123,123,123

內(nèi)容簡(jiǎn)介

　　風(fēng)控是互聯(lián)網(wǎng)平臺(tái)業(yè)務(wù)的重要環(huán)節(jié)。隨著業(yè)務(wù)的迅速發(fā)展，黑灰產(chǎn)問(wèn)題逐漸突出，大數(shù)據(jù)和人工智能技術(shù)的普及為智能風(fēng)控提供了強(qiáng)力支撐。本書(shū)以作者實(shí)踐經(jīng)驗(yàn)和總結(jié)為基礎(chǔ)，介紹搭建智能風(fēng)控系統(tǒng)對(duì)抗黑灰產(chǎn)的方法。全書(shū)共10章，按如下思路組織內(nèi)容：（1）認(rèn)識(shí)問(wèn)題：第1章介紹常見(jiàn)的黑產(chǎn)類型，解密黑產(chǎn)運(yùn)轉(zhuǎn)的內(nèi)幕，帶讀者認(rèn)識(shí)建立風(fēng)控體系的必要性。（2）分析問(wèn)題：第2章分析風(fēng)險(xiǎn)范圍和種類，提出智能風(fēng)控的系統(tǒng)框架和需要的各項(xiàng)能力，從整體上介紹智能風(fēng)控系統(tǒng)，避免一開(kāi)始就陷入技術(shù)細(xì)節(jié)。（3）解決問(wèn)題：包括第3~8章，介紹搭建智能風(fēng)控系統(tǒng)需要的軟硬能力，包括理解業(yè)務(wù)和避免過(guò)度黑盒的實(shí)用方法、數(shù)據(jù)建設(shè)、常用技術(shù)手段（監(jiān)督學(xué)習(xí)、遷移學(xué)習(xí)、GNN等）、量化評(píng)估和可視化效果呈現(xiàn)。（4）總結(jié)與展望：包括第9章和第10章，總結(jié)搭建智能風(fēng)控系統(tǒng)的注意事項(xiàng)，簡(jiǎn)單展望智能風(fēng)控技術(shù)的發(fā)展趨勢(shì)和前景。本書(shū)內(nèi)容源自作者的工作實(shí)踐和經(jīng)驗(yàn)總結(jié)，適合風(fēng)控從業(yè)人員（技術(shù)管理者、分析師、算法工程師、產(chǎn)品經(jīng)理）以及其他對(duì)互聯(lián)網(wǎng)風(fēng)控感興趣的人員閱讀。

作者簡(jiǎn)介

　　王永會(huì)，2012年畢業(yè)于北航，先后任職于騰訊、百度，長(zhǎng)期從事風(fēng)控工作，依托大數(shù)據(jù)和機(jī)器學(xué)習(xí)技術(shù)建立了以健康度模型為中心的智能風(fēng)控體系，在黑灰產(chǎn)打擊方面積累了豐富經(jīng)驗(yàn)。

圖書(shū)目錄

目? 錄
第1章
解密黑產(chǎn)
1.1 認(rèn)識(shí)黑產(chǎn) / 2
1.1.1 黑產(chǎn)的危害 / 2
1.1.2 黑產(chǎn)的產(chǎn)生 / 4
1.1.3 黑產(chǎn)的類型 / 5
1.1.4 黑色產(chǎn)業(yè)鏈 / 6
1.1.5 黑產(chǎn)的焦點(diǎn) / 9
1.2 黑產(chǎn)運(yùn)作 / 10
1.2.1 外賣(mài)領(lǐng)域的黑產(chǎn)運(yùn)作 / 11
1.2.2 出行領(lǐng)域的黑產(chǎn)運(yùn)作 / 13
1.2.3 金融領(lǐng)域的黑產(chǎn)運(yùn)作 / 14
1.2.4 黑產(chǎn)的特點(diǎn) / 15
1.3 黑產(chǎn)技術(shù)演變 / 16
1.3.1 風(fēng)險(xiǎn)控制的發(fā)展階段 / 16
1.3.2 黑產(chǎn)的發(fā)展階段 / 17
第2章
風(fēng)控解決方案
2.1 風(fēng)險(xiǎn)的范圍和種類 / 20
2.1.1 風(fēng)險(xiǎn)的范圍 / 20
2.1.2 風(fēng)險(xiǎn)的種類 / 20
2.2 風(fēng)控的團(tuán)隊(duì)配備 / 21
2.3 智能風(fēng)控的技術(shù)思路 / 23
2.3.1 智能風(fēng)控的定義 / 23
2.3.2 設(shè)備指紋 / 23
2.3.3 規(guī)則引擎 / 25
2.3.4 監(jiān)督學(xué)習(xí)模型 / 28
2.3.5 無(wú)監(jiān)督學(xué)習(xí)模型 / 30
2.3.6 知識(shí)圖譜 / 36
2.3.7 深度學(xué)習(xí) / 37
2.3.8 聯(lián)防聯(lián)控 / 39
2.3.9 系統(tǒng)化解決方案 / 41
2.4 風(fēng)控系統(tǒng)框架實(shí)例 / 44
2.4.1 外賣(mài)風(fēng)控系統(tǒng)框架 / 44
2.4.2 電商風(fēng)控系統(tǒng)框架 / 45
2.4.3 金融風(fēng)控系統(tǒng)框架 / 47
2.4.4 視頻風(fēng)控系統(tǒng)框架 / 49
2.4.5 小結(jié) / 50
2.5 智能風(fēng)控系統(tǒng)的構(gòu)建要點(diǎn) / 50

第3章
核心：理解業(yè)務(wù)、服務(wù)于產(chǎn)品
3.1 風(fēng)控、業(yè)務(wù)和產(chǎn)品 / 54
3.1.1 風(fēng)控工作的生存困境 / 54
3.1.2 如何理解業(yè)務(wù) / 55
3.1.3 業(yè)務(wù)理解的認(rèn)知表現(xiàn) / 56
3.1.4 業(yè)務(wù)理解的行動(dòng)表現(xiàn) / 58
3.1.5 數(shù)據(jù)和模型論 / 60
3.1.6 理解業(yè)務(wù)的風(fēng)控實(shí)例 / 61
3.2 風(fēng)控需要被理解 / 62
3.2.1 模型可解釋性 / 63
3.2.2 全局解釋 / 64
3.2.3 模型相關(guān)的解釋方法 / 72
3.2.4 模型無(wú)關(guān)的解釋方法 / 75
3.3 引導(dǎo)型風(fēng)控 / 87
第4章
關(guān)鍵：數(shù)據(jù)的重要性
4.1 數(shù)據(jù)的價(jià)值 / 91
4.2 大數(shù)據(jù)風(fēng)控誤區(qū) / 92
4.2.1 大數(shù)據(jù)風(fēng)控污名化 / 92
4.2.2 被忽視的數(shù)據(jù)質(zhì)量問(wèn)題 / 93
4.2.3 大數(shù)據(jù)并不“大” / 93
4.3 數(shù)據(jù)的搜集 / 94
4.3.1 數(shù)據(jù)源 / 94
4.3.2 埋點(diǎn)采集 / 95
4.4 風(fēng)控?cái)?shù)倉(cāng) / 97
4.4.1 風(fēng)控?cái)?shù)據(jù)流程 / 97
4.4.2 大寬表與數(shù)據(jù)指標(biāo) / 100
4.5 特征工程 / 102
4.5.1 特征構(gòu)造 / 102
4.5.2 特征加工處理 / 103
4.5.3 特征選擇和降維 / 107
4.6 案例 / 114
4.6.1 一個(gè)簡(jiǎn)單的例子 / 114
4.6.2 Kaggle 比賽的例子 / 117
4.7 風(fēng)控的數(shù)據(jù)輸出 / 118
4.8 數(shù)據(jù)可視化分析 / 120
第5章
手段：規(guī)則、模型和監(jiān)控
5.1 設(shè)備指紋 / 124
5.1.1 Hook 機(jī)制 / 125
5.1.2 反 Hook / 128
5.1.3 設(shè)備指紋技術(shù) / 131
5.1.4 模擬器 / 135
5.1.5 群控 / 云控系統(tǒng) / 138
5.2 規(guī)則引擎 / 141
5.2.1 規(guī)則引擎的總體架構(gòu) / 141
5.2.2 規(guī)則引擎的核心技術(shù) / 143
5.3 風(fēng)控模型方法 / 146
5.3.1 評(píng)分卡 / 146
5.3.2 監(jiān)督學(xué)習(xí)模型 / 155
5.3.3 樣本不均衡處理策略 / 158
5.3.4 PU Learning / 173
5.3.5 主動(dòng)學(xué)習(xí)和遷移學(xué)習(xí) / 175
5.3.6 社區(qū)發(fā)現(xiàn) / 178
5.3.7 異構(gòu)網(wǎng)絡(luò)的密集子圖挖掘 / 190
5.3.8 圖神經(jīng)網(wǎng)絡(luò)（GNN） / 200
5.3.9 知識(shí)圖譜 / 210
5.3.10 其他算法模型 / 218
5.4 監(jiān)控 / 220
5.4.1 大盤(pán)指標(biāo)監(jiān)控 / 221
5.4.2 規(guī)則監(jiān)控 / 222
5.4.3 模型穩(wěn)定性監(jiān)控 / 224
5.4.4 變量級(jí)監(jiān)控 / 228
5.4.5 情報(bào)和輿情監(jiān)控 / 230
第6章
場(chǎng)景：反制手段的應(yīng)用
6.1 系統(tǒng)性防御 / 233
6.2 刷銷量、好評(píng)、排名、榜單 / 234
6.2.1 背景 / 235
6.2.2 技術(shù)手段 / 237
6.2.3 案例 / 240
6.3 刷紅包、優(yōu)惠券 / 243
6.3.1 背景 / 243
6.3.2 技術(shù)手段 / 245
6.3.3 案例 / 245
6.4 刷團(tuán)伙、群控、BC 聯(lián)合套現(xiàn) / 255
6.4.1 背景 / 256
6.4.2 技術(shù)手段 / 257
6.4.3 案例 / 259
6.5 虛假商戶、虛假申請(qǐng)、虛假賬號(hào)、
多角色聯(lián)合的虛假孤島 / 274
6.5.1 背景 / 275
6.5.2 技術(shù)手段 / 275
6.5.3 案例 / 276
6.6 刷廣告、渠道推廣 / 282
6.6.1 背景 / 284
6.6.2 技術(shù)手段 / 286
6.6.3 案例 / 291
6.7 舞弊刷業(yè)績(jī)—銷售 / 296
6.7.1 背景 / 296
6.7.2 技術(shù)手段 / 298
6.7.3 案例 / 299
6.8 內(nèi)容風(fēng)險(xiǎn) / 311
6.8.1 背景 / 312
6.8.2 技術(shù)手段 / 312
6.8.3 案例 / 313
6.9 物流作弊 / 320
6.9.1 背景 / 320
6.9.2 技術(shù)手段 / 321
6.9.3 案例 / 322
6.10 分角色治理 / 323
第7章
評(píng)估：損失與收益的平衡
7.1 評(píng)估的意義和困難 / 327
7.2 評(píng)估指標(biāo) / 328
7.2.1 有明確樣本集的評(píng)估 / 328
7.2.2 無(wú)明確樣本集的評(píng)估 / 332
7.3 樣本來(lái)源 / 335
7.4 A/B 測(cè)試 / 336
7.4.1 A/B 測(cè)試原理 / 336
7.4.2 風(fēng)控中的 A/B 測(cè)試 / 337
7.5 損失與收益評(píng)估 / 338
7.5.1 業(yè)務(wù)損失和收益評(píng)估 / 338
7.5.2 風(fēng)控視角的損失和收益評(píng)估 / 339
7.5.3 實(shí)施方法 / 339
第8章
管理平臺(tái)：直觀的可視化工具和管控工具
8.1 管理平臺(tái)的重要性 / 342
8.2 可視化看板 / 343
8.3 可解釋性與可視化 / 347
8.4 查詢分析平臺(tái) / 354
8.5 監(jiān)控和引擎配置平臺(tái) / 356
8.6 其他工具 / 357
8.7 小結(jié) / 358
第9章
風(fēng)控的挑戰(zhàn)與智能風(fēng)控系統(tǒng)的搭建原則
9.1 風(fēng)控的痛點(diǎn)與挑戰(zhàn) / 360
9.2 搭建智能風(fēng)控系統(tǒng)的原則 / 362
9.3 搭建智能風(fēng)控系統(tǒng)的注意事項(xiàng) / 364
第 10 章
風(fēng)控的未來(lái)技術(shù)
10.1 未來(lái)的技術(shù)趨勢(shì) / 370
10.2 智能風(fēng)控公司的機(jī)遇 / 373