近年來，全球欺詐趨勢如何演變？潛伏在流量中的欺詐行為的特點是什么？無監(jiān)督AI技術如何幫助企業(yè)風管理經(jīng)理提高效率？原理怎么解釋？如何使用無監(jiān)督技術建模？
最近，DataVisor Wei選擇技術中國區(qū)技術負責人崔洪宇作為客人，分享了“51 CTO big Kaka來了”等問題?，F(xiàn)在請維多利亞選擇課代表回顧一下直播的精彩內(nèi)容！(威廉莎士比亞，溫斯頓)
傳統(tǒng)產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型中面臨的風控制挑戰(zhàn)
今天，希望利用網(wǎng)絡浪潮加速自己的發(fā)展，各大傳統(tǒng)行業(yè)紛紛開始數(shù)字化轉(zhuǎn)型。(威廉莎士比亞，溫斯頓，現(xiàn)譯)但是傳統(tǒng)行業(yè)與網(wǎng)絡行業(yè)本身大不相同?，F(xiàn)有行業(yè)在切換過程中面臨著很多挑戰(zhàn)，因為網(wǎng)絡基因不足，對網(wǎng)絡風險的認識也需要加強。
隨著互聯(lián)網(wǎng)的快速發(fā)展，詐騙模式變得更加復雜了
隨著移動網(wǎng)絡技術的發(fā)展，單功能站點向多功能平臺過渡，在線交易行為可能會受到?jīng)_突倉庫、多號、羊毛、虛假粉絲、假朋友、虛擬貨幣、洗錢、交易欺詐、釣魚攻擊等多個方面的有組織攻擊。欺詐手法多樣化，甚至有多個環(huán)節(jié)聯(lián)系在一起的情況，大部分欺詐行為為了模擬正常顧客的行為，潛伏了很長時間，使一般風控制系統(tǒng)無法檢測到奇怪的行為，風控制環(huán)將面臨巨大的挑戰(zhàn)。(威廉莎士比亞、欺詐、欺詐、欺詐、欺詐)
金融行業(yè)在數(shù)字化過程中，業(yè)務范圍逐漸擴大，每個環(huán)節(jié)都有可能受到黑山的攻擊。申請階段存在惡意逾期、中介代理、集體欺詐等危險。交易過程中常見的是盜竊卡盜匪粉刷、卡寄存，甚至洗錢行為。市場營銷階段的士氣愈演愈烈，很多金融機構(gòu)為了吸引新用戶，對新用戶發(fā)放了紅包獎勵，但很多情況下流入黑山口袋，金融機構(gòu)受到了損失。黑山活動已經(jīng)滲透到金融業(yè)務的全過程，對現(xiàn)有金融行業(yè)的風控制能力提出了更高的要求。
那么為什么傳統(tǒng)的金融行業(yè)在切換過程中更容易受到黑山的威脅呢？
崔洪宇說：“打擊黑山的過程是風源和黑山之間的游戲?！蔽覀兛梢詮娜齻€茄子方面解釋。
第一，在利益主導方面，黑山的欺詐行為不僅會帶來巨大的經(jīng)濟利益，還會產(chǎn)生巨大的利益罕見的積極性和推動力，風控從業(yè)者的相對利益補償遠遠不足。
第二，在分工合作方面，黑山已經(jīng)形成了專業(yè)、分工明確的產(chǎn)業(yè)鏈，產(chǎn)業(yè)交流頻繁，對新技術非常敏感、快速的學習重復。風控制是企業(yè)中的成本中心，受預算限制，團隊規(guī)模相對較小，同事技術交流也不那么頻繁。
最后，黑山只要在風控制體系中找到個別漏洞，就可以大規(guī)模復制利潤，實現(xiàn)“新鮮，吃光天空”的單一突破。對防守方來說，風控制官需要建立全面的風控制管理體系。任何防范如果做得不好，就會出現(xiàn)明顯的“木桶效應”，在一定時間內(nèi)阻礙士氣是一大挑戰(zhàn)。
知己：暴露黑山技術和新的攻擊手段。
黑山產(chǎn)業(yè)鏈
黑山分工逐漸細化，形成了完整的上下游產(chǎn)業(yè)鏈。黑山攻擊的第一步是進行大規(guī)模惡意注冊，然后使用軍控軟件進行相同的屏幕傳輸和放置控制、自動操作、虛擬定位、單按鈕新系統(tǒng)串行設置、定時任務、萬能西餐輸入、手機組管理、萬能腳本/同時，為了減少技術迭代后的成本，使用Android模擬器在PC端模擬手機、修改設備參數(shù)、打開很多模擬、虛擬
崔洪宇介紹說：“部分黑山專門向非法分子提供身份證、銀杏卡、預約手機號碼、銀杏ushier包裝4種套裝等普通用戶個人身份信息，價格達800 ~ 1000多元，牙齒信息賣給違法犯罪分子，進行虛假貸款等，受益匪淺?！?/p>
黑山商業(yè)用途區(qū)是貓池、清氣軟件、Android模擬器、軍控軟件、GPS模擬器、云手機等。
貓?zhí)?和卡維護軟件一起)使用組控制軟件同時控制多部手機
未監(jiān)督的防止傅晶優(yōu)勢很明顯。
隨著技術手段更加豐富，風源和黑山之間的游戲也變得更加激烈。面對快速重復的欺騙模式，傳統(tǒng)防止欺詐方案的不足逐漸顯現(xiàn)出來，無監(jiān)督的機器學習提供了比較好的方向。傳統(tǒng)的風控制手段更多的是被動預防，發(fā)生欺詐損失后才亡羊補牢，這種反應方式最快，需要幾個小時。如今，新的欺詐模式層出不窮，標簽數(shù)據(jù)嚴重不足，未監(jiān)督的機器學習(UML)牙齒近年來受到了防止傅晶的新寵愛。沒有監(jiān)督的機器學習成為反欺詐的新愛。
傳統(tǒng)的無監(jiān)督機器學習是從無標記數(shù)據(jù)中提取隱藏信息(數(shù)據(jù)結(jié)構(gòu)和模式)的算法，主要應用于數(shù)據(jù)挖掘、模式識別，具有不需要標記的優(yōu)點。但是，傳統(tǒng)的無監(jiān)督機器學習在應用程序中也很難評價結(jié)果，時間復雜性高，不能很好地滿足客戶的要求。
DataVisor visor開發(fā)了專門處理幫派欺詐的無監(jiān)督算法，并開發(fā)了多種方案，包括當前社會平臺的批量注冊、電子商務平臺的羊毛、APP的虛假注冊、金融領域的可疑交易、保險領域的虛假索賠等。
DataVisor維選擇技術的無監(jiān)督機器學習算法可以在高維特征空間中對用戶進行群集，通過全面分析，可以在徐璐其他維上對類似用戶進行群集，以檢測可疑用戶行為。無監(jiān)督機器學習算法有三個茄子明顯的優(yōu)點。一是自動發(fā)掘和檢測各種已知的未知欺詐行為。二是自動生成標記，用于機器訓練測試模型；三是自動生成規(guī)則，免除耗時的手動規(guī)則調(diào)試。
最后是網(wǎng)民提問環(huán)節(jié)。
1.無監(jiān)督算法如何與規(guī)則，黑白列表技術相協(xié)調(diào)？
崔弘宇：傳統(tǒng)的規(guī)則、黑白列表、教練模型在風控過程中也能產(chǎn)生一定的效果，但是沒有監(jiān)督的算法可以從不同的角度復蓋更多新的欺詐風險。在比較完善的風控制體系中，規(guī)則、黑白名單、教練、無監(jiān)督都是必不可少的，各種技術可以徐璐融合。
2.一般企業(yè)的業(yè)務數(shù)據(jù)都與隱私有關。DataVisor維選擇技術是否以產(chǎn)品或項目方式為客戶提供服務？
崔弘宇：現(xiàn)在有兩種茄子方法。金融行業(yè)等敏感行業(yè)對數(shù)據(jù)隱私的要求非常嚴格。在這種情況下，我們應該去客戶的環(huán)境進行建模服務。以產(chǎn)品方式為客戶服務時，我們向客戶提供一系列產(chǎn)品，包括無監(jiān)督建模平臺、變量計算機平臺、規(guī)則引擎等，由客戶直接使用。此外，某些客戶的數(shù)據(jù)可以相減，然后在云中進行分析和處理。
3.每個具體的欺詐場面都要選擇適當?shù)乃惴▎幔?/p>
崔弘宇：理想情況下，每個具體的詐騙場面都有單獨的模特是比較好的。這可以使模型集中在牙齒場景上，但不一定需要對每個場景使用不同的算法。無監(jiān)督適用大量登記、垃圾信息、廣告行為等很多劇本。
來賓簡介：中國區(qū)技術主管崔弘宇達塔維斯or
現(xiàn)在是DataVisor中國技術主管，從2015年開始，DataVisor開發(fā)了使用分布式無監(jiān)督機器學習算法的防傅晶測試。Pinterest、Yelp、alibar、chita移動等大型網(wǎng)絡企業(yè)的機器注冊、虛假評論、垃圾郵件、欺詐交易、虛假應用程序安裝等傅晶預防建模。在模型調(diào)整、特征工程和算法開發(fā)方面具有豐富的經(jīng)驗。