Blog – 技术博客2018-05-21T10:43:17+00:00

技术博客

技术动态

无监督机器学习反欺诈为什么是主流 | 四种常见反欺诈方法解析

在这个世界上有阳光的地方就会有阴影。互联网在带给我们便利的同时,也滋生了许多黑色产业。企业在现在愈发重视反欺诈,从最开始的人工检测,到后来的黑白名单、规则引擎、有监督学习算法,再到现如今的无监督学习,演化至今,欺诈与反欺诈手法可谓变化多端,此消彼长。知名技术咨询机构Gartner就曾预言,在2021年会有50%的企业会运用无监督机器学习。那么无监督机器学习为什么会是业界主流呢?这篇文章将会着重从业务知识场景带你了解无监督的优势之处。

了解更多 »
技术动态

风控场景的中地址信息的处理和使用-上 | DataVisor技术讲解

随着互联网和O2O的快速发展和广泛普及,地址信息成为一个必要的采集字段。想想现在外卖需要地址、网购需要地址、申请信用卡需要公司和家庭地址,地址信息是这些服务要实现的必要因素。但其实地址除了在企业服务中发挥必要作用以外,其实也用于企业的风控管理。但目前风控领域对地址的使用大都比较浅显,甚至有的信贷公司和银行仅在催收时才会使用地址信息,就像是鸡肋,食之无味,弃之可惜。但实际上,地址所包含的信息十分有价值,甚至能从地址中捕获出欺诈的现象。

了解更多 »
技术动态

纯干货分享 | 标签对无监督算法有什么作用?

DataVisor是业内首个将无监督机器学习(unsupervised machine learning)应用于反欺诈检测的。其中相较于传统检测方法,无监督机器学习有一项显著的优势就是无需标签。但是不是说,无监督就一定不需要标签?用了标签就一定是有监督呢?事实并非如此,这要看如何使用标签了。

在传统反欺诈检测中会有这样的问题:因为缺乏足够的先验知识,难以人工标注类别或进行人工类别标注的成本太高。很自然地,我们希望计算机能代我们完成这些工作以减轻人力和财务成本。

了解更多 »

如何用无监督机器学习增强现有检测结果?