随着信息化时代的到来,个人信息被非法收集和散布的情况屡禁不止,电信诈骗犯罪的数量和涉案金额不断增长,电信诈骗拦截成为了各大运营商急需解决的问题。现有的基于传统机器学习的电信诈骗拦截方法通过学习用户短期通话行为预测诈骗用户。但是,由于用户短期通话行为的多变性、普通和诈骗用户比例的悬殊性以及通话特征的复杂性,这种方法在实际应用中难以达到理想的预测效果。论文针对用户的长期通信行为,设计了电信白名单筛选系统,通过提取用户长期通话特征评估用户间长期通话行为的可靠性及可信程度,将用户长期通话关系映射为拓扑图,通过图注意力网络实现白名单的筛选,从而减少需要电信诈骗筛选的号码数量,提高电信诈骗筛选效率。论文首先对电信诈骗用户通话行为挖掘技术进行综述,对白名单筛选系统进行了详尽的需求分析,并根据需求完成系统功能架构设计,明确功能模块的划分。提出了用户通话可靠性认知算法及用户通话特征与可信度的关联评价算法,将长期通话特征量化为用户评价指标,以此作为图特征初始值完成白名单用户的判别。随后对系统进行了详细的设计与实现,并阐述了系统中各个模块的关键流程和交互流程设计。最后,论文设计了测试用例并对系统进行测试,测试结果表明系统的实现符合最初的功能需求。与传统电信诈骗用户识别方法对比分析表明,白名单筛选系统具有更高的效率。