7月12-15日，Strata Data Conference在北京国际饭店会议中心隆重召开。作为业内最负盛名的会议之一，该活动于2012年首办，是Strata和Hadoop World两大成功大数据会议的技术会议。本次会议中，DataVisor技术总监兼中国区总经理吴中受邀参加会议并作主题演讲。
本届会议的重要议题有AI应用、数据科学和高级分析、Hadoop使用案例等，包括Hadoop之父、Cloudera首席架构师以及滴滴研究院副院长叶杰平等数十位国内外重量级嘉宾出席并发表演讲，内容丰富程度业内少有。在本次大会上，吴中代表DataVisor发表了名为“欺诈的潜伏性—如何利用大数据进行反欺诈检测”的主题演讲。
在演讲中，吴中认为，互联网和移动互联网的飞速发展在丰富我们生活、工作的同时，也带来了很多挑战，账号被盗、虚假用户注册、虚假内容发布、虚假点击、欺诈交易等现象不仅影响用户体验，也给服务提供方造成了极大的负面影响。
如何预防是摆在服务提供方面前的难题。想对症下药，首先要找到症结所在，这也是DataVisor成立的初衷，希望用最先进的人工智能技术，结合大数据应用，最大程度保护用户的数字资产，让“未知的数据变为已知”。
吴中表示，如今的互联网欺诈，早已不是单兵作战，而是团体作案。欺诈者先是注册大量的用户账号，然后养号、潜伏，这个期间它们都会模仿正常的用户行为，如登陆、内容发布、交易等，伺机在某一时间进行大规模的攻击，而且在攻击前还会进行小规模的测试。规模化、多样性和协同性是如今互联网欺诈呈现出的特征。
如何解决？俗话说知己知彼百战不殆，找出它们的前提是了解它们。
根据DataVisor基于过去两年对近1400万用户账号的监测数据分析，28%的用户至今仍处于潜伏状态；在发起攻击的账户中，44%潜伏期超过7天，37%潜伏期超过90天。潜伏期的长短与服务类型、攻击类型对密切相关，比如用于社交欺诈攻击的账户通常比金融欺诈账户的潜伏时间更久；0-1天潜伏期，一般进行的是大量垃圾信息的攻击；数月潜伏期，一般都是虚假内容发布；数年潜伏期，大量用来进行钓鱼攻击。
吴中认为，在新的形势下，传统欺诈监测方案正在失效。一是由于处于养号阶段的潜伏期账号尚未发起任何恶意攻击，没有可供机器学习、分析的样本，意味着方案发挥不了作用；二来，欺诈者本身越来越难对付，它们会利用各种技术手段隐藏其行迹，比如潜伏期互加好友、互相回复评论，还会利用不同的IP地址，让平台检测不到它的异常行为。
怎么解决？DataVisor的办法是超越用户级别的检测。
吴中具体解释说，DataVisor一站式风险数据分析平台，区别于传统的事件级别检测或用户级别检测，以无监督机器学习引擎为核心技术亮点，结合其它检测分析技术，如有监督机器学习、自动规则引擎和全球智能信誉库。DataVisor支持Spark、Hadoop、HBase、ES等多种大数据处理框架，拥有超高的计算效率，可同时处理数十亿事件数据分析工作，对所有用户进行全局分析，识别用户之间隐藏的关联，并对异常用户账号进行早期预警。
与会者对吴中发表的观点赞同，认为在当前的互联网环境下，需要一套更为智能的监测技术，帮助用户甄别数据的真实度，提高数据的利用度，从而帮助用户提高运营效率。
截至当前，DataVisor的用户事件分析总量已超过6千亿，全球保护用户数量超过20亿，检测坏用户数量超过1亿3千万。DataVisor服务包括陌陌、阿里巴巴、猎豹移动、IGG、Pinterest、Yelp等众多全球知名大型互联网企业，并收获良好的口碑。
关于DataVisor
DataVisor是硅谷大数据明星企业，其基于Spark大数据平台独创的无监督欺诈检测算法每小时可分析数十亿用户事件，对新型的、变化多端的欺诈行为进行提前预警，并提早自动发现未知的恶意欺诈行为，为网络欺诈和金融犯罪提供检测服务。DataVisor一站式用户分析平台为个体欺诈和分布式的群体欺诈提供最先进的反欺诈技术解决方案，例如解决盗号、虚假账户注册、洗钱、虚假内容发布、欺诈交易等问题。
DataVisor联合创始人Yinglian Xie和Fang Yu于2013年发现了一种全新的、无需人工参与便可自动识别线上攻击的检测技术，并由此创办了DataVisor。截止到目前，DataVisor全球累计处理超过6千亿的用户事件，检测超过1亿3千万的坏用户，保护超过20亿来自全球大型互联网公司的用户，客户包括阿里巴巴、猎豹移动、陌陌、豆瓣等。更多信息，请访问我们的官网www.datavisor.cn
免责声明：此文内容为第三方自媒体作者发布的观察或评论性文章，所有文字和图片版权归作者所有，且仅代表作者个人观点，与极客网无关。文章仅供读者参考，并请自行核实相关内容。投诉邮箱：editor@fromgeek.com。
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
