外卖刷单用户与商户要注意了！大数据风控来了！

大数据风控百度外卖外卖刷单

原创小北 | 2018-01-29 08:00

【数据猿导读】近年来，企业在拥抱互联网、拥抱云的过程中，普遍面临着愈演愈烈的欺诈威胁。据了解，目前中国网络欺诈损失占GDP比例多达0.63%，约4000多亿人民币。而大数据的兴起与应用，为企业反欺诈提供了一条切实可行的道路，大数据风控随之诞生。

来源：数据猿记者：小北

近年来，企业在拥抱互联网、拥抱云的过程中，普遍面临着愈演愈烈的欺诈威胁。据了解，目前中国网络欺诈损失占GDP比例多达0.63%，约4000多亿人民币。而大数据的兴起与应用，为企业反欺诈提供了一条切实可行的道路，大数据风控随之诞生。大数据风控是指通过运用大数据构建模型的方法对作弊和欺诈方进行风险控制和风险提示。大数据风控通过采集各项指标进行数据建模分析，不仅提高了效率，还使统计结果变得更加有效。

1月27日，由DataFun、数据猿主办，星河空间联合主办的《算法架构系列活动—AI在反欺诈中的应用实践》在创E+举办。本期活动将话题聚焦在用户反作弊和反欺诈上，邀请了百度外卖风控专家，以及数美联合创始人兼CTO分享了各自的探索与实践。

大数据风控_百度外卖_外卖刷单-1

百度外卖风控中心资深工程师谭星

近几年，随着外卖O2O的火热，刷单已经从模拟器、刷机、群控时代发展到云众包即团伙刷单时代，外卖刷单背后隐藏着一条地下黑色产业链。据测算，黑产从业人数超过150万人，掌握了数十亿的账号，市场规模高达千亿级别。如何对这种风险进行识别及防控？针对这个问题，百度外卖风控中心资深工程师谭星以《外卖业务中的用户风控实践》为主题进行了精彩的分享。

他指出，要识别这种风险，首先是要制定用户共现规则，利用用户共现矩阵发现关联程度较高的用户来发现刷单的用户团伙；其次，要借鉴PageRank的思想，从共现矩阵中的种子用户出发，将种子用户的作弊得分传播给网络中的其他用户，得出团伙的作弊得分。

除此之外，谭星还结合自己的工作经验与大家分享了他的感悟。他指出，目前大多数公司的风控工作还处于起步阶段，很多公司的风控部门人少或者没有专门的风控部门，风控人员要做的事情也很杂乱，工作没有明确的责任边界，同时，他们的工作也不被业务部门所理解。针对这种情况，他提出了三点建议：首先要建立完善的风控体系，其次是风控部门要避免成为业务部门的附庸，最后要平衡风控与业务的收益。

大数据风控_百度外卖_外卖刷单-2

百度外卖资深研发工程师刘梦宇

在外卖业务中，除了存在用户刷单的行为，也存在各大商户利用刷单套取平台补贴、损害平台利益的行为。针对这种风险，百度外卖的资深研发工程师刘梦宇为大家带来了以《商户风险控制的形态与策略》为主题的分享。

他指出，目前商户风控困难重重。这首先表现在商户刷单中的利益链角色多、关系复杂；其次是他们的作案设备专业化、技术化；同时线下取证难，调查周期长，异常刷单行为接近正常行为。那么该如何防范呢？刘梦宇提出了两个策略：首先是要充分理解业务风险，结合不同的业务角色，挖掘多方证据维度；其次要以大数据为基础，机器学习模型为依据的规范化的解决方案。

大数据风控_百度外卖_外卖刷单-3

数美科技联合创始人兼CTO梁堃

随着黑产技术水平与专业程度的不断提高，企业面临着越来越大的风控挑战。同时大部分企业都存在着缺乏全局的风险数据支撑、专业的反欺诈人才团队的不足等问题。这种情况下，构建一个立体的防御体系就显得尤为重要。活动上，数美科技联合创始人兼CTO梁堃为大家带来了《人工智能在反欺诈中的实践—构建立体防御体系》的主题分享。

他从布控、数据、策略三个方面为大家分享了数美科技在反欺诈方面的立体防御体系。在布控方面，他指出，要从启动到注册到登录再到业务行为四个环节布控；在数据方面，基于数美构建的核心画像数据，打通多个场景的数据，同时从多行业联防联控，共同高效对抗黑产；。在策略方面，他提出“启动为注册、登陆、营销提供特征，注册为内容提供特征，内容为注册提供特征”的多层、多维度策略体系。(文/小北）

来源：数据猿

收藏分享

声明：数据猿尊重媒体行业规范，相关内容都会注明来源与作者；转载我们原创内容时，也请务必注明“来源：数据猿”与作者名称，否则将会受到数据猿追责。