标签：str 重要 使用 机器学习 关联 代码 不同的 公司 精准
设备指纹
一般都是基于某些设备信息，通过一些设备指纹算法会将这些信息组合起来，通过特定的hash算法得到一个最后的ID值，作为该设备的唯一标识符。常见的元素有：
主动式设备指纹技术需要在客户端上植入自己的Javascript或SDK代码，主动收集设备相关的特征，用以标识设备和用户。在特征的选取上，需要考虑特征的稳定性和准确度。理想的特征应该在一定的时间段内不会因为外界的条件变化、或是用户的操作行为而发生变化（比如上面那些，而像用户的通讯录的总联系人数这种就不适合），同时在不同的设备上具有显著的差异。
知识图谱
知识图谱反欺诈的效果怎么样？结合公司新上的产品思考下。
把不同的信息连到一起，其实关键是哪些信息是你所重点关注的应该把它作为一个实体，而不是节点属性，图谱的设计。
关联可能考虑，设备指纹、通讯录、社交平台上的好友关系、评论关系、是否在同一个城市（粗一点）
主要应用场景：
举个例子来说明构建知识图谱的流程，此处我们采用个人信息（也可以是设备指纹，总之有可能是虚假的数据）进行一个场景构建。
1）通过对数据进行清理，抽取，构建知识图谱的节点，比如工作地址，姓名，身份证，GPS，工作地点，单位，IP，联系人手机号，等等。
2）比较好的方式是建立基础信息表，然后不断更新，这种方式比较好的原因是可以防止异常，可以保证数据最终一致性。这个就会根据不同情况，构建不同基础数据表，少则十几个，二十几个，多的可以成百上千。
3）基于清洗后的信息，进入图数据库，构建出整个知识图谱。（姓名一样可能会被连在一起、身份证一样可能会被连在一起）
4）基于图算法进行相关的特征抽取或者通过网络结构进行负样本挖掘（标签传播）
欺诈的难点，在于把不同来源的数据汇总到一起构造欺诈引擎是一件比较困难的事情。一部分是要爬数据，还有就是爬出带来的数据千奇百怪。
特征抽取：
在团簇中，如果用户的信息与我们的正常理解有严重偏差，那么这种团簇很可疑；如两个用户拥有同个家庭wifi，但所填家庭地址相差甚远，显然与现实不符。这里需要大量的人工干预，因为我们不能通过欺诈标签做相关的统计分析，更多的要靠经验判断。当然如果标签得当，我们其实可以通过做相似性度量来进行筛选重要的关联特征，作为规则的。
给定时间节点，去尝试发现图形结构的异常子图。
分析结构网络|随着时间变化的趋势
对网络特征的直接提取，提取出中心度或一度二度关联特征可供上层规则系统或风险评估模型使用。基本思想仍然是在网络中社交越广泛，越有可能是一个坏人。
反欺诈对于实时决策的需求很高，这些指标都需要实时提取。其中一些指标，比如二度关联度, 在一般的情况下计算复杂度是很高的。在动态图的情形下，一般会采取一些近似的算法并进行预计算。
网络信息挖掘：
组团欺诈的挖掘难度非常大，它会藏在非常复杂的组织网络中，很难发现，只有当我们把隐含的关系网络梳理清楚了，才有可能发现潜在的风险，图谱可以帮助识别（信息共享，把内在图关系挖掘出来）。
挖掘更多的潜在的可触达联系人。
负样本生成：
染色本质就是一种基于关联图谱的半监督学习方法，我们知道在反欺诈的场景下，一个典型的困境就是欺诈标注非常少，获得的代价非常高，而我们要做一些监督式的机器学习，却又非常依赖于标注。因此如果能用少量的欺诈标注样本产生出更多的标注，就能最大程度利用欺诈样本。这就是染色的初衷，欺诈标注会沿着网络里的边从一个节点传播到另一个节点。
染色从直觉上比较容易理解，我们经常说近朱者赤，近墨者黑。一个用户和坏用户有关联，其实很有可能他本身就是有问题的。这里放一个数据，根据分析得到，一个客户一旦出现在某个坏客户的通讯录中，就有70%的概率会变坏。
标签：str 重要 使用 机器学习 关联 代码 不同的 公司 精准
原文地址：https://www.cnblogs.com/fionacai/p/12228442.html
