首页 2019数博会数博观察正文

数据观专访维择科技谢映莲:欺诈手段瞬息万变 反欺诈技术如何走在前面

“互联网+”正在不断深入到各个行业,在这个发展过程中,逐渐暴露出线上欺诈、线上黑产这一产业痼疾。反欺诈成为企业安全规划的重要一环。

在互联网形态下,提升了运营效率的同时也带来了非面对面交易、高并发、非结构性数据等反欺诈难点,传统的规则引擎和有监督机器学习难以解决错综复杂、变幻莫测的欺诈形式。在2019中国国际大数据产业博览会(以下简称“2019数博会”)上,DataVisor维择科技创始人兼 CEO谢映莲在接受数据观采访时提到,无监督机器学习是最新一代的企业反欺诈检测的方法,能有效应对动态发展的、有组织、有规模的黑产生态链。

欺诈方式多变 传统手段应对迟缓

市场对于有效的、适合当前行业环境的反欺诈技术手段需求极大。

典型的在金融领域,欺诈一直是其主要行业风险之一。一方面传统金融业随着业务量的增多,已经堆砌了海量的交易数据;另外一方面,互联网金融、个人消费信贷等新的互联网金融场景不断出现,涉及人群越来越多,而传统的反欺诈手段成效并不明显。

谢映莲认为:“这对企业的反欺诈机制提出了更高的要求,如何快速响应,通过大数据挖掘、分析技术和人工智能算法完善风控体系关系到行业的健康发展”。

规则引擎、有监督机器学习是当前行业应用较广泛的反欺诈技术。它们有其契合的应用场景,但对于正不断发展的行业形态和瞬息万变的欺诈手段,也有着明显的局限性。

规则引擎,通过对样本数据进行分析,利用专家经验总结出的规则来区分“好用户”和“坏用户”的行为特征,虽操作起来简单直接,但人工手段容易出错;有监督机器学习,通常需要大量有标签的数据来训练模型,识别“坏用户”,检测同类的欺诈行为,但前提是需要明确的特征标签,在未知的欺诈手段面前显得过于迟缓和被动。

总的来说,它们都无法主动检测到新型的欺诈模式,而欺诈行为、黑产也在不断发展,以应对企业的反欺诈手段,它们是动态的。所以,完全依赖以标签为导向的欺诈行为监测方法,是在看到损失、受到攻击之后再训练相对应的算法模型,这种亡羊补牢的反欺诈手段,迫切需要更具有欺诈攻击预见性功能的技术来升级完善。

无监督机器学习能防患于未然

对此,谢映莲提出,利用无监督机器学习技术的反欺诈手段能在不断更新的欺诈手段面前领先一步。

相比于传统的反欺诈手段,无监督机器学习最主要的特征是不需要依赖于任何带标签的数据来训练模型,而是通过对数据关联分析和相似性分析,来挖掘和发现用户行为间的联系、共同特征。例如,通过对大量电话号码或IP地址进行检测加工,可以根据其前缀和端口等特征来识别用户,“若IP端口来自数据中心、云计算平台,欺诈的概率会上升”,类似的经过加工的信号,具有稳定性、适用性强的优势。

除此之外,据谢映莲介绍,DataVisor维择科技还形成了智能信誉库,包含传统的白名单、黑名单和智能数据源等,为技术手段提供辅助参考信息,使无监督机器学习更有效,也能减少正常用户的误伤率。

正是看到了无监督机器学习在反欺诈领域的前瞻性,DataVisor维择科技率先在2019数博会上正式对外发布了基于无监督机器学习的dCube全面反欺诈管理解决方案。无论欺诈攻击如何变化,利用该平台都能智能地进行攻防策略的调整,主动地去发现未知的欺诈方法,察觉新型的欺诈手段。

谢映莲表示,该平台已经在互联网企业、社交、电商等新兴行业和具体应用场景成功落地。未来,DataVisor维择科技将推动其向包括银行、金融机构等传统行业拓展,并在技术上向通用化方向发展,以适应更多领域的需求。

同时谢映莲也提到,无监督机器学习,或者更广泛地来看,人工智能通过对数据的理解和挖掘,能在反欺诈等领域提供智能化的检测和帮助。但是,技术的落地执行也需要专业的行业背景和知识,不能完全脱离单纯地只用技术的方法来看待问题。未来,还是需要各个行业专家对不同行业的深度理解,来驱动技术和行业发展的融合,“两者结合起来才能真正赋能行业”。

(数据观记者 孙永慧)

扫码或点击链接查看更多2019数博会信息

http://www.cbdio.com/zhuanti/node_12008.htm

 

责任编辑:李兰松

分享:
数博故事
贵州

贵州大数据产业政策

贵州大数据产业动态

贵州大数据企业

更多
大数据概念_大数据分析_大数据应用_大数据百科专题
企业
更多