核心技术 — 无监督反欺诈
无需训练标签和历史数据,可提前检测未知新型欺诈

DataVisor 核心的无监督反欺诈技术,区别于传统的反欺诈检测技术,在应对当下有组织且分工明确的团伙欺诈时,可多方位高维度查看多个账号之间的关联,聚类可疑群组,以此识别整个欺诈团伙。其优势在于无需标签或训练数据,可跨行业多场景识别各类欺诈攻击,解决同平台多元化业务痛点,拥有超高覆盖率和准确率,提早发现未知恶意活动,帮助企业事前预警,降低欺诈风险。

无监督反欺诈优势

提前检测新型攻击

传统以行业经验进行规则创建和模型训练的反欺诈解决方案,通常无法发现新型攻击。无监督机器学习能够挖掘账号之间的隐秘关联,即时检测未被发现或未在训练数据中标记的新型攻击。

检测团伙欺诈攻击

现代欺诈通常为团伙欺诈,通过模仿正常用户行为来逃避检测。无监督的欺诈解决方案仅通过查看高维度的账号脱敏信息和活动,因能够有效区分潜伏账号与合法账号的不同。

即刻生效且自动调优

区别于传统规则和有监督机器学习的解决方案,需要大量人力测试、验证、且容易衰减的特点。无监督机器学习不以过往经验,而是挖掘现有行为的关联,保持模型时刻有效。

无需标签输入

区别有监督机器学习引擎需要大量标签和训练数据。无监督机器学习能自动挖掘用户之间的可疑关联和相似属性,部署后即刻生效。

适配多业务场景

与单个场景的单点解决方案相比。通过对线上业务中用户属性和行为相关性的分析,发现其中难以察觉的团伙欺诈。能够有效应对多行业、多场景的线上欺诈问题。

输出群组结果

与黑白名单、规则引擎等单一检测手段不同。通过线上欺诈团伙的分析和捕捉,有效应对不断进化的欺诈行为,有效输出群组结果,实现多样化风控策略。


无监督反欺诈——技术资料下载

DataVisor无监督机器学习引擎

现有反欺诈技术在检测中通常单独分析单个事件或帐户,并且不能有效利用新型的数字信号,所以它们经常处于被动状态且难以有效检测新型欺诈攻击。 DataVisor针对这一问题创建了DataVisor的旗舰产品 – 无监督机器学习引擎。

立即下载»

如何使用AI反欺诈平台提升现有检测效果?