跳转至

典型(反欺诈)业务场景风险分析

1. 垃圾注册风险识别

2. 批量登入风险识别

3. “薅羊毛”风险识别

作业路径分析

注册——登录——领券——交易——支付

整体分析思路:上面是一个薅羊毛行为的作业路径,其中的每一个部分也是一个相对独立的业务场景,每个业务场景下都有不同的数据维度,综合这些数据维度可以配置出黑产特征的识别规则。

方案设计

  • 使用工具:决策引擎、设备指纹、智能验证码、手机号/IP 画像、地址反欺诈服务、半监督模型
  • 对接场景:注册场景、登录场景、领券场景、交易场景
  • 数据维度:除常规场景能够获取的数据外,在交易场景传入账户注册时间及IP,以挖掘潜伏时间较长的垃圾小号薅羊毛
  • 策略结果使用:我们设计了两套策略,分别对应日常和大促期间。
    • 在日常运营中,对注册场景及登录场景结合使用策略结果和智能验证码,领券场景识别高风险则不发券,交易场景综合前序各场景数据进行分析,并且增加地址反欺诈、半监督模型标签,综合识别高风险则取消该笔订单
    • 大促期间,额外对交易场景识别中风险的交易订单,使用大额优惠券订单增加人工审单环节。同时沉淀审单环节中发现的漏杀、误杀样本以进行策略优化。

4. 裂变拉新作弊风险识别

5. 恶意退单风险识别