女子遭遇冒充公检法诈骗民警揭骗局真相

女子遭遇冒充公检法诈骗 揭秘骗局真相

中新网温州12月20日电(记者 潘沁文)“我当时害怕极了,但是对方一直叫我不要和家里人说这些事情,不然案件会牵扯到我的家人,让我出去找一个安静的地方……”回忆起前几天遭遇的冒充公检法诈骗,来自浙江温州的小林(化名)仍然心有余悸。面对自称是警察的骗子,小林一度深信不疑,并听信其与外界断了联系。直到温州反诈中心民警找到已失联2日的小林,在民警的反复耐心劝说下,小林才从骗局中醒悟。

现在假设你已经有一个简单的基线模型,且在获取更多数据上要么不可行要么太昂贵。此时最可靠和正确的方法是利用预训练模型,然后针对你的问题对模型进行微调。

九、让深度学习在小数据上也能变得很酷

如果说因为恶小而为之是在养恶,是在逐渐背离自己性本善的初心。那么“勿以善小而不为”又会产生什么样的机能自主现象呢?

据了解,小林日前接到一个自称是浙江省通信管理局某主任的电话,告知其身份信息外泄,在北京办了一张手机卡涉嫌发送垃圾信息,让小林报警。接着对方帮小林转接到北京市公安局,一个自称是北京市公安局刑侦队的民警告诉小林,查到了其办理的手机卡涉嫌洗黑钱,要通缉小林,并称冻结了小林及其直系亲属的所有账户。

“快把电话挂断,对方是骗子。”当时,小林正在和骗子QQ语音通话,对民警的突然出现非常惊惶。现场,民警耐心地安抚情绪失控的小林,向她详细说明了冒充公检法诈骗的套路,还不忘提醒她给家人报个平安。

人把自己搞丢了的原因很多,而这一次,你是让自己的小恶把自己搞丢了。可是,区区小恶怎么就会让我们丢了自己?

到此,你日常所行的种种小恶在累积效应的作用下,终于完成了从量变到质变的最初转化,成为一个具有恶习的人。一不小心,还最终有可能突破底线。如果此时的你内心深处还保持着一些对教养的欣赏,那么,此刻你最惶恐的感受就会是:我把自己搞丢了!

直到温州警方找到小林,她仍非常害怕,还以为像对方说的,警察要抓她了。当民警告知小林遭遇了诈骗,小林马上查询其银行账户,这才发现里面的钱都不见了。

从心理学上看,这是因为人的动机具有“机能自主”的特点。人是有主观能动性的,一类行为实施得久了,就会逐渐改变人的态度,最初因为实用而产生的某个动机,发展到后来就会转变为自己的内在动机。

首都经贸大学心理学教授 杨眉

如果你需要复习自编码器相关知识,可以看看斯坦福大学的深度学习教程(网址:http://ufldl.stanford.edu/tutorial/unsupervised/Autoencoders/)。自编码器的基本思想是建立一个预测输入的神经网络。

下面就让我介绍几个在有限的数据上使用深度学习的方法,以及阐述为什么我认为这可能是未来研究中最令人兴奋的领域之一。

大量问题的数据非常有限,因为获取更多的数据要么非常昂贵要么不可行,就比如说检测罕见疾病或教育成果。找到方法来应用深度学习等最好的技术来解决这些问题是非常令人兴奋的!正如吴恩达(Andrew Ng)也曾提到:

一次作弊,一句脏话,一次背后诋毁别人,一次投机取巧,一次网上的攻击与谩骂,所有这些小恶,不论最初做时是多么偶然甚至是不情愿,但是积累到一定时候,这些小恶就被养成了大恶,就会因为动机机能自主的原因而成为我们的习惯,或者行为模式,使我们欲罢不能,直到我们惊觉“把自己搞丢了”。

在我们探讨在有限的数据上使用深度学习的方法之前,请先从神经网络后退一步,建立一个简单的基线。用一些传统模型(如随机森林)进行实验通常不会花费很长时间,而这将有助于评估深度学习的所有潜在提升,并针对你的问题提供更多权衡深度学习方法和其他方法的视角。

这也恰如心理学家劳伦・斯莱特所言:“人心几乎都有道德良知不及之处,若我们一再放任其扩张,等到道德良知遭到吞噬,那时再强烈的刺激也无法挽回了。”

从中得到的关于小数据的益处是确保你建立的深度网络能利用这种集成效应。

对方还说,可以替她担保无罪,但要求小林转十万到一个新的银行账户上。期间,对方叫小林从支付宝的借呗里提取金额,又叫小林下载手机app软件借钱,向朋友借钱。

对于图像分类问题,最常用的数据集是 ImageNet。这个数据集涵盖目标多个类的数百万张图像,因此可以用于许多类型的图像问题。它甚至包括动物,因此可能有助于稀有鸟类的分类。

同样因为累积效应的作用,比如不随手扔垃圾、公共场合不大声喧哗、社会交往中遵守礼节、与人交流时注意言语行为得体等。一个人在重复做这类小善事的过程中渐渐就实现了会产生正面效应的机能自主:最初做这些小善事可能只是由于诸多原因,甚至是外在压力。但久而久之,随着所做的小善事越来越多,做小善事的动机就会自动升级,实现机能自主――他具备了能对自己行为负责的自主能力,在社群中形成了健康的利他观,同时养成了助人为乐的道德习惯。

民警找到小林时,小林崩溃哭泣。温州反诈中心供图

近日,温州市反诈中心在工作中发现小林疑似遭遇冒充公检法诈骗,但小林手机关机无法联系,联系其家人后得知,小林在某医院上班,当民警赶到医院时,小林已离开医院,经多方寻找均无下落。温州反诈中心民警通过视频追踪,终于在鹿城某棋牌室角落找到了小林。

对方告诫小林,因为“有黑警”,所以即使有警察敲门也不要开门。还让小林重新去办理张银行卡,为防止泄密,不要和任何银行里的人说话。于是,在对方的指示下,小林办了开通了一个新的银行账户。

你也可以使用域知识来限制对网络的输入,以降低维度或将网络体系结构调整的更小。

最后一点是尝试找到结合特定领域知识的方法,以指导学习过程。例如,在论文《通过概率程序规划归纳进行类人概念学习》(Human-level concept learning through probabilistic program induction,论文链接:https://science.sciencemag.org/content/350/6266/1332)中,作者构建了一个能够在学习过程中利用先验知识从部分概念中构造整体概念的模型,这样的模型能够实现人类水平的性能,并超出了当时的深度学习方法。

直到有一天,你突然发现你与所在的文明世界已经脱节,发现自己不带脏字就不会说话,不占便宜就难受,自己的言谈举止在一个有教养、有追求的世界面前显得既突兀又粗俗。你发现自己甚至已经无法“装”出文明人的样子,身边那些自律慎独的人开始因为你的粗野而感到局促不安,有的人干脆躲着你……。

换言之,机能自主指的是“过去的动机与目前的动机在机能上没有联系”。这是因为人有自主性,所以机能自主的动机是人类所特有的,人类的很多行为都由其所控制。

对方叫小林不要和家里人说,并找一个安静的地方。“我就马上离开了家,我按对方要求加了他的QQ,将亲朋好友的所有信息状态都屏蔽掉,然后我找到了一个茶座。对方一直和我说让我和外界保持信息屏蔽状态,不要与外界联系。对方还向我发来了警官证、拘捕令。”小林说。

希望本文为你提供了一些关于如何在有限的数据上使用深度学习技术的思路。我个人认为,这是一个目前没有得到足够讨论的问题,但它具有令人非常兴奋的意义。

至此,在生活中努力实践“勿以善小而不为”者不仅会具有温暖慈悲的面相,更重要的是,他会达到孔子所说的那种最高的自由境界:从心所欲不逾矩。

小林表示,当时她叫朋友转了十万元到银行账户上,收到钱款后,她就告诉了对方。“对方马上叫我报验证码给他,他说这样做可以防止‘黑警’对我的银行卡的交易产生察觉。”

如果你无法获得更多的数据,并且无法成功地对大型数据集进行微调,那么数据增强通常是你接下来的最佳选择。它还可以与微调一起使用。

例如,你有一张猫的图片,旋转图片后仍然是一张猫的图片,这便是一次不错的数据增强。另一方面,如果你有一张道路的图片,想要预测适当的方向盘转度(自动驾驶汽车),若旋转这张道路的图片将会改变适当的方向盘转度,除非你把方向盘转度调整到适当位置,否则难以预测成功。

那么小恶问题上的机能自主是怎样发生的呢?比如,一个平时认真负责的学生某次因为复习不充分,考试时临时采取了作弊的方法,当时只是应急而已。但是,因为尝到了甜头,下次再遇到同样的情境,就可能再次抵制不住作弊的诱惑,久而久之,作弊就从最初的权宜之计而变作目的或者需要本身。

数据增强背后的思想很简单:在不改变标签值的情况下,以提供新数据的方式改变输入。

人性有很多弱点,其中最大的弱点是经不住诱惑。今天只是说了一句脏话,或是小考时作弊;明天跟在别人后面占个小便宜,或是在别人背后传闲话;后天给人起个可笑的绰号,或是以默许的方式站到了霸凌方;大后天加入了网上一场不负责任的谩骂与攻击……就这样,一点一点,你被小恶所诱惑,把小恶养得越来越大。

生活中,人们总是对公检法机关会多一分信任,而这却成了骗子电信网络诈骗最有利的武器。警方提醒,公检法机关不可能通过电话办案,电话也不会给其他机构有转接功能,警官证一般只在现场办案向当事人出示,不会通过微信、QQ发送。(完)

刘备这段劝子进德修业、有所作为的话对今天的我们仍然具有重要的现实意义。

从上图中可以看出,基于每个类的样本数量的性能是如何变化的,以及微调对于一些小型数据集(CUB)是多么有价值,而对于其他数据集(CIFAR-100)则没有那么有价值。

我将其作为最后的选择,是因为结合先验知识可能是一个挑战,通常也是最耗费时间的。

这听起来可能很荒谬,但是你真的考虑过自己能否收集更多的数据吗?我经常向公司提出获取更多数据的建议,但他们视我的建议如疯人疯语,这让我很吃惊。是的,投入时间和金钱去收集更多的数据是可行的,而事实上,这通常也是你最好的选择。例如,也许你正试图对稀有鸟类进行分类,但数据非常有限。几乎可以肯定地说,你可以仅仅通过标注更多的数据来比较轻易地解决这个问题。你不确定需要收集多少数据?对此,你可以在增加额外的数据时尝试绘制学习曲线(相关教程链接:https://www.dataquest.io/blog/learning-curves-machine-learning/),并同时查看模型性能的变化,从而确定所需的数据量。

雷锋网原创文章,。详情见转载须知。

当晚,小林到对方指定的一家民宿入住,并和对方一直保持着视频通话。小林说:“他一直说是因为我的责任造成的信息泄露,我涉嫌犯罪,但他们会帮我,前提是我要听从他们的安排。”

微调的基本思想是取一个一定程度上跟模型所在域相似的非常大的数据集,训练一个神经网络,然后用你的小数据集对这个预先训练好的神经网络进行微调。你可以在 A Comprehensive guide to Fine-tuning Deep Learning Models in Keras 这篇文章阅读更多内容:

You may also like...