社交电商
通过无监督机器学习阻止欺诈和滥用
了解更多的客户实际应用案例

知名外卖平台通过 DataVisor 打击“羊毛党”
某知名外卖平台设立了新人首单优惠以增长新用户,却长期被“羊毛党”非法侵占。为此该平台损失了数百万的新用户补贴。为此该平台设立了严密的风控体系,但仍存在一定的落网之鱼。

知名在线支付平台使用DataVisor UML解决方案来阻止ATO攻击
某知名在线支付平台存在大量的ATO事件并在不断增加。 阅读本案例研究,了解DataVisor如何在平台现有的内部检测解决方案上提升50%的ATO检测覆盖率。

DataVisor帮助Momo用户预防欺诈威胁
Momo是一个基于移动位置的革命性社交应用,使得用户可以与附近的人聊天和见面。 它是中国最大的社交平台之一,拥有超过2.9亿用户,以及数十亿美元的IPO。 但却出现了组织严密的垃圾内容发送者和攻击者,他们试图在其平台上发送垃圾内容以进行非法活动。
DataVisor解决方案的主要优势

90% 提前检测

50%+ 额外覆盖率

99% 的检测精度
DataVisor检测方案
无监督机器学习引擎
运用业内最先进的无监督学习技术,同时分析数以亿计的账户和事件,无需标签或训练数据, 预测新型未知威胁。
有监督机器学习引擎
使用行业领先的有监督机器学习算法,结合客户提供的标签来增强检测,与无监督机器学习检测形成互补。
自动规则引擎
自动迭代规则,降低维护成本并使结果更易理解。
DataVisor全球信誉库
汇总并分析来自各行业数十亿用户的信息来计算最广泛的各类数字指纹和信号。
社交电商行业欺诈攻击动态

信息图:网络欺诈者使用工具汇总(英语)
DataVisor发布了一张新的信息图,其中囊括相关电子邮件地址到各类云服务等技术,了解目前欺诈者用于欺诈攻击的各类工具。借此我们将能够了解欺诈份子如何发起攻击。

利用GPS定位系统实现对你的spam攻击(英语)
社交垃圾早不是新鲜事物。 我们都收到过莫名而来的评论,垃圾好友请求,网络钓鱼链接,虚假评论和引诱点击。随着在线服务引入新功能,使得交流与共享变得比以往更容易,社交垃圾内容正迅速以新的方法和形式呈现。

如何轻松注册百万虚假用户(英语)
虚假用户注册问题目前比以往更为严峻。在众多安全技术之上,为什么该问题还是如此普遍? 最近研究显示,社交网站上高达约10%用户是虚假帐户。 其他报道更为尖锐:Instagram在2014年12月对假账户的打击暴露出了1890万(29%)的Instagram官方账户的粉丝为假粉账号。