文本，得到通话文本；

[0072] 第二识别单元，用于识别所述通话文本中是否存在与个人隐私信息相关联的敏感词；

[0073] 第三识别单元，用于如果所述通话文本中存在与个人隐私信息相关联的敏感词，则通过语义识别以识别出所述通话文本中是否存在与所述敏感词关联的询问语句；

[0074] 提醒单元，用于如果存在与所述敏感词关联的询问语句，则提醒被叫用户存在车辆贷款欺诈风险。

[0075] 本实施例第二方面提供的系统的工作过程、工作细节和技术效果，可以参见实施例第一方面，于此不再赘述。

[0076] 如图3所示，本申请实施例第三方面提供了一种电子设备，包括依次通信相连的存储器、处理器和收发器，其中，所述存储器用于存储计算机程序，所述收发器用于收发消息，所述处理器用于读取所述计算机程序，执行如实施例第一方面所述的车辆贷款欺诈风险预警方法。

[0077] 具体举例的，所述存储器可以但不限于包括随机存取存储器（RAM）、只读存储器（ROM）、闪存（Flash Memory）、先进先出存储器（FIFO）和/或先进后出存储器（FILO）等等；所述处理器可以不限于采用型号为STM32F105系列的微处理器、ARM（Advanced RISC Machines）、X86等架构处理器或集成NPU（neural‑network processing units）的处理器；所述收发器可以但不限于为WiFi（无线保真）无线收发器、蓝牙无线收发器、通用分组无线服务技术（General  Packet Radio Service，GPRS）无线收发器、紫蜂协议（基于IEEE802.15.4标准的低功耗局域网协议，ZigBee）无线收发器、3G收发器、4G收发器和/或5G收发器等。

[0078] 本实施例第四方面提供了一种存储包含有实施例第一方面所述的车辆贷款欺诈风险预警方法的指令的计算机可读存储介质，即所述计算机可读存储介质上存储有指令，当所述指令在计算机上运行时，执行如第一方面所述的车辆贷款欺诈风险预警方法。其中，所述计算机可读存储介质是指存储数据的载体，可以但不限于包括软盘、光盘、硬盘、闪存、优盘和/或记忆棒(Memory Stick)等，所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。

[0079] 本实施例第五方面提供了一种包含指令的计算机程序产品，当所述指令在计算机上运行时，使所述计算机执行如实施例第一方面所述的车辆贷款欺诈风险预警方法，其中，所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。

[0080] 应当理解，在下面的描述中提供了特定的细节,以便于对示例实施例的完全理解。然而，本领域普通技术人员应当理解可以在没有这些特定细节的情况下实现示例实施例。
例如可以在框图中示出系统，以避免用不必要的细节来使得示例不清楚。在其他实例中，可以不以不必要的细节来示出众所周知的过程、结构和技术，以避免使得示例实施例不清。

[0081] 最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。