转账的 0.1秒,支付宝对你做了什么?

简介:
  

0.1 秒能做什么?眨一下眼睛,或者什么也干不了? 对于蚂蚁神盾局来说, 0.1 秒内要做的事太多了。比如:

  • 有人遭到诈骗,把钱转给了骗子,他们要揪出骗子。

  • 有人被盗号了,盗号者转移了他的财产,他们要及时阻止。

  • 有人正在非法集资,上亿资金汇集到同一账户,他们要察觉异常。

没办法,谁让 0.1 秒已经足够按下支付按钮了呢。蚂蚁神盾局(蚂蚁金服安全部的昵称)的任务就是在这 0.1 秒内,确定操作的人是不是用户本人,以及他的操作有没有异常。

为了完成这个看似不太可能的任务,他们依靠了一个秘密武器 —— CTU 智能风控大脑。

取名字的童鞋可能是个美剧迷,因为美剧《反恐24小时》里的“美国反恐局”就叫 CTU,而“神盾局”又是漫威超级英雄漫画中的机构。这些名字大概寄托着蚂蚁金服利用高科技保护用户安全的美好愿望吧。

为了证明 CTU 风控大脑的实力,蚂蚁神盾局“局长”邵晓东通过两个案例,向雷锋网(公众号:雷锋网)展现了两种揪出犯罪分子的姿势。

姿势一:用“关系”揪出骗子

几个月前,蚂蚁神盾局遇到一个奇葩案例:

李女士接到冒充淘宝客服的电话,被告知前几天的淘宝订单出现了问题,需要退款。对方通过 QQ 发给了李女士一个链接,引导她进入了一个精心构建的钓鱼网站,诱导她一步步进行支付宝转账。

转账的 0.1秒,支付宝对你做了什么?

▲ 伪造的淘宝退款网站,图片来自网络

正当李女士准备转账, CTU 风控大脑已经察觉了交易风险,并提示“可能存在欺诈风险,请确认对方身份”,可惜的是,李女士在并未确认对方身份的情况下依然进行了 2200 元转账。


骗子依然不依不挠。3分钟后,李女士被引导进行第二笔数额为 8000元转账,此时CTU智能风控大脑已经确认对方是诈骗分子,直接将交易判定为失败,同时账户支付权限被限制。令人惊讶的是,李女士居然主动打电话联系支付宝客户,要求解除支付限制,并支付了8000元,最终总共被诈骗了10200元。好在最后警方介入,成功查获该诈骗案。

在这个案件中,CTU 风控大脑是如何判定该笔转账存在风险? 邵晓东告诉雷锋网,CTU 风控大脑主要从偏好、账户、身份、交易、设备、位置、关系、行为 这8个维度来进行风险判定 。一笔交易之所以被提醒或中止,是因为风险评分太高。

由于该案例中李女士的所有操作均是本人所为,因此雷锋网推想,在这个风险判定中,“关系”提供了至关重要的线索。比方说,当李女士往另一个支付宝账户转账:

  • 如果这个账户和她从未有过资金来往,和她的朋友也没有过资金来往,CTU 就开始警觉。

  • 如果这个账户是刚刚申请的空账户(专门用来诈骗),没有一个朋友,那么身份可能存疑。

  • 再进一步,如果这个账户存在过不良记录,或者是和存在不良记录的账户、黑名单账户有过交集,同样会被判定异常。

姿势二:用资金流向发现非法集资

2016年河南省许昌市警方打掉了一个非法集资案,最初就是由蚂蚁神盾局提供的线索。CTU 风控大脑在资金链风险控制的过程中,发现有几个账户存在明显的非法集资特征:当地大量不向关的账户资金在短时间内集中流向几个主要的账户,而且金额巨大。他们主动将技术分析和研判的结果告知许昌市公安局,询问是否需要进行调查,最终破获了一起涉案金额数亿元的非法集资案。

“这是河南省公安厅目前为止打击非法集资案件中,客户损失最小的一个。”邵晓东说。

除此之外,蚂蚁神盾局还协助许昌市警方破获了另外一起传销案,同样是根据资金的异常流向分析出异常,然后根据细致特征进行判断的,比如,资金流向明显呈现金字塔形的上下级关系。

此外,除了判断资金流动是否异常,CTU 的另一个核心任务是要知道“操作者是谁”,确保账号不被他人盗用。比方说,一个极少购物的用户,他的账号在异地登录,且登录设备不是常用设备,还半夜在淘宝上下单买了个iPhone,那么 CTU 就会判断账号可能被盗,然后发起根据具体的风险等级发起身份挑战,或者直接限制账号交易。

雷锋网向邵晓东了解到,CTU使用了 800多条规则,100多个识别模型。这和此前 CTU 风控大脑对外声称一共有数千条规则不太一样。邵晓东表示这是因为 CTU 使用了深度学习算法等人工智能技术,逐渐降低对规则的依赖。

反黑产CP:程序员+警察

邵晓东告诉雷锋网,目前蚂蚁神盾局已经多次通过CTU发现异常,主动梳理线索并推送给警方,协助办案。这和以往企业等待警察、检察院、法院找过来再协助提供线索不太一样。

去年,蚂蚁神盾局就协助警方打掉了262个线下团伙,平均每两天就打掉一个,结案率超过了80%,这让曾多年担任干警的邵晓东感到惊讶。依据他以往办案的经验,基于网络的非接触类案件的结案率,只有30%左右。 “这就是云计算大数据的力量。”邵晓东说。

能让BAT联手对抗的事情并不多,反黑灰产算一件。据雷锋网了解,目前蚂蚁金服已经和百度安全建立了黑灰产赌博联防联盟,和腾讯安全共同打击网络钓鱼和欺诈。他们也表示期待更多企业加入打击黑灰产的行列。


  本文作者: 谢幺

本文转自雷锋网禁止二次转载, 原文链接
目录
相关文章
|
Oracle 关系型数据库 MySQL
OceanBase实践入门:高可用原理和容灾方案
OceanBase的多副本(奇数)设计,以及使用Paxos协议同步事务日志,是OceanBase高可用能做到自动切换(RTO约20s)和不丢数据(RPO=0)的关键。OceanBase在这个设计上还衍生出很多特性:如负载均衡和异地多活等。
6255 0
|
10月前
|
存储 SQL 关系型数据库
HarmonyOS Next快速入门:RelationalStore关系型数据库
本课程《HarmonyOS Next快速入门》涵盖HarmonyOS应用开发中的关系型数据库使用,介绍基于SQLite的持久化存储、适用场景及开发实践,适用于教育与初学者。
356 0
|
存储 缓存 算法
HashMap深度解析:从原理到实战
HashMap,作为Java集合框架中的一个核心组件,以其高效的键值对存储和检索机制,在软件开发中扮演着举足轻重的角色。作为一名资深的AI工程师,深入理解HashMap的原理、历史、业务场景以及实战应用,对于提升数据处理和算法实现的效率至关重要。本文将通过手绘结构图、流程图,结合Java代码示例,全方位解析HashMap,帮助读者从理论到实践全面掌握这一关键技术。
488 14
|
存储 算法 Java
GoLang GPM模型
本文介绍了 Go 语言中的 goroutine 及其调度器(Go Scheduler)的工作原理。goroutine 并非传统意义上的协程,而是基于两级线程模型实现的轻量级并发单元。文章详细解释了三种主流线程模型(内核级、用户级和两级线程模型)的特点,并重点阐述了 G-P-M 模型(Goroutine、Processor、Machine)的工作机制,包括调度算法、阻塞处理等。通过动态栈管理和高效的调度器,Go 程序能够轻松支持成千上万个并发任务。
385 0
GoLang GPM模型
|
监控 测试技术
如何进行系统压力测试?
【10月更文挑战第11天】如何进行系统压力测试?
1098 34
|
机器学习/深度学习 人工智能 算法
AI技术在医疗健康领域的应用与挑战####
本文旨在探讨人工智能(AI)技术在医疗健康领域的创新应用及其面临的主要挑战。通过深入分析AI如何助力疾病诊断、治疗方案优化、患者管理及药物研发,本文揭示了AI技术在提升医疗服务质量、效率和可及性方面的巨大潜力。同时,文章也指出了数据隐私、伦理道德、技术局限性等关键问题,并提出了相应的解决策略和未来发展方向。本文为医疗从业者、研究者及政策制定者提供了对AI医疗技术的全面理解,促进了跨学科合作与创新。 ####
|
传感器 人工智能 算法
掌握C++中的状态-事件回调矩阵:打造强大的有限状态机
掌握C++中的状态-事件回调矩阵:打造强大的有限状态机
503 0
|
关系型数据库 MySQL 数据挖掘
MySQL 8窗口函数详解:高效数据处理的必备技能
MySQL 8窗口函数详解:高效数据处理的必备技能
828 3
|
存储 缓存 数据库
别再用offset和limit分页了,性能太差!——探索高效分页技术
【8月更文挑战第27天】在Web开发领域,分页是处理大量数据展示时不可或缺的功能。然而,传统的基于offset和limit的分页方式,在数据量剧增时,其性能问题日益凸显。本文将深入探讨这一问题的根源,并介绍几种更为高效的分页策略,助力你的应用性能飞跃。
1301 0

热门文章

最新文章