Spam & Fake Reviews – 垃圾内容与虚假评论 2018-05-24T14:53:36+00:00

垃圾内容与虚假评论

Spam(垃圾邮件&垃圾信息)与虚假评论已经成为社交电商普遍面临的严峻挑战。诈骗者能够利用各类先进技术轻松逃过基于规则引擎或者有监督机器学习方案的检测。DataVisor的无监督机器学习引擎则可分析各帐户之间的隐藏关联,抵御复杂的欺诈攻击。并且无需任何训练数据或标签,就能够检测不断变换的新型攻击手段,从而在欺诈发生之前将其阻止。

欺诈者如何逃避检测

Spam and fake reviews red v0

内容爬取

欺诈者大量爬取其他平台的用户内容,以伪装真实用户活动,从而规避规则引擎、有监督机器学习、以及人工审查的欺诈检测。
robot red v0

人工水军

欺诈分子利用低廉的人工水军操作来逃避系统验证码检测,并创建看似来自真实用户的垃圾内容与评论。
Egg Crack - Red v0

帐户潜伏

欺诈者会创建虚假账号,并在数月内通过模拟真实用户行为进行潜伏活动,从而逃过基于注册时间以及活动特征的检测规则。
Location options red v0

IP变更

欺诈者利用设备代理、VPN、以及云服务器等手段逃避基于IP的黑名单与系统规则的解决方案。

为什么无监督机器学习技术能够阻止复杂的欺诈攻击

DataVisor独有的无监督机器学习引擎,能够阻止复杂且不断演变的攻击活动。这是因为它能一次性分析所有账号与用户事件,进而发现其中隐藏的关联。这种方法使得DataVisor能够在没有训练数据或者标签时就检测出Spam或虚假评论,甚至在单一账号看似正常时,也能将其检测出。
Magnifying Glass - Blue - V0

检测未知攻击

能快速检测不断变换的新型攻击,且无需训练数据或标签。
Target - Blue - v0

高准确率与覆盖率

分析各帐户之间的隐藏关联,检测出更多攻击活动并降低误报率。
Alert - Blue - v0

早期检测

能在账户注册阶段进行有效检测,以防止其后续的Spam或虚假评论。

了解DataVisor如何打击虚假评论与Spam

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。

 
 

Spam与虚假评论动态

Goat with Sunglasses
威胁趋势

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。

阅读博文 »
Hidden Enemy Threatening Your Online User Growth
威胁趋势

平台上威胁用户增长的隐藏敌人|虚假评论、欺诈、与交易(英语)

今天,我们进入了一个数十亿在线用户及数万亿个在线账号的新时代。这样的时代背景正成为越来越多欺诈攻击活动的温床,其中就包括针对各类规模平台的spam和虚假评论攻击。在移动应用与在线服务种类和数量不断增长的同时,欺诈活动的复杂程度也在不断提升。每一项在线服务推出的“新功能”,不仅能吸引正常用户,也能变成被欺诈份子利用的新的漏洞和薄弱环节。

阅读博文 »

如何用无监督机器学习增强现有检测结果?