国外

Sift Science 抵御网络欺诈

\

文 | Kristan Schiller

Listia是一个使用积分拍卖闲置物品的网络商城,总部位于加州的山景城。上线以来,部分多账户用户让这家公司的6人技术团队大伤脑筋。为了吸引新用户注册,Listia会给每个新用户免费提供500购物积分。可想而知,这条优惠政策被部分用户钻了空子。合作创始人杰·庄无奈地说:“只要注册一些电邮就可以在Listia注册一堆新账户,每个账户里都会有免费的购物积分。”

其实Listia这类的网商可以尝试与Sift Science合作,Sift会利用云计算收集分析消费者的网络购物模式,然后给每个用户打分,网商可通过分数高低来判断用户是否有不诚信的嫌疑。

如何反欺诈

Sift公司的总部位于旧金山,合作创始人兼首席执行官詹森·陈表示:“大部分电商的开发团队里顶多只有一两位工程师专门负责反欺诈等安全问题,于是我们对自己说,为什么不能开发一个第三方解决方案,一举解决全球电商所面临的难题呢?”

Sift Science的计算公式会随着网络欺诈模式的变化而不断调整进化,统计数据随时更新——陈将这种方法称为“机器学习”。该服务今年3月才正式推出,不到两个月时间里就收集到超过100万网络欺诈模式和变量,全部计入数据库。
比如他们发现:用户电子邮件地址里的数字越多,越有可能出现欺诈行为;Gmail用户比Hotmail用户更可靠;选择优先快递服务的买家出现欺诈行为的可能也更高,因为“骗子会希望能尽快拿到商品并变卖”。

陈补充说:“我们的目标是让网络欺诈无处藏身。我们正在开发的统计模型拥有数百万变量,甚至很快可超过10亿。我们将为大家打造一个网络上的福尔摩斯。”

成果

Listia选择与Sift合作,Sift将那些利用多个电子邮箱地址骗取免费购物积分或在网上发布不实拍卖信息的低分“不良用户”标注出来,Listia团队会进行跟踪确认,查实后会查封账户。

Sift的基本费率是每笔交易两美分,每个月的前1万笔交易免费。庄表示Sift的服务大大减轻了Listia技术支持团队的工作压力。以前,技术团队成员每天大部分时间都要用来跟踪网络欺诈行为,简直像是一场永无止境的打地鼠游戏。“现在他们可以集中精力处理一些更重要的技术问题,从时间节省的角度而言,Sift简直是我们的救星。”

另一种声音

Sift Science并不是“第一个尝试的人,但他们是第一个取得有用成果的”,佛罗里达州诺瓦东南大学计算机与信息科学研究生院教授詹姆士·坎纳迪说。但是,这个工具也并非包治百病:“机器学习并没有那么神奇,它可以根据过去的数据做出判断,但却无法判断新出现的欺诈手法。这种方法确实很先进,但企业还是要坚持不断更新自己的系统,才能更好地防范网络欺诈行为。” 译| 金笙

浏览过本文章的用户还浏览过