外賣刷單用戶與商戶要注意了！大數(shù)據(jù)風(fēng)控來了！

大數(shù)據(jù)風(fēng)控百度外賣外賣刷單

原創(chuàng) 小北 | 2018-01-29 08:00

【數(shù)據(jù)猿導(dǎo)讀】近年來，企業(yè)在擁抱互聯(lián)網(wǎng)、擁抱云的過程中，普遍面臨著愈演愈烈的欺詐威脅。據(jù)了解，目前中國網(wǎng)絡(luò)欺詐損失占GDP比例多達(dá)0.63%，約4000多億人民幣。而大數(shù)據(jù)的興起與應(yīng)用，為企業(yè)反欺詐提供了一條切實(shí)可行的道路，大數(shù)據(jù)風(fēng)控隨之誕生。

來源：數(shù)據(jù)猿記者：小北

近年來，企業(yè)在擁抱互聯(lián)網(wǎng)、擁抱云的過程中，普遍面臨著愈演愈烈的欺詐威脅。據(jù)了解，目前中國網(wǎng)絡(luò)欺詐損失占GDP比例多達(dá)0.63%，約4000多億人民幣。而大數(shù)據(jù)的興起與應(yīng)用，為企業(yè)反欺詐提供了一條切實(shí)可行的道路，大數(shù)據(jù)風(fēng)控隨之誕生。大數(shù)據(jù)風(fēng)控是指通過運(yùn)用大數(shù)據(jù)構(gòu)建模型的方法對作弊和欺詐方進(jìn)行風(fēng)險控制和風(fēng)險提示。大數(shù)據(jù)風(fēng)控通過采集各項(xiàng)指標(biāo)進(jìn)行數(shù)據(jù)建模分析，不僅提高了效率，還使統(tǒng)計(jì)結(jié)果變得更加有效。

1月27日，由DataFun、數(shù)據(jù)猿主辦，星河空間聯(lián)合主辦的《算法架構(gòu)系列活動—AI在反欺詐中的應(yīng)用實(shí)踐》在創(chuàng)E+舉辦。本期活動將話題聚焦在用戶反作弊和反欺詐上，邀請了百度外賣風(fēng)控專家，以及數(shù)美聯(lián)合創(chuàng)始人兼CTO分享了各自的探索與實(shí)踐。

大數(shù)據(jù)風(fēng)控_百度外賣_外賣刷單-1

百度外賣風(fēng)控中心資深工程師譚星

近幾年，隨著外賣O2O的火熱，刷單已經(jīng)從模擬器、刷機(jī)、群控時代發(fā)展到云眾包即團(tuán)伙刷單時代，外賣刷單背后隱藏著一條地下黑色產(chǎn)業(yè)鏈。據(jù)測算，黑產(chǎn)從業(yè)人數(shù)超過150萬人，掌握了數(shù)十億的賬號，市場規(guī)模高達(dá)千億級別。如何對這種風(fēng)險進(jìn)行識別及防控？針對這個問題，百度外賣風(fēng)控中心資深工程師譚星以《外賣業(yè)務(wù)中的用戶風(fēng)控實(shí)踐》為主題進(jìn)行了精彩的分享。

他指出，要識別這種風(fēng)險，首先是要制定用戶共現(xiàn)規(guī)則，利用用戶共現(xiàn)矩陣發(fā)現(xiàn)關(guān)聯(lián)程度較高的用戶來發(fā)現(xiàn)刷單的用戶團(tuán)伙；其次，要借鑒PageRank的思想，從共現(xiàn)矩陣中的種子用戶出發(fā)，將種子用戶的作弊得分傳播給網(wǎng)絡(luò)中的其他用戶，得出團(tuán)伙的作弊得分。

除此之外，譚星還結(jié)合自己的工作經(jīng)驗(yàn)與大家分享了他的感悟。他指出，目前大多數(shù)公司的風(fēng)控工作還處于起步階段，很多公司的風(fēng)控部門人少或者沒有專門的風(fēng)控部門，風(fēng)控人員要做的事情也很雜亂，工作沒有明確的責(zé)任邊界，同時，他們的工作也不被業(yè)務(wù)部門所理解。針對這種情況，他提出了三點(diǎn)建議：首先要建立完善的風(fēng)控體系，其次是風(fēng)控部門要避免成為業(yè)務(wù)部門的附庸，最后要平衡風(fēng)控與業(yè)務(wù)的收益。

大數(shù)據(jù)風(fēng)控_百度外賣_外賣刷單-2

百度外賣資深研發(fā)工程師劉夢宇

在外賣業(yè)務(wù)中，除了存在用戶刷單的行為，也存在各大商戶利用刷單套取平臺補(bǔ)貼、損害平臺利益的行為。針對這種風(fēng)險，百度外賣的資深研發(fā)工程師劉夢宇為大家?guī)砹艘浴渡虘麸L(fēng)險控制的形態(tài)與策略》為主題的分享。

他指出，目前商戶風(fēng)控困難重重。這首先表現(xiàn)在商戶刷單中的利益鏈角色多、關(guān)系復(fù)雜；其次是他們的作案設(shè)備專業(yè)化、技術(shù)化；同時線下取證難，調(diào)查周期長，異常刷單行為接近正常行為。那么該如何防范呢？劉夢宇提出了兩個策略：首先是要充分理解業(yè)務(wù)風(fēng)險，結(jié)合不同的業(yè)務(wù)角色，挖掘多方證據(jù)維度；其次要以大數(shù)據(jù)為基礎(chǔ)，機(jī)器學(xué)習(xí)模型為依據(jù)的規(guī)范化的解決方案。

大數(shù)據(jù)風(fēng)控_百度外賣_外賣刷單-3

數(shù)美科技聯(lián)合創(chuàng)始人兼CTO梁堃

隨著黑產(chǎn)技術(shù)水平與專業(yè)程度的不斷提高，企業(yè)面臨著越來越大的風(fēng)控挑戰(zhàn)。同時大部分企業(yè)都存在著缺乏全局的風(fēng)險數(shù)據(jù)支撐、專業(yè)的反欺詐人才團(tuán)隊(duì)的不足等問題。這種情況下，構(gòu)建一個立體的防御體系就顯得尤為重要?；顒由?，數(shù)美科技聯(lián)合創(chuàng)始人兼CTO梁堃為大家?guī)砹恕度斯ぶ悄茉诜雌墼p中的實(shí)踐—構(gòu)建立體防御體系》的主題分享。

他從布控、數(shù)據(jù)、策略三個方面為大家分享了數(shù)美科技在反欺詐方面的立體防御體系。在布控方面，他指出，要從啟動到注冊到登錄再到業(yè)務(wù)行為四個環(huán)節(jié)布控；在數(shù)據(jù)方面，基于數(shù)美構(gòu)建的核心畫像數(shù)據(jù)，打通多個場景的數(shù)據(jù)，同時從多行業(yè)聯(lián)防聯(lián)控，共同高效對抗黑產(chǎn)；。在策略方面，他提出“啟動為注冊、登陸、營銷提供特征，注冊為內(nèi)容提供特征，內(nèi)容為注冊提供特征”的多層、多維度策略體系。(文/小北）

來源：數(shù)據(jù)猿

收藏分享

聲明：數(shù)據(jù)猿尊重媒體行業(yè)規(guī)范，相關(guān)內(nèi)容都會注明來源與作者；轉(zhuǎn)載我們原創(chuàng)內(nèi)容時，也請務(wù)必注明“來源：數(shù)據(jù)猿”與作者名稱，否則將會受到數(shù)據(jù)猿追責(zé)。