原創(chuàng) 親愛的數(shù)據(jù) 親愛的數(shù)據(jù)

原創(chuàng)：譚婧

全文審核專家：朱小坤

場(chǎng)景一：電商給新用戶的補(bǔ)貼，黑產(chǎn)賬戶薅走了。

場(chǎng)景二：每當(dāng)競(jìng)爭店鋪花錢打廣告，就立刻雇傭黑產(chǎn)賬戶一頓瘋狂惡意點(diǎn)擊，競(jìng)爭店鋪在線廣告費(fèi)一會(huì)就花沒了。

場(chǎng)景三：一個(gè)不咋地的商品，好評(píng)一千條，虛假評(píng)論誤導(dǎo)消費(fèi)，我瀏覽完商品評(píng)價(jià)，都差點(diǎn)信了，好在兜里沒錢，買不了。

數(shù)字時(shí)代，黑色產(chǎn)業(yè)團(tuán)伙就在身邊，伺機(jī)而動(dòng)，假賬戶，薅羊毛，刷流量。

要像破案一樣，掌握黑產(chǎn)行動(dòng)規(guī)律，得用圖計(jì)算技術(shù)。

頭部電商APP的注冊(cè)賬號(hào)可以高達(dá)四億以上，不免混入不明身份之輩，比如黑產(chǎn)操控的賬戶。

從幾億賬戶中找到“異?！辟~戶談何容易，而一個(gè)很好用的破案線索叫作“關(guān)系”。

“找關(guān)系”的本質(zhì)是在圖這種數(shù)據(jù)結(jié)構(gòu)上挖掘信息，也可以稱呼為“圖挖掘”。

黑產(chǎn)賬戶常常團(tuán)伙作案，且早學(xué)會(huì)了偽裝。除了作假，黑產(chǎn)賬戶會(huì)有正常的瀏覽和購買，專門迷惑人。

可以說，這些黑產(chǎn)賬戶有智商，但不高。

它們的“智商”足以讓常規(guī)系統(tǒng)無法辨別。

如何用圖挖掘技術(shù)“找到”它們呢？

用一個(gè)想法巧妙的圖挖掘算法。

這一算法原理好比濃縮咖啡。把一大杯咖啡，濃縮成一小杯。記住“濃縮”這個(gè)動(dòng)詞，很關(guān)鍵。

濃縮的過程，是把不可疑的用戶從圖里不斷移出來。

把一張全局大圖濃縮出最可疑的小圖，黑產(chǎn)控制的賬戶就藏匿在里面。

電商場(chǎng)景的圖里可以有很多類別的頂點(diǎn)，商店，商品，賬號(hào)，品牌，設(shè)備等等。

我們只選兩種頂點(diǎn)，一種是商品，一種是購買商品的所用的設(shè)備（手機(jī)，筆記本電腦都行）。

最開始，建一個(gè)“下單手機(jī)”和“商品”的二部圖（只含有兩類頂點(diǎn)的圖）。

在某個(gè)電商APP里面下過單的所有手機(jī)都以編號(hào)的形式 “畫”在圖里。

下單手機(jī)和商品之間的關(guān)系包括購買，瀏覽，收藏，加購。

第二步，引入“可疑度”來量化每個(gè)下單手機(jī)作弊的可能性。

下單手機(jī)的可疑度怎么計(jì)算呢？一臺(tái)手機(jī)下單的次數(shù)（也稱頂點(diǎn)入度），計(jì)算每個(gè)頂點(diǎn)的可疑度。

算法設(shè)計(jì)可疑度的巧妙之處，就是能分辨得出作弊和非作弊的邊界，從而找到作弊團(tuán)體。

最開始的時(shí)候，圖里既有作弊的賬戶，也有正常消費(fèi)者的賬戶。畢竟，作弊的人是少數(shù)。

一個(gè)用戶關(guān)心的商品占平臺(tái)商品總量的很少很少一部分，所以呈現(xiàn)出一張稀疏的二部圖。

電商的二部圖的全局規(guī)模很大，頂點(diǎn)數(shù)量可達(dá)到幾十億，邊數(shù)量可達(dá)幾百億。當(dāng)之無愧工業(yè)級(jí)圖數(shù)據(jù)。

我們的目的，就是找到那張“邊”最密集的局部圖。

我要用一個(gè)與頂點(diǎn)數(shù)量無關(guān)的量來刻畫最后的結(jié)果。就好比，液體濃度和盛液體的容器沒有關(guān)系。

不斷刪除可疑度最低的頂點(diǎn)。相當(dāng)于，在不斷地濃縮可疑度的濃度。

第三步，再用貪心算法的思路，動(dòng)態(tài)刪除最小可疑度頂點(diǎn)。

于是，可疑度小的頂點(diǎn)被一一刪除，留下那些可疑度大的頂點(diǎn)。

這個(gè)圖挖掘算法叫啥名字？

這是Fraudar算法，來源于2016年的KDD會(huì)議，是美國卡耐基梅隆大學(xué)克里斯托·法拉特（Christos Faloutsos）教授團(tuán)隊(duì)論文，并獲得了當(dāng)年的最佳論文獎(jiǎng)。

圖計(jì)算正面硬剛黑產(chǎn)薅羊毛的行動(dòng)還在繼續(xù)，隨之而來的是圖深度學(xué)習(xí)技術(shù)的燦然一新。

作弊手法絕不會(huì)一成不變，F(xiàn)raudar算法不能抓到所有的黑產(chǎn)賬戶。

Fraudar算法只用到了圖結(jié)構(gòu)的信息，還有更多信息沒有用起來。

有的賬戶頻繁切換IP，頻繁切換手機(jī)的操作系統(tǒng)等等，這些都是逃避”抓捕“的異常行為。

加入特征，用圖深度神經(jīng)網(wǎng)（比如GraphSAGE）做分類任務(wù)，區(qū)分“好人”“壞人”，這樣就能找到更多黑產(chǎn)賬號(hào)。

最后，多輪分析和驗(yàn)證，證明抓出來的賬戶是黑產(chǎn)賬戶，以免誤傷好賬號(hào)。

圖深度學(xué)習(xí)一種強(qiáng)有力的工具，用于反黑產(chǎn)時(shí)，像一面照妖鏡。

能把圖深度學(xué)習(xí)用得好的企業(yè)，那都是高手。根據(jù)親愛的數(shù)據(jù)可靠消息，你手機(jī)里的那些知名的APP，淘寶，支付寶，京東商城，小紅書等等都在使用這一技術(shù)。

（完）

全文審核專家：

最后，再介紹一下主編自己吧，

我是譚婧，科技和科普題材作者。

為了在時(shí)代中發(fā)現(xiàn)故事，

我圍追科技大神，堵截科技公司。

偶爾寫小說，畫漫畫。

生命短暫，不走捷徑。

個(gè)人微信：18611208992

還想看我的文章，就關(guān)注“親愛的數(shù)據(jù)”。

原標(biāo)題：《為什么圖計(jì)算能正面硬剛黑色產(chǎn)業(yè)薅羊毛？》

閱讀原文