【51CTO.com原創(chuàng)稿件】一個奇怪的現(xiàn)象自始至今一直伴隨著移動互聯(lián)網(wǎng)發(fā)展：在移動應用的推廣方面，一個有效的 App從安裝到激活，渠道普遍而言的平均成本在 2-3 塊，但絕大多數(shù)渠道給 APP 開發(fā)者的報價往往不到 1 塊。近幾年，渠道格局早已穩(wěn)定，并不需要瘋狂燒錢用“價格戰(zhàn)”來提升市場占有率。長期虧本的生意當然沒人愿意做，那這些渠道為什么會以低于成本的價格銷售呢?

經(jīng)過分析，發(fā)現(xiàn)造假團隊會通過虛擬機、模擬器、改碼手機等手段降低成本，制造虛假數(shù)據(jù)。目前，造假團隊的技術(shù)也已經(jīng)爐火純青，不僅設備信息可以被篡改，連用戶留存、在線時長等用戶行為數(shù)據(jù)都能被造假以滿足開發(fā)者的KPI。造假現(xiàn)象長期存在，導致移動開發(fā)者推廣的成本提高、無法獲得有價值的真實用戶、基礎數(shù)據(jù)出現(xiàn)超過 90% 的造假情況，開發(fā)者無法根據(jù)數(shù)據(jù)做出正確的決策，甚至有很多初創(chuàng)企業(yè)因此喪失競爭力被動出局。

傳統(tǒng)欺詐檢測方案正在失效

相比APP注冊到激活刷量，還有更大危害的欺詐現(xiàn)象發(fā)生在我們身邊：如金融領(lǐng)域，越來越多的銀行、保險和證券依靠互聯(lián)網(wǎng)拓展新業(yè)務，在線評估用戶的信用，依據(jù)用戶的行為軌跡和使用習慣、背景信息展開金融服務。如果這些用戶的信息虛假，或者是成為“肉雞”、被利用，只需少量的用戶就能給金融企業(yè)帶來不可估量的損失。

當前，國內(nèi)外欺詐行為已經(jīng)形成“黑產(chǎn)”，是一條利益緊密關(guān)聯(lián)的產(chǎn)業(yè)鏈。在這條產(chǎn)業(yè)鏈中，有專門負責注冊、負責“養(yǎng)號”；有專門負責提供終端機器，提供云服務模擬真實IP地址；還有負責尋找“買家”，發(fā)起攻擊；還有尋找企業(yè)漏洞，隨時準備“薅羊毛”等等。

很明顯，在如此激烈的對抗中，傳統(tǒng)欺詐檢測方案 -- 包括依托黑白名單、信譽庫、設備指紋的過濾機制，通過人工規(guī)則篩查賬戶的規(guī)則系統(tǒng)，甚至是興起還不算太久以有監(jiān)督機器學習為核心的風控模型，在面對新型攻擊手段時，實在有些難以招架。

吳中·DataVisor中國區(qū)總經(jīng)理

近日，DataVisor中國區(qū)總經(jīng)理吳中接受了51CTO的采訪，核心圍繞圍繞無監(jiān)督機器學習反欺詐，成長期企業(yè)如何做好反欺詐，希望有反欺詐需求的客戶能從中得到些許啟發(fā)。

無監(jiān)督機器學習-超越規(guī)則引擎和有監(jiān)督機器學習

吳中表示，反欺詐技術(shù)領(lǐng)域科劃分為三大階段：

• 規(guī)則系統(tǒng)。人工創(chuàng)建規(guī)則，判定欺詐行為。
• 技術(shù)信號源。第二代是基于上代規(guī)則基礎上，引入更多信號源，如黑白名單、設備指紋等；
• 第三代，以AI為核心。該階段劃分為有監(jiān)督學習算法和無監(jiān)督學習算法兩個方向。

傳統(tǒng)有監(jiān)督學習算法需事先對大量數(shù)據(jù)進行歸類和掃描，訓練出可以用來進行發(fā)欺詐檢測的模型。問題在于，欺詐行為并非一成不變，而是動態(tài)演變的，模型的效果難以保障。而無監(jiān)督學習算法也是建立在對大量數(shù)據(jù)的學習和訓練中，但學習的過程不需要大量標簽，通過用戶的細微關(guān)聯(lián)就可以對欺詐行為進行判斷。 基于無監(jiān)督學習算法的產(chǎn)品和解決方案可以針對變化多端的群體欺詐行為，為這些企業(yè)提供最先進的反欺詐檢測服務。當然，在實際應用中，兩者不是割裂的，而是相互補充。很多解決方案中，這兩者的算法均有，都是建立在大數(shù)據(jù)平臺之上。不過針對當前網(wǎng)絡欺詐的趨勢而言，無監(jiān)督學習算法更加具有優(yōu)勢。

DataVisor推出UML Essentials新產(chǎn)品 降低成長型企業(yè)反欺詐門檻

作為在線欺詐和金融犯罪檢測服務的領(lǐng)先企業(yè)，DataVisor致力于利用最先進的人工智能技術(shù), 尤其是無監(jiān)督學習算法以及大數(shù)據(jù)應用，最大程度保護用戶和企業(yè)。

吳中介紹，DataVisor無監(jiān)督反欺詐機器學習解決方案依托最新的人工智能技術(shù)，能在沒有訓練數(shù)據(jù)的情況下檢測攻擊，并且能做到提前檢測。該解決方案有三個關(guān)鍵組件:無監(jiān)督機器學習(UML)引擎，自動規(guī)則引擎和全球智能信譽庫。

當前，越來越多的成長型企業(yè)對反欺詐服務有了強烈的需求。Datavisor基于多年技術(shù)積累以及對行業(yè)的深刻理解，為了讓成長型企業(yè)享受更為靈活低成本的反欺詐服務，并在2018年4月27日正式發(fā)布了UML Essentials。

UML Essentials 依托于Datavisor 獨有的無監(jiān)督機器學習引擎以及海量數(shù)據(jù)處理平臺，將Datavisor在UA、大規(guī)模注冊、反洗錢等安全領(lǐng)域內(nèi)多年的行業(yè)積累轉(zhuǎn)化為開箱即用的SaaS服務， 打造了一款強大、靈活、低成本的人工智能反欺詐產(chǎn)品。

DataVisor UML Essentials具有如下大特點：

• 聚焦高頻場景。將各個業(yè)務場景中的第一步“大規(guī)模注冊”欺詐阻擋在外。DataVisor能保證高質(zhì)量的檢測結(jié)果，做到原因可解釋。
• 接入方便快捷。在DataVisor UML Essentials中，用戶可以輕松地完成數(shù)據(jù)上傳，數(shù)據(jù)質(zhì)量檢查，用戶做到對服務的全程可控。
• 模型自動調(diào)優(yōu)。利用AI技術(shù)創(chuàng)新性的開發(fā)了模型自動調(diào)優(yōu)，時間從幾周縮短到了幾天。
• 強大的數(shù)據(jù)處理平臺支撐。DataVisor UML Essentials的數(shù)據(jù)處理平臺構(gòu)建于主流云計算基礎上功能多樣強大，單日事件處理能力超過千萬級。

寫在最后：

就目前來看，憑借深厚技術(shù)背景、多年安全領(lǐng)域經(jīng)驗，龐大用戶需求，DataVisor是AI領(lǐng)域佼佼企業(yè)毋庸置疑。但未來，任重而道遠，還需在技術(shù)繼續(xù)迭代創(chuàng)新，深度與更多應用場景相融合，才能夠更迅速成長。

【51CTO原創(chuàng)稿件，合作站點轉(zhuǎn)載請注明原文作者和出處為51CTO.com】