人工智能三步阻擊“羊毛黨”

　　互聯(lián)網(wǎng)金融時代初期，平臺多用黑名單阻擊羊毛黨，有些平臺擁有自己的黑名單數(shù)據(jù)庫，不斷積累“薅羊毛”過程中出現(xiàn)過的號碼，并加入黑名單，當(dāng)這些號碼出現(xiàn)，就自動攔截。但由于黑名單池中不斷有號碼被淘汰，新的號碼流入，因此也無法一勞永逸。記者從幾家征信和大數(shù)據(jù)公司了解到，目前阻擊羊毛黨的技術(shù)手段已經(jīng)突破了黑名單階段，而是可以采用設(shè)備指紋識別技術(shù)加人工智能的機器學(xué)習(xí)，從設(shè)備源上阻擊羊毛黨。“用專業(yè)機器設(shè)備薅羊毛的羊毛黨目前在我們這兒數(shù)量不多，抓取難度也不大?！苯椟c錢CEO張建梁告訴第一財經(jīng)記者，即使對于不斷轉(zhuǎn)型升級的羊毛黨們，他也很有自信。

　　猛犸反欺詐研究團隊在反欺詐實踐中發(fā)現(xiàn)，從網(wǎng)絡(luò)及設(shè)備終端、用戶行為信息、業(yè)務(wù)事件頻次，欺詐網(wǎng)絡(luò)圖譜這四大維度提取特征，并在此基礎(chǔ)上對有組織的薅羊毛行為層層篩查，對風(fēng)險加以甄別，就能讓羊毛黨無所遁形。而本質(zhì)上，這一過程就是利用了人工智能最重要的技術(shù)之一——機器學(xué)習(xí)。張克向記者詳細(xì)解釋了三個步驟：首先，通過設(shè)備指紋技術(shù)識別羊毛黨的終端設(shè)備，因為即使養(yǎng)卡上萬，但操作這些卡的手機或者電腦可能是同一臺，由此便可識別出所有這臺設(shè)備發(fā)出的申請存在欺詐嫌疑。

　　第二步是將第一步中采集到的多維度數(shù)據(jù)進行“特征工程”，也就是對原始數(shù)據(jù)包括設(shè)備本身數(shù)據(jù)(手機價格、是否越獄等)、用戶本身數(shù)據(jù)(姓名、郵箱地址等)以及交易數(shù)據(jù)(金額、物品種類等)進行加工，轉(zhuǎn)換成精確的、可量化的特征數(shù)據(jù)。

　　第三步則是要運用人工智能的機器學(xué)習(xí)技術(shù)，將所有特征數(shù)據(jù)放入機器學(xué)習(xí)的模型中進行分析評估，常用的模型有深度神經(jīng)網(wǎng)絡(luò)、隨機森林，在異常檢測方面通常還會用到深度生成式模型。

　　由于每個設(shè)備都有其專屬的特征，即使在一鍵新機、觸摸精靈等軟件的掩蓋下，還是可以利用設(shè)備指紋技術(shù)很快識別出來。因此，即使擁有上萬個手機號，只要是從一臺終端設(shè)備進行操作，就能精確識別。設(shè)備指紋技術(shù)可以在終端發(fā)起欺詐行為的時候，就判斷是否為異常的、惡意的設(shè)備終端。比如單終端單日內(nèi)申請較多，或者多設(shè)備的關(guān)聯(lián)識別為同一用戶行為。記者從同盾科技處了解到，他們幫助平臺阻擊羊毛黨運用的方法也如出一轍?？偨Y(jié)來看就是，針對批量操作的刷單式羊毛黨通過基礎(chǔ)的設(shè)備指紋技術(shù)進行識別，再結(jié)合調(diào)用行為分析包括時間、頻率等維度的數(shù)據(jù)，來分析是否是羊毛黨。針對批量操作刷單式的羊毛黨，通過從IP地址、身份證、手機號碼、郵箱等多維度檢測，幫助平臺識別借貸申請資料中的虛假信息，以過濾羊毛黨。

　　然而，設(shè)備指紋識別加上人工之智能雖然能夠阻擊設(shè)備型高級羊毛黨，但對于分散在各個羊毛社群中的“小羊毛”，似乎作用不大。今日捷財COO趙俊對記者表示，在羊毛圈中，還有一部分是聚集在互聯(lián)網(wǎng)社群中的自然人，這些社群中通常會聚集成千上萬的羊毛黨。一旦有平臺發(fā)布優(yōu)惠信息，社群中就會發(fā)出通知，羊毛黨們便會蜂擁去平臺申請，雖然他們每個人從一個平臺的收獲量不大，但對平臺來說，仍然會造成巨大損失。而對于此類羊毛黨，設(shè)備識別和人工智能的技術(shù)可能無法完全識別。要阻擊這類羊毛黨，技術(shù)上可以獲取“薅羊毛”群的qq號，并采用建黑名單的方式。

　　高級“黑產(chǎn)”肆虐

　　除了羊毛黨之外，在互聯(lián)網(wǎng)金融領(lǐng)域，還有一些盜用賬戶、騙貸等形成的“黑產(chǎn)”(即黑色產(chǎn)業(yè)，在網(wǎng)絡(luò)中泛指利用非法手段獲取利益的勾當(dāng))，以目前的技術(shù)手段尚且很難防住。張克也向記者描述了一個目前最不惜成本對抗設(shè)備檢測的欺詐手段。為了不停轉(zhuǎn)變IP地址，欺詐分子用卡車?yán)患b箱手機四處轉(zhuǎn)移，這樣的話，這些手機的IP地址就會不斷變化，便會阻礙檢測，不會像以往一樣檢測出同一居民樓中一天產(chǎn)生幾萬個新增用戶的情況。

　　此外，對于專業(yè)型盜用銀行賬戶的團伙型黑產(chǎn)來說，他們會通過社會工程以及黑客等一系列手法獲取了數(shù)以萬計的銀行賬戶，不僅如此，他們還會先潛伏在賬戶中，觀察賬戶，在價值最高的時候變現(xiàn)，這個過程中，他們會努力模擬正常人的行為。“現(xiàn)在的黑產(chǎn)在撞庫(指黑客利用互聯(lián)網(wǎng)中泄露的賬號密碼，嘗試批量登錄其他網(wǎng)站的行為)是非常有耐心的，可能會把周期拖長到好幾個月。如果用他們的肉雞(指被奪取管理權(quán)限的遠(yuǎn)程電腦)網(wǎng)絡(luò)控制幾百臺甚至上千臺不同人的機器，把任務(wù)打散并隨機分發(fā)到這些機器上，便很難判斷是否在撞庫。同時他們還會將原本一天要完成的工作分散在幾個月內(nèi)，甚至半年，非常有耐心地去做這些事情。這時候從很多維度上看，都是一個正常的登錄請求。”張克稱。

　　不過上述黑產(chǎn)手段很快就會被新的技術(shù)所剿滅，例如，生物識別技術(shù)可以通過行為模式，識別出在同一應(yīng)用內(nèi)做同一操作的人，是否是同一個人。例如，通過手機上滑屏軌跡的不同，可以判斷背后所做操作的人是否為同一個人，還可以通過文字輸入時在不同字母上所觸控的位置，來判斷是不是真人操作，還是機器控制，當(dāng)然還能同時檢測出是否為同一個人。張克稱，這類技術(shù)目前還在開發(fā)研究過程中，但很快便會投入到實際應(yīng)用之中。

　　融之家大數(shù)據(jù)研究團隊對記者表示，在互聯(lián)網(wǎng)貸款行業(yè)，現(xiàn)在最常見的騙貸手段主要有兩種：一是身份仿冒，黑客通過手機木馬、短信攔截，獲取客戶的手機信息和驗證短信內(nèi)容，從而冒用客戶身份進行貸款;二是身份偽造，如通過其他非法手段直接獲取客戶身份證，再以身份證信息去申請比如銀行卡、手機卡，偽造身份后來貸款。例如，一些中介分子還會通過同一設(shè)備偽造多個用戶身份，利用程序或者其他手段批量地申請貸款;或者用信用卡套現(xiàn)，自己辦了幾十張信用卡，利用B卡還A卡，再利用C卡還B卡，制造微型的龐氏騙局。

　　“目前來看，現(xiàn)在的反欺詐手段主要針對的是失信被執(zhí)行人(俗稱“老賴”)、羊毛黨以及一些黑產(chǎn)的集中造假行為。但是像一些行業(yè)共有的難題，比如誘導(dǎo)其他自然人用自己真實信息騙貸的行為，仍然很難識別。”張建梁告訴記者。