从App推出、网页推出，从推出第一天开始贯穿整个生命周期都遍布各种各样的欺诈。比如说当App、服务推出了会出现虚假流量、虚假点击、垃圾注册，登录时会有盗号登录、账号攻击。厂商会有竞争活动，会有刷优惠、刷单等机器人出现。现在互联网服务会允许用户产生UGC内容，比如说换头像，其实这里面也会存在广告等其他垃圾信息。

 

　　反欺诈系统一定要精准，能够实时并且准确的识别出来这些欺诈行为或者欺诈用户。

 

　　有两个最主要的挑战：一是灰色产业的技术水平和专业程度都是不断提高的；二是单一的模型策略很难同时做到高召回率和低误杀率。

 

　　关于内容反欺诈和行为反欺诈，搞定这些问题的核心问题只有一个，就是图灵测试或者是人机识别。首先需要收集端上面的各种特征，包括软件特征、当前进程地址空间、OS版本、系统服务。数美采用异常点检测、设备相似性识别信息篡改设备，采用聚类分析、GBM等识别农场设备。

 

　　首先我们要形成数据体系，比如说基础数据，包括UGC样本、设备花香库、手机号、IP、每日新增等等。还有关系图谱，就是数据之间的关联。

 

　　其次要有策略体系。每个基础引擎从一个特定方面识别这个方面的风险是怎么样的，比如说广告模型就看广告风险，IP风险引擎就看IP风险等等。必须有个实时的手段能够实时的跟对手做对抗，这就是规则引擎非常重要的一点。

 

　　更多报道，敬请关注CIO时代APP，更有现场直播等着您！下载CIO时代APP，请戳http://a.app.qq.com/o/simple.jsp?pkgname=com.ciotimes.app