写回答
-
推荐回答第一类是位置识别类型，主要是基于用户的位置信息，加上 GeoHash 的算法，实现位置集聚特征的数据计算。举个例子，我们通过位置集聚特征，发现了一些可疑用户，然后再通过反欺诈调查查看这些用户的人脸识别的照片，发现了他们的背景很相似，都是在同一家公司进行业务申请。所有我们就可以结合位置类的特征，加上图像识别的 AI 能力来更精准地定位类似的欺诈行为；
第二类是设备关联类，主要是通过关系图谱来实现。通过获取同一个设备的关联用户的情况，可以比较快速地定位到一些羊毛党和简单的欺诈行为；
第三类是图谱关系，比如用户的登录、注册、自用、授信等场景，我们会实时抓取用户在这些场景的一些设备指纹、手机号、联系人等信息，来构造关系图谱的邻边关系。然后通过这样的邻边关系和用户关联的节点度数判断是否关联到一些黑灰名单用户来进行风险的识别；
第四类是基于社群发现算法实现的统计类的社群特征，通过判断社群的大小、社群里面这用户行为的表 现，来提炼统计类的规则特征。
以上内容摘自《Apache Flink 案例集（2022版）》电子书，点击https://developer.aliyun.com/ebook/download/7718 可下载完整版
2022-08-31 12:53:28赞同 展开评论 打赏
版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
实时计算Flink版是阿里云提供的全托管Serverless Flink云服务，基于 Apache Flink 构建的企业级、高性能实时大数据处理系统。提供全托管版 Flink 集群和引擎，提高作业开发运维效率。
