近年来，人工智能，图算法，大数据技术，以及机器学习平台建设快速发展，推动业务风控迈向智能化时代。以无监督算法为依托，我们构建了全场景的黑产团伙挖掘模型，识别精准且覆盖率高，增加了黑产团伙攻击成本，同时增强了业务风险防控能力。本次文章介绍的主题是：无监督算法在OPPO黑产团伙挖掘中的实践。

黑产团伙在OPPO在线服务中部分作恶场景： 

场景1：在OPPO在线服务相关APP里，通过签到、打卡及其它各种任务薅积分，然后在积分商城做积分兑换、在OPPO商城做积分抵扣购物甚至0元购； 

场景2：在各业务场景的营销活动中，恶意攻击，获取非法利益； 

场景3：在软件商店、游戏中心、浏览器、主题商店等业务场景中，伪造虚假曝光、点击、下载、阅读、评论等行为，进行恶意ASO、恶意引流等； 

场景4：在广告场景进行虚假的广告曝光、点击等作弊行为，以获取非法收益。

传统风控中，我们会利用黑产手机号、ip等名单，特点是覆盖率低，应用的业务场景受限；或是策略算法（专家规则），它的特点是准确性高，可解释性强，但覆盖率低，只能识别明显有问题的黑产；规则设计相对简单，无法应对不断变化的欺诈手段，且阈值易被识破和绕过。还有就是有监督算法，其特点是覆盖率较高，但可解释性较弱；严重依赖样本标注.

首先我们来了解一下DBSCAN算法几个核心定义：

1.E，MinPts定义：E描述了某一样本的邻域距离阈值，MinPts描述了某一样本的距离为E的邻域中样本个数的阈值

2.E-邻域：对于xj∈D（D是样本集），D中与xj距离不大于E的子样本集（子样本集的个数记为|Ne(xj)|）

3.核心对象：对于xj∈D，如果|Ne(xj)|>=MinPts，则xj是核心对象

4.密度直达：如果xi位于xj的E-邻域中，且xj是核心对象，则称xi由xj密度直达

5.密度可达：对xi和xj，若存在样本序列p1,p2,...,pn，其中p1=xi,pn=xj且pi+1由pi密度直达，则称xj与xi密度可达

6.密度相连：对xi和xj，若存在xk使得xi和xj均由xk密度可达，则称xi和xj密度相连

下图给出了上述概念的直观显示：

DBSCAN和K-means算法对比如下：

下图可以看出，由于K-means算法只能发现球形簇，而DBSCAN算法可以处发现任意形状的簇，因此在黑产团伙挖掘场景中，DBSCAN算法比K-MEANS算法更合适。 

DBSCAN黑产团伙挖掘系统框架：

从下图可以看出，对比传统策略算法和有监督算法，DBSCAN算法在黑产识别覆盖率上有明显提升，同时DBSCAN算法能保证非常高的黑产团伙识别准确率。但DBSCAN算法也存在一些缺点，当样本集较大时，聚类收敛时间较长，同时调试参数比较复杂，主要需要对距离阈值 E，邻域样本数阈值 MinPts 进行联合调参，不同的参数组合对最后的聚类效果有较大影响。

模块度是评估一个社区网络划分好坏的度量方法，其物理含义是社区内节点的连边数与随机情况下的边数之差

Louvian算法工作步骤可以分为如下几步：

1.初始时将每个顶点当作一个社区，社区个数与顶点个数相同

2.依次将每个顶点与之相邻顶点合并在一起，计算它们最大的模块度增益是否大于0，如果大于0，就将该结点放入模块度增益最大的相邻结点所在社区

3.迭代第二步，直至算法稳定，即所有顶点所属社区不再变化

4.将各个社区所有节点压缩成为一个结点，社区内点的权重转化为新结点环的权重，社区间权重转化为新结点边的权重

5.重复步骤1-3，直至算法稳定

Louvain算法和DBSCAN算法对比：

Angel是由腾讯开源的高性能计算平台，可以无缝衔接Spark，提高图算法的挖掘效率，对于Fast Unfolding算法，在10亿节点和百亿边的数据量下，PSGraph框架性能是大约是GraphX框架的3倍

基于Spark on angel的louvain算法黑产团伙挖掘系统框架如下图所示：

基于Spark on angel的Louvain和DBSCAN黑产团伙挖掘效果对比可以看出，Louvain（Spark on angel）算法对比DBSCAN算法运行效率提升明显，同时覆盖率略有提升，但Louvain（Spark on angel）算法也存在一些缺点，不如没有充分利用节点本身的特征，且只能离线挖掘黑产团伙，不能实时拦截黑产团伙

后期计划使用DGL和图数据库搭建实时GNN在线推理服务。相比Louvain等传统图挖掘算法，GNN不仅能聚合关系网络特征，而且能充分利用节点本身特征；相比离线挖掘算法，实时在线推理服务能对黑产作恶行为进行实时拦截，减少业务损失。

双十一保卫战活动正在火热进行中，戳次条即可获取更多活动详情

最新动态