熱點聚焦本報記者 李曉紅
“伴隨著越來越複雜和越來越具有規模化、隱蔽性的欺詐手段, 採用傳統的反欺詐方案已經不能適應新形勢的發展。 ”DataVisor中國區總經理兼技術總監吳中在Dat? aVisor一周年媒體見面會上表示, 只有採取更智慧的技術才能有效檢測“壞用戶”, 提高覆蓋面, 進而保護客戶的數位資產, 促進客戶的業務良性發展。
無監督學習演算法是趨勢
當前, 反欺詐領域的技術已經進入第三代。 傳統的第一代依據規則系統判定, 是人工制定規則;第二代在第一代規則的基礎上, 引入更多信號源, 如黑白名單、設備指紋等;當前進入第三代,
據瞭解, 國際上大多採用監督學習演算法事先對大量資料進行歸類和掃描, 也是一種“打標籤”的方式。 但由於欺詐行為並非一成不變, 而是動態演變的, 監督學習演算法則力不從心。 而無監督學習演算法也是建立在對大量資料的學習和訓練中, 但學習的不是資料來源, 而是針對資料的行為動態作出規則判斷。
因此, 從全球範圍來說, 無監督學習演算法是人工智慧相對聚焦的技術領域, 應用範圍也聚焦,
當然, 在實際應用中, 兩者不是割裂的, 而是相融合的。 很多解決方案中, 這兩者的演算法均有, 都是建立在大資料平臺之上。 不過相比較當前網路欺詐的趨勢而言, 無監督學習演算法更符合這樣的場景。
利用人工智慧大資料反欺詐
據吳中介紹, 作為矽谷的技術型創新企業, DataVisor以人工智慧領域獨創的無監督學習演算法為核心, 可保護客戶免受各種攻擊, 包括大量虛假帳戶註冊、帳號盜取、欺詐交易、身份盜用、洗錢交易、假冒評估、垃圾郵件、虛假安裝推廣等,
實際上, 當前, 聚焦於人工智慧領域, 應用無監督學習演算法技術的公司不多, 原因在於, 第一, 該演算法有一定的技術壁壘, 需要深入瞭解人工智慧前沿的理論知識和基礎演算法。 第二, 需要結合一定的場景, 開發出跨行業的產品和解決方案, 需要瞭解企業的真實需求。 第三, 需要保持技術敏感性, 與業內的大資料、安全、開源等平臺、技術相結合, 瞭解企業的平臺特性、用戶的使用習慣等。
對此, 吳中表示, DataVisor是獨特的一站式風險資料分析平臺, 以無監督機器學習引擎為核心, 同時結合其他檢測分析技術,
業內認為, 解決網路欺詐難題, 必須聚焦於人工智慧, 深入瞭解人工智慧前沿的理論知識與基礎演算法, 開發出跨行業的產品和解決方案。 伴隨著DataVisor深入應用國際領先的無監督學習演算法, 勢必會提高中國全行業線上的反欺詐水準。