DataVisor进入中国一周年 成为人工智能大数据反欺诈行业领先者

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
可视分析地图(DataV-Atlas),3 个项目,100M 存储空间
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介:

9月21日,全球领先的人工智能公司DataVisor在北京召开媒体见面会,详细介绍了进入中国一周年所取得成就和进展。在新闻发布会中,DataVisor的管理团队与客户分享了对社交网络、电商、金融领域反欺诈的看法,并认为,只有采取更智能的技术才能有效检测“坏用户”,提高覆盖面,进而保护客户的数字资产,促进客户的业务良性发展。

众所周知,随着移动互联网和电商的蓬勃发展,伴随而来的是大规模的线上欺诈。多份研究报告指出,全球每年欺诈损失总额大概超过500亿美元。仅在去年一年,全球信用卡、借记卡、预付卡和私有品牌支付卡的损失就高达163.1亿美元。电子零售商和批发商因欺诈损失的金额占其年收入的7.5%以上。每年保险欺诈(不包括健康险)的损失总额大概超过400亿美元。

作为硅谷的技术型创新企业,DataVisor以人工智能领域独创的无监督学习算法为核心,可保护客户免受各种攻击,包括大量虚假账户注册、账号盗取、欺诈交易、身份盗用、洗钱交易、假冒评估、垃圾邮件、虚假安装推广等,所服务的客户有美国点评网Yelp、图片社交软件Pinterest、社交网站陌陌、Blued等。最新数据显示,在全球,DataVisor的用户事件分析总量已超过6千亿,保护用户数量超过20亿,已检测坏用户数量超过1亿3千万。

DataVisor CEO兼联合创始人Yinglian Xie(谢映莲)认为,作为一家美国公司,进入中国市场是非常具有挑战性的。DataVisor在一年内所取得优异的成绩,显然与客户的支持,以及团队的努力是分不开的。自2013年公司成立之初,DataVisor就把中国当作重要的市场看待。

DataVisor进入中国一年的时间里,已经服务包括阿里巴巴、陌陌、探探、大众点评、猎豹移动、趣加游戏等众多国内知名的大型互联网企业,并获得客户的良好口碑。检测真实注册用户的有效率可以提高到99.999%,响应速度为毫秒级。

DataVisor中国区总经理兼技术总监吴中对媒体详细解读了中国线上网络欺诈的现状。他认为,伴随着越来越复杂和越来越具有规模化、隐蔽性的欺诈手段,采用传统的反欺诈方案已经不能适应新形势的发展。而DataVisor独特的一站式风险数据分析平台,以无监督机器学习引擎为核心,同时结合其他检测分析技术,例如有监督机器学习、自动规则引擎和全球智能信誉库等,可帮助中国线上企业迅速找到“坏用户”,从而帮助客户提高运营能力,聚焦于核心业务。

来自今日头条的客户分享了如何利用人工智能抵御欺诈威胁。该客户认为与DataVisor合作有三个明显的优势。1.对接成本很低,无论从时间成本还是技术成本。时间上,可以做到10分钟接入技术平台。2. 准确率高,来源DataVisor独特的无监督机器学习算法。3.速度很快,能够最短时间内发现多个广告渠道的作弊行为,及时止损。双方将继续展开其他领域的合作。

最后,来自国内多家知名的互联网公司如猎豹移动、探探、微店、Blued等参加了会议并作主旨发言。与会嘉宾一致认为,解决网络欺诈难题,必须聚焦于人工智能,深入了解人工智能前沿的理论知识与基础算法,开发出跨行业的产品和解决方案。相信,伴随着DataVisor深入应用国际领先的无监督学习算法,势必会提高中国全行业线上的反欺诈水平。 


本文作者:佚名

来源:51CTO

相关实践学习
DataV Board用户界面概览
本实验带领用户熟悉DataV Board这款可视化产品的用户界面
阿里云实时数仓实战 - 项目介绍及架构设计
课程简介 1)学习搭建一个数据仓库的过程,理解数据在整个数仓架构的从采集、存储、计算、输出、展示的整个业务流程。 2)整个数仓体系完全搭建在阿里云架构上,理解并学会运用各个服务组件,了解各个组件之间如何配合联动。 3 )前置知识要求   课程大纲 第一章 了解数据仓库概念 初步了解数据仓库是干什么的 第二章 按照企业开发的标准去搭建一个数据仓库 数据仓库的需求是什么 架构 怎么选型怎么购买服务器 第三章 数据生成模块 用户形成数据的一个准备 按照企业的标准,准备了十一张用户行为表 方便使用 第四章 采集模块的搭建 购买阿里云服务器 安装 JDK 安装 Flume 第五章 用户行为数据仓库 严格按照企业的标准开发 第六章 搭建业务数仓理论基础和对表的分类同步 第七章 业务数仓的搭建  业务行为数仓效果图  
相关文章
|
1月前
|
机器学习/深度学习 数据采集 人工智能
深入探索人工智能与大数据的融合之路
本文旨在探讨人工智能(AI)与大数据技术如何相互促进,共同推动现代科技的进步。通过分析两者结合的必要性、挑战以及未来趋势,为读者提供一个全面的视角,理解这一领域内的最新发展动态及其对行业的影响。文章不仅回顾了历史背景,还展望了未来可能带来的变革,并提出了几点建议以促进更高效的技术整合。
|
11天前
|
机器学习/深度学习 人工智能 分布式计算
我的阿里云社区年度总结报告:Python、人工智能与大数据领域的探索之旅
我的阿里云社区年度总结报告:Python、人工智能与大数据领域的探索之旅
89 35
|
21天前
|
数据采集 人工智能 分布式计算
MaxFrame:链接大数据与AI的高效分布式计算框架深度评测与实践!
阿里云推出的MaxFrame是链接大数据与AI的分布式Python计算框架,提供类似Pandas的操作接口和分布式处理能力。本文从部署、功能验证到实际场景全面评测MaxFrame,涵盖分布式Pandas操作、大语言模型数据预处理及企业级应用。结果显示,MaxFrame在处理大规模数据时性能显著提升,代码兼容性强,适合从数据清洗到训练数据生成的全链路场景...
66 5
MaxFrame:链接大数据与AI的高效分布式计算框架深度评测与实践!
|
10天前
|
人工智能 分布式计算 大数据
MaxFrame 产品评测:大数据与AI融合的Python分布式计算框架
MaxFrame是阿里云MaxCompute推出的自研Python分布式计算框架,支持大规模数据处理与AI应用。它提供类似Pandas的API,简化开发流程,并兼容多种机器学习库,加速模型训练前的数据准备。MaxFrame融合大数据和AI,提升效率、促进协作、增强创新能力。尽管初次配置稍显复杂,但其强大的功能集、性能优化及开放性使其成为现代企业与研究机构的理想选择。未来有望进一步简化使用门槛并加强社区建设。
49 7
|
17天前
|
人工智能 分布式计算 DataWorks
大数据& AI 产品月刊【2024年12月】
大数据& AI 产品技术月刊【2024年12月】,涵盖本月技术速递、产品和功能发布、市场和客户应用实践等内容,帮助您快速了解阿里云大数据& AI 方面最新动态。
|
1月前
|
人工智能 分布式计算 DataWorks
大数据& AI 产品月刊【2024年11月】
大数据& AI 产品技术月刊【2024年11月】,涵盖本月技术速递、产品和功能发布、市场和客户应用实践等内容,帮助您快速了解阿里云大数据& AI 方面最新动态。
|
1月前
|
机器学习/深度学习 人工智能 运维
智能化运维:AI与大数据在IT运维中的应用探索####
本文旨在探讨人工智能(AI)与大数据分析技术如何革新传统IT运维模式,提升运维效率与服务质量。通过具体案例分析,揭示AI算法在故障预测、异常检测及自动化修复等方面的实际应用成效,同时阐述大数据如何助力实现精准运维管理,降低运营成本,提升用户体验。文章还将简要讨论实施智能化运维面临的挑战与未来发展趋势,为IT管理者提供决策参考。 ####
|
2月前
|
机器学习/深度学习 人工智能 算法
探索人工智能与大数据的融合之道####
— 本文旨在探讨人工智能(AI)与大数据如何协同工作,以推动技术创新和产业升级。通过分析二者的基本概念、核心技术及应用场景,揭示它们相互促进的内在机制,并展望未来发展趋势。文章指出,AI提供了智能化处理数据的能力,而大数据则为AI提供了海量的训练资源,两者结合将开启无限可能。 ####
|
2月前
|
人工智能 算法 搜索推荐
探索人工智能与大数据的融合之道####
本文深入探讨了人工智能(AI)与大数据之间的紧密联系与相互促进的关系,揭示了二者如何共同推动科技进步与产业升级。在信息爆炸的时代背景下,大数据为AI提供了丰富的学习材料,而AI则赋予了大数据分析前所未有的深度与效率。通过具体案例分析,本文阐述了这一融合技术如何在医疗健康、智慧城市、金融科技等多个领域展现出巨大潜力,并对未来发展趋势进行了展望,强调了持续创新与伦理考量的重要性。 ####
|
2月前
|
数据采集 机器学习/深度学习 人工智能
探索人工智能与大数据的融合之路####
本文将深入探讨人工智能(AI)与大数据之间的共生关系,揭示二者如何相互促进,共同推动技术边界的拓展。不同于传统摘要的概述形式,本部分将以一个生动的比喻开篇:如果把大数据比作广阔无垠的数字海洋,那么人工智能就是航行其间的智能航船,两者相辅相成,缺一不可。随后,简述文章将从数据采集、处理、分析到决策应用的全流程中,详细阐述AI如何借助大数据的力量实现自我迭代与优化,以及大数据如何在AI算法的驱动下释放出前所未有的价值。最后,预告文章还将探讨当前面临的挑战与未来趋势,为读者勾勒一幅AI与大数据融合发展的宏伟蓝图。 ####