当AI遇到反欺诈 维择科技用实践与实力展示自身价值 原创

至顶网服务器频道 06月05日 新闻消息（文/李祥敬）： 近日，2019中国国际大数据产业博览会（以下简称“数博会”）在贵州贵阳举行。本届数博会以“创新发展，数说未来”为主题，来自全球55个国家和地区的两万六千多名嘉宾，以及400多家国内外顶尖企业，集中展示全球、全国大数据最前沿的新产品、新方案、新技术、新成果、新模式。

DataVisor维择科技作为在人工智能反欺诈领域拥有权威专利技术的公司，受邀参加2019数博会，并通过参与2019数博会“一会”、“一展”、“一发布”等系列活动，全面地向政府、企业、专家、媒体及普通受众展示了无监督机器学习算法在反欺诈领域的重要价值。

在2019数博会上，DataVisor维择科技还提出了最新的全面反欺诈管理解决方案——dCube，这是一款平台化的反欺诈解决方案。这款新产品能帮助客户根据自身业务逻辑来设计和调整机器学习的方法论，在应用层、模型层、数据特征工程层进行了升级。在数据特征工程层，从数据清洗、调优、特征库管理等方面融入了DataVisor维择科技最核心的专家技术，从而帮助客户在模型层自动生成有监督或无监督的机器模型，并在应用层给出欺诈报告或进行深度案例分析。

专注于反欺诈，维择科技有思考有实践

DataVisor维择科技创始人兼CEO谢映莲在卡内基梅隆计算机系获得博士，拥有10年以上在互联网安全和反欺诈领域的经验。在创建维择科技之前，她是微软硅谷研究院的资深研究员，曾为微软产品开发出一系列成功的互联网安全和反欺诈技术创新，其中包括基于微软Hotmail社交图以对用户进行认证的系统架构，以及大幅度降低信用卡实时交易风险的算法。其开发的大数据反欺诈技术广泛应用于微软的支付平台、Xbox和Bing等。

谢映莲告诉记者，无论是互联网领域还是金融市场，黑色产业链、欺诈骚扰等情况数见不鲜。DataVisor维择科技将无监督机器学习落实到产业服务的创新应用，帮助客户解决欺诈问题。“欺诈和反欺诈是一场动态博弈，需要站在新的高度来设计一个根据问题自动配套解决方案的系统。”

从2013年在硅谷成立至今，DataVisor维择科技经过6年的发展，一直专注于反欺诈领域的研究。DataVisor全球领先的一站式AI反欺诈平台，以独创的无监督反欺诈机器学习为核心，并融合了有监督机器学习和全球智能信誉库，为线上企业和金融公司提供一站式智能反欺诈检测服务。DataVisor维择科技独有的无监督反欺诈技术，无需历史标签和训练数据，有效检测未知欺诈和团伙欺诈，减少欺诈损失，降低人力成本，助力智能化反欺诈风控体系搭建，提升客户风控能力。

谢映莲说，AI的应用范围非常广，需要找到对应的落地场景。DataVisor维择科技将AI应用到反欺诈领域中，加速AI价值实现。目前，DataVisor维择科技已在金融、社交、电商、移动应用推广等领域积累了丰富的实践经验，其产品被应用在账号盗用、信用卡申请欺诈、信用卡套现、反洗钱、支付欺诈、薅羊毛、刷单等多种场景中。

DataVisor维择科技的全球用户达到42亿，处理了8千亿次独立事件，平安银行、京东、陌陌、财付通、浦发银行、饿了么、猎豹移动、Pinterest、美团点评都出现在客户名单中。从这些客户名单，我们能够看到欺诈问题遍布各行各业，成为行业客户面对的共性问题。谢映莲表示，越来越多的客户已经认识到欺诈问题的严重性，反欺诈已经是业务推进中的标配。“除了大型互联网公司，DataVisor维择科技也在积极拓展传统行业客户，包括保险、电信等。而且欺诈问题是全球性问题，维择科技也在拓展欧美、东南亚等国际市场。”

在拓展行业市场过程中，不可避免会面对行业壁垒。维择科技也在积极积累行业知识，保持领先的技术发展水平，通过融合业务知识和科技知识，满足行业在反欺诈领域的需求。“DataVisor维择科技的解决方案支持本地部署和云部署，包括与主流公有云的合作，用户的选择更加自由，而且可以针对客户进行定制化。”谢映莲说。

加速AI落地，无监督机器学习破解欺诈难题

在互联网快速发展的今天，随着个人信息不断泛滥，以及越来越多的企业业务往线上转移，欺诈者的攻击技术也日趋复杂且不断变化，而企业现有的反欺诈解决方案往往无法及时有效应对这种复杂多变的欺诈行为。

对企业而言危害性最大的欺诈行为，早已不是来自个人，而是来自规模性欺诈行为，其背后往往是一个有组织、有计划、甚至有技术的黑产生态链。欺诈分子可能同时窃取大量“好人”的个人信息来养数百个账号、申请上百张信用卡，每个账号、每次申请所使用的信息都无懈可击，而以黑白名单为典型的传统反欺诈方法，往往将其作为一个个独立事件进行检测，无法分析各账户之间的关联，因而无法洞察全局。

面对千变万化的新型欺诈，利用标签化处理已知欺诈行为，并以此训练机器辨别类似行为的传统反欺诈方法显然过于迟缓和被动。简单来说，有监督的机器学习就是通过人为地标签化某些行为或事物，并使用这些标签对机器进行训练。

谢映莲说，欺诈分子了解了有监督机器学习的攻防机制，所以采用的欺诈方法往往是之前没见过的，对于历史数据的标注，也就是标签所训练出来的模型，其实对新的攻击仍然是不敏感的。“维择科技研发的无监督机器学习专利技术，最大的优势就在于去标签化，使得模型能够实现“随着欺诈攻击变化的同时，智能地进行攻防策略的调整，主动发现未知的欺诈方法。”

无监督机器学习是机器自发地通过发现数据之间的关联关系，寻找出规律。其最大的优势就是一改传统方式的劣势，化被动为主动，从而实时甚至提前检测出未知欺诈。UML引擎无需标签和训练数据即可提前防范、灵活应对不断演变的欺诈模式，同时还能够一次处理所有事件和用户活动，分析成千上万个账户之间的关联和相似性，并发现在这些欺诈用户中存在的微妙、潜在的模式，其准确度也较人工审查及有监督机器学习模型有了很大提升。

正是基于这样的特质，无监督反欺诈优势包括：

• 提前检测新型攻击。传统以行业经验进行规则创建和模型训练的反欺诈解决方案，通常无法发现新型攻击。无监督机器学习能够挖掘账号之间的隐秘关联，即时检测未被发现或未在训练数据中标记的新型攻击。
• 检测团伙欺诈攻击。现代欺诈通常为团伙欺诈，通过模仿正常用户行为来逃避检测。无监督的欺诈解决方案只能全局查看所有账户的信息和活动，因能够有效区分潜伏账号与合法账号的不同。
• 即刻生效且自动调优。区别于传统规则和有监督机器学习的解决方案，需要大量人力测试、验证、且容易衰减的特点。无监督机器学习不以过往经验，而是挖掘现有行为的关联，保持模型时刻有效。
• 无需标签输入。区别有监督机器学习引擎需要大量标签和训练数据。无监督机器学习能自动挖掘用户之间的可疑关联和相似属性，部署后即刻生效。
• 适配多业务场景。与单个场景的单点解决方案相比。通过对线上业务中用户属性和行为相关性的分析，发现其中难以察觉的团伙欺诈。能够有效应对多行业、多场景的线上欺诈问题。
• 输出群组结果。与黑白名单、规则引擎等单一检测手段不同。通过线上欺诈团伙的分析和捕捉，有效应对不断进化的欺诈行为，有效输出群组结果，实现多样化风控策略。

“基础设施的不断完善、对新技术的认知和对新技术的需求，当这些要素聚合到一起，DataVisor维择科技的价值也就凸显出来了。我们专注研发，致力于构建互联网安全环境和推动数字经济发展，保护企业和用户的经济利益和数据安全。”谢映莲最后说。