“伴随着越来越复杂和越来越具有规模化、隐蔽性的欺诈手段，采用传统的反欺诈方案已经不能适应新形势的发展。”DataVisor中国区总经理兼技术总监吴中在Dat？ aVisor一周年媒体见面会上表示，只有采取更智能的技术才能有效检测“坏用户”，提高覆盖面，进而保护客户的数字资产，促进客户的业务良性发展。
无监督学习算法是趋势
当前，反欺诈领域的技术已经进入第三代。传统的第一代依据规则系统判定，是人工制定规则；第二代在第一代规则的基础上，引入更多信号源，如黑白名单、设备指纹等；当前进入第三代，是以人工智能为核心。在第一代中，又划分为监督学习算法和无监督学习算法两个分支，两者的核心在于是否有大量的训练样本（数据）进行训练，两者的算法完全不同。
据了解，国际上大多采用监督学习算法事先对大量数据进行归类和扫描，也是一种“打标签”的方式。但由于欺诈行为并非一成不变，而是动态演变的，监督学习算法则力不从心。而无监督学习算法也是建立在对大量数据的学习和训练中，但学习的不是数据源，而是针对数据的行为动态作出规则判断。
因此，从全球范围来说，无监督学习算法是人工智能相对聚焦的技术领域，应用范围也聚焦，多用在银行、保险、证券等金融领域以及互联网领域、拥有大量线上用户的企业。基于无监督学习算法的产品和解决方案可以针对个体欺诈和分布式的群体欺诈，为这些企业提供最先进的反欺诈检测服务，确保用户的真实性。
当然，在实际应用中，两者不是割裂的，而是相融合的。很多解决方案中，这两者的算法均有，都是建立在大数据平台之上。不过相比较当前网络欺诈的趋势而言，无监督学习算法更符合这样的场景。
利用人工智能大数据反欺诈
据吴中介绍，作为硅谷的技术型创新企业，DataVisor以人工智能领域独创的无监督学习算法为核心，可保护客户免受各种攻击，包括大量虚假账户注册、账号盗取、欺诈交易、身份盗用、洗钱交易、假冒评估、垃圾邮件、虚假安装推广等，所服务的客户有美国点评网Yel p、图片社交软件Pint er est、社交网站陌陌、Bl ued等。
实际上，当前，聚焦于人工智能领域，应用无监督学习算法技术的公司不多，原因在于，第一，该算法有一定的技术壁垒，需要深入了解人工智能前沿的理论知识和基础算法。第二，需要结合一定的场景，开发出跨行业的产品和解决方案，需要了解企业的真实需求。第三，需要保持技术敏感性，与业内的大数据、安全、开源等平台、技术相结合，了解企业的平台特性、用户的使用习惯等。
对此，吴中表示，DataVisor是独特的一站式风险数据分析平台，以无监督机器学习引擎为核心，同时结合其他检测分析技术，例如有监督机器学习、自动规则引擎和全球智能信誉库等，可帮助中国线上企业迅速找到“坏用户”，从而帮助客户提高运营能力，聚焦于核心业务。
业内认为，解决网络欺诈难题，必须聚焦于人工智能，深入了解人工智能前沿的理论知识与基础算法，开发出跨行业的产品和解决方案。伴随着DataVisor深入应用国际领先的无监督学习算法，势必会提高中国全行业线上的反欺诈水平。
会员中心
