Sift Science抵御網(wǎng)絡欺詐

Kristan Schiller

Listia是一個使用積分拍賣閑置物品的網(wǎng)絡商城，總部位于加州的山景城。上線以來，部分多賬戶用戶讓這家公司的6人技術團隊大傷腦筋。為了吸引新用戶注冊，Listia會給每個新用戶免費提供500購物積分。可想而知，這條優(yōu)惠政策被部分用戶鉆了空子。合作創(chuàng)始人杰·莊無奈地說：“只要注冊一些電郵就可以在Listia注冊一堆新賬戶，每個賬戶里都會有免費的購物積分。”

其實Listia這類的網(wǎng)商可以嘗試與Sift Science合作，Sift會利用云計算收集分析消費者的網(wǎng)絡購物模式，然后給每個用戶打分，網(wǎng)商可通過分數(shù)高低來判斷用戶是否有不誠信的嫌疑。

如何反欺詐

Sift公司的總部位于舊金山，合作創(chuàng)始人兼首席執(zhí)行官詹森·陳表示：“大部分電商的開發(fā)團隊里頂多只有一兩位工程師專門負責反欺詐等安全問題，于是我們對自己說，為什么不能開發(fā)一個第三方解決方案，一舉解決全球電商所面臨的難題呢？”

Sift Science的計算公式會隨著網(wǎng)絡欺詐模式的變化而不斷調(diào)整進化，統(tǒng)計數(shù)據(jù)隨時更新——陳將這種方法稱為“機器學習”。該服務今年3月才正式推出，不到兩個月時間里就收集到超過100萬網(wǎng)絡欺詐模式和變量，全部計入數(shù)據(jù)庫。

比如他們發(fā)現(xiàn)：用戶電子郵件地址里的數(shù)字越多，越有可能出現(xiàn)欺詐行為；Gmail用戶比Hotmail用戶更可靠；選擇優(yōu)先快遞服務的買家出現(xiàn)欺詐行為的可能也更高，因為“騙子會希望能盡快拿到商品并變賣”。

陳補充說：“我們的目標是讓網(wǎng)絡欺詐無處藏身。我們正在開發(fā)的統(tǒng)計模型擁有數(shù)百萬變量，甚至很快可超過10億。我們將為大家打造一個網(wǎng)絡上的福爾摩斯。”

成果

Listia選擇與Sift合作，Sift將那些利用多個電子郵箱地址騙取免費購物積分或在網(wǎng)上發(fā)布不實拍賣信息的低分“不良用戶”標注出來，Listia團隊會進行跟蹤確認，查實后會查封賬戶。

Sift的基本費率是每筆交易兩美分，每個月的前1萬筆交易免費。莊表示Sift的服務大大減輕了Listia技術支持團隊的工作壓力。以前，技術團隊成員每天大部分時間都要用來跟蹤網(wǎng)絡欺詐行為，簡直像是一場永無止境的打地鼠游戲。“現(xiàn)在他們可以集中精力處理一些更重要的技術問題，從時間節(jié)省的角度而言，Sift簡直是我們的救星。”

另一種聲音

Sift Science并不是“第一個嘗試的人，但他們是第一個取得有用成果的”，佛羅里達州諾瓦東南大學計算機與信息科學研究生院教授詹姆士·坎納迪說。但是，這個工具也并非包治百病：“機器學習并沒有那么神奇，它可以根據(jù)過去的數(shù)據(jù)做出判斷，但卻無法判斷新出現(xiàn)的欺詐手法。這種方法確實很先進，但企業(yè)還是要堅持不斷更新自己的系統(tǒng)，才能更好地防范網(wǎng)絡欺詐行為。” 譯| 金笙