761
機器人
DataVisor亮相雲棲大會，人工智能反欺詐技術引熱議
10月11日-14日，由阿裏巴巴集團舉辦的2017雲棲大會在浙江杭州召開。作為業界知名的技術大會之一，每年的雲棲大會都會吸引無數目光的關注，本屆也不例外。據統計，現場參與雲棲大會的觀眾超過4萬人次，通過線上參與大會的更是不計其數。DataVisor作為領先的人工智能科技創新公司也受邀參展，並進行了“雲時代基於人工智能大數據的欺詐檢測”主題分享。
David Ting，DataVisor技術副總裁
DataVisor技術副總裁David Ting在演講中表示，隨著時間的推移，欺詐檢測變得越發重要。其中原因有三：一是由欺詐引發的損失在不斷增加。全球每秒鍾有12位線上用戶成為網絡犯罪的受害者，每天有超過100萬用戶受到侵害。統計數據顯示，2015年全球範圍內由欺詐造成的損失約3萬億美元，而預計到2021年，這一數字將翻一倍達到6萬億美元。
二是現有的檢測技術不完善。全球500強中有75％會受到網絡犯罪的侵害，但它們從被侵害到檢測出受到侵害所需要的平均時間為146天，這其中可能存在的潛在威脅可想而知。
三是受攻擊的範圍在增加。物聯網正在普及，2017年全球聯網設備數量在87億左右，到2020年，這一數字將增加至210億，這意味著可能受到的攻擊大大增加。預測顯示，到2020年，企業受到攻擊中的25%可能是針對物聯網的。
除此之外，每天我們都麵臨著新的挑戰，來自線上的，比如EMV芯片（銀行卡芯片）的普及、大規模數據泄漏帶來的風險、不斷增長的線上和移動交易量；更多的欺詐手段，如雲托管的基礎設施、代理服務器和VPN、模擬器、移動設備刷機、人工智能等。
David Ting強調，如今的攻擊是多樣化的、協同的，這使得傳統檢測技術變得越來越難以應對，而這就是DataVisor賦予自己的使命。DataVisor公司成立於2013年，創始團隊成員來自微軟研究院，公司核心技術是獨創的無監督機器學習算法。
在演講中，David Ting就當前應用比較廣泛的四種檢測技術進行了比較。
一、信譽庫和設備指紋與數據庫中的特征比對，匹配就通過，反之則不通過。其局限性在於覆蓋率和準確度有限，可以通過模擬機逃避檢測。
二、規則引擎基於數據庫知識獨自管理運行規則，同樣可以使用加權打分評分機製。其局限性在於需要對欺詐行為有深入了解，需要人工手動持續調節規則，不能有效應對變化的欺詐手段。
三、有監督機器學習需要大量有標簽數據訓練檢測模型，可用於檢測同樣行為的攻擊，但無法檢測未知欺詐行為。
四、無監督機器學習和有監督機器學習最大的不同在於能夠進行自學習，自動生成標簽，用於機器訓練檢測模型；自動產生規則，節省大量人工規則調試成本；自動挖掘和檢測各種已知、未知的欺詐行為。
（David Ting分享－關於欺詐技術檢測比較）
從一到四，技術越來越智能化、自動化，有效性越來越高。David Ting進一步解釋說，DataVisor無監督機器學習是一套自動化的、係統化的方法，支持結構化和非結構化數據的分析處理，能夠發現未知用戶間可疑的關聯，對欺詐行為進行提早預警。
根據David Ting現場公布的一組DataVisor無監督機器學習算法和K-Means聚類算法的檢測效果對比數據顯示，得益於可擴展計算的普及，240萬條數據的檢測時間由5小時縮減為6分鍾，更好算法的應用使得檢測錯誤率由41%降低至4%。
憑借突出的表現，DataVisor正獲得越來越多用戶的認可。截止當前，DataVisor保護著全球超過20億賬戶、分析處理超過6000億用戶事件、檢測出1億7千萬壞賬戶，服務客戶包括阿裏巴巴、大眾點評、獵豹移動、Yelp、Pinterest等。
關於我們
DataVisor是提供在線欺詐和金融犯罪檢測服務的領先者，成立的初衷是希望利用最先進的人工智能技術結合無監督學習算法以及大數據應用，最大程度保護用戶的數字資產。
最後更新：2017-10-12 18:49:06