近年来，全球欺诈趋势如何演变？潜伏在流量中的欺诈行为的特点是什么？无监督AI技术如何帮助企业风管理经理提高效率？原理怎么解释？如何使用无监督技术建模？

最近，DataVisor Wei选择技术中国区技术负责人崔洪宇作为客人，分享了“51 CTO big Kaka来了”等问题。现在请维多利亚选择课代表回顾一下直播的精彩内容！(威廉莎士比亚，温斯顿)

传统产业数字化转型中面临的风控制挑战

今天，希望利用网络浪潮加速自己的发展，各大传统行业纷纷开始数字化转型。(威廉莎士比亚，温斯顿，现译)但是传统行业与网络行业本身大不相同。现有行业在切换过程中面临着很多挑战，因为网络基因不足，对网络风险的认识也需要加强。

随着互联网的快速发展，诈骗模式变得更加复杂了

随着移动网络技术的发展，单功能站点向多功能平台过渡，在线交易行为可能会受到冲突仓库、多号、羊毛、虚假粉丝、假朋友、虚拟货币、洗钱、交易欺诈、钓鱼攻击等多个方面的有组织攻击。欺诈手法多样化，甚至有多个环节联系在一起的情况，大部分欺诈行为为了模拟正常顾客的行为，潜伏了很长时间，使一般风控制系统无法检测到奇怪的行为，风控制环将面临巨大的挑战。(威廉莎士比亚、欺诈、欺诈、欺诈、欺诈)

金融行业在数字化过程中，业务范围逐渐扩大，每个环节都有可能受到黑山的攻击。申请阶段存在恶意逾期、中介代理、集体欺诈等危险。交易过程中常见的是盗窃卡盗匪粉刷、卡寄存，甚至洗钱行为。市场营销阶段的士气愈演愈烈，很多金融机构为了吸引新用户，对新用户发放了红包奖励，但很多情况下流入黑山口袋，金融机构受到了损失。黑山活动已经渗透到金融业务的全过程，对现有金融行业的风控制能力提出了更高的要求。

那么为什么传统的金融行业在切换过程中更容易受到黑山的威胁呢？

崔洪宇说：“打击黑山的过程是风源和黑山之间的游戏。”我们可以从三个茄子方面解释。

第一，在利益主导方面，黑山的欺诈行为不仅会带来巨大的经济利益，还会产生巨大的利益罕见的积极性和推动力，风控从业者的相对利益补偿远远不足。

第二，在分工合作方面，黑山已经形成了专业、分工明确的产业链，产业交流频繁，对新技术非常敏感、快速的学习重复。风控制是企业中的成本中心，受预算限制，团队规模相对较小，同事技术交流也不那么频繁。

最后，黑山只要在风控制体系中找到个别漏洞，就可以大规模复制利润，实现“新鲜，吃光天空”的单一突破。对防守方来说，风控制官需要建立全面的风控制管理体系。任何防范如果做得不好，就会出现明显的“木桶效应”，在一定时间内阻碍士气是一大挑战。

知己：暴露黑山技术和新的攻击手段。

黑山产业链

黑山分工逐渐细化，形成了完整的上下游产业链。黑山攻击的第一步是进行大规模恶意注册，然后使用军控软件进行相同的屏幕传输和放置控制、自动操作、虚拟定位、单按钮新系统串行设置、定时任务、万能西餐输入、手机组管理、万能脚本/同时，为了减少技术迭代后的成本，使用Android模拟器在PC端模拟手机、修改设备参数、打开很多模拟、虚拟

崔洪宇介绍说：“部分黑山专门向非法分子提供身份证、银杏卡、预约手机号码、银杏ushier包装4种套装等普通用户个人身份信息，价格达800 ~ 1000多元，牙齿信息卖给违法犯罪分子，进行虚假贷款等，受益匪浅。”

黑山商业用途区是猫池、清气软件、Android模拟器、军控软件、GPS模拟器、云手机等。

猫塘(和卡维护软件一起)使用组控制软件同时控制多部手机

未监督的防止傅晶优势很明显。

随着技术手段更加丰富，风源和黑山之间的游戏也变得更加激烈。面对快速重复的欺骗模式，传统防止欺诈方案的不足逐渐显现出来，无监督的机器学习提供了比较好的方向。传统的风控制手段更多的是被动预防，发生欺诈损失后才亡羊补牢，这种反应方式最快，需要几个小时。如今，新的欺诈模式层出不穷，标签数据严重不足，未监督的机器学习(UML)牙齿近年来受到了防止傅晶的新宠爱。没有监督的机器学习成为反欺诈的新爱。

传统的无监督机器学习是从无标记数据中提取隐藏信息(数据结构和模式)的算法，主要应用于数据挖掘、模式识别，具有不需要标记的优点。但是，传统的无监督机器学习在应用程序中也很难评价结果，时间复杂性高，不能很好地满足客户的要求。

DataVisor visor开发了专门处理帮派欺诈的无监督算法，并开发了多种方案，包括当前社会平台的批量注册、电子商务平台的羊毛、APP的虚假注册、金融领域的可疑交易、保险领域的虚假索赔等。

DataVisor维选择技术的无监督机器学习算法可以在高维特征空间中对用户进行群集，通过全面分析，可以在徐璐其他维上对类似用户进行群集，以检测可疑用户行为。无监督机器学习算法有三个茄子明显的优点。一是自动发掘和检测各种已知的未知欺诈行为。二是自动生成标记，用于机器训练测试模型；三是自动生成规则，免除耗时的手动规则调试。

最后是网民提问环节。

1.无监督算法如何与规则，黑白列表技术相协调？

崔弘宇：传统的规则、黑白列表、教练模型在风控过程中也能产生一定的效果，但是没有监督的算法可以从不同的角度复盖更多新的欺诈风险。在比较完善的风控制体系中，规则、黑白名单、教练、无监督都是必不可少的，各种技术可以徐璐融合。

2.一般企业的业务数据都与隐私有关。DataVisor维选择技术是否以产品或项目方式为客户提供服务？

崔弘宇：现在有两种茄子方法。金融行业等敏感行业对数据隐私的要求非常严格。在这种情况下，我们应该去客户的环境进行建模服务。以产品方式为客户服务时，我们向客户提供一系列产品，包括无监督建模平台、变量计算机平台、规则引擎等，由客户直接使用。此外，某些客户的数据可以相减，然后在云中进行分析和处理。

3.每个具体的欺诈场面都要选择适当的算法吗？

崔弘宇：理想情况下，每个具体的诈骗场面都有单独的模特是比较好的。这可以使模型集中在牙齿场景上，但不一定需要对每个场景使用不同的算法。无监督适用大量登记、垃圾信息、广告行为等很多剧本。

来宾简介：中国区技术主管崔弘宇达塔维斯or

现在是DataVisor中国技术主管，从2015年开始，DataVisor开发了使用分布式无监督机器学习算法的防傅晶测试。Pinterest、Yelp、alibar、chita移动等大型网络企业的机器注册、虚假评论、垃圾邮件、欺诈交易、虚假应用程序安装等傅晶预防建模。在模型调整、特征工程和算法开发方面具有丰富的经验。