【2018春运-AI大战黄牛党】智能抢票选座,机器学习阻击黄牛党

简介: 春运已到达高峰期,不少浏览器推出了人工智能抢票和选座功能。而黄牛党也与时俱进,用机器人和AI恶意刷票。如何应对这种现象?专家表示可利用机器学习来阻击黄牛党。

又到了一年一度的春运大战。与往年不同的是,AI在今年的春运大战中扮演了重要角色。

据悉,今年春运全国旅客发送量预计将达到30亿人次,预计铁路、民航分别增长8.8%和10%。如此庞大的返乡人群,加大了购票的难度。而12306利用稀奇古怪的图像验证码来防止黄牛党恶意刷票,结果却苦了正常购票的用户。


不断有网友吐槽,12306网站的图形验证码费令人抓狂,一旦选错,就得刷新重来。有网友抱怨说,“不是学霸都不敢上来抢票”、“抢过票,才知道自己见识少”。

据媒体报道,12306后台目前有581种图片验证码,用户将有机会尝试336980道不同验证码题目的机会,而一次性输入正确的仅为8%。

3aa701561106f0ea075af2e82d1bf08779b52d1f

521d46ea4d4eabc4f2f5e5adb998413d179870ac

浏览器和黄牛都用AI抢票

针对令人抓狂的图形验证码和一票难求的现象,一些浏览器推出了基于人工智能技术抢票、选座的新功能,帮助用户抢票。360浏览器应用人工智能自动识别验证码的功能,搜狗抢票也利用“双模加速”体系,构建了两重刷票智能算法。

然而道高一尺,魔高一丈。黄牛党抢票的手段也与时俱进。

据广东惠州铁路公安处12日通报,该处查获了一个用“机器人”抢票、高价倒卖火车票的火车票代售点。经查,庄某用半年时间,花费数千元研制了这台机器人键盘手,24小时每一秒敲击一次电脑键盘,代替人工刷新页面。自今年元旦以来,已成功抢票120多张,通过微信或qq将订票信息发送给旅客,然后通过微信收取20至100元不等的手续费。

bc082cea596dd160ebcba8c22282dbc49aee94ba

除了用机器人,黄牛党也与时俱进,用AI来抢票。马化腾在“2018守护者计划大会”上表示,国内的犯罪团伙已处于全球领先水平,AI技术正加快他们从企业数据库中窃取用户数据的速度。

据媒体报道,验证码自动识别在机器大规模训练后,变得火眼金睛; 从业人员在进行虚假注册后,通过AI辅助模仿正常用户来刷留存; 此外,AI还被用于自动生成所需的用户资料和虚假评论内容等等; 最后,AI还可以被用来探查某平台的风控规则、模型的边界和漏洞。

AI大战黄牛

那能否“以子之矛,攻子之盾”,用人工智能来打击黄牛党呢?慧安金科(北京)科技有限公司创始人CEO黄铃对新智元说,“能。”

黄玲对新智元表示,图形验证码现在基本防不住黄牛党。图形验证码给普通老百姓带来很多障碍,但黄牛党使用一系列的专业化的工具,包括基于深度学习图像识别方法,用编程的方式快速多次解码,迅速攻破图形验证码的防护目前有一些AI的技术,不依赖于图形验证码本身,而是建模这个识别图形验证码的过程和行为,来看它是机器编程识别的过程,还是普通人识别的过程;在此基础上,再加入买票过程的行为,来区分黄牛党(一次买很多张票)和普通公众(一次买少量票)。

他认为可以用机器学习来监测欺诈注册和欺诈交易,半监督机器学习方法会更好。在欺诈检测场景中,标签往往很稀少,所以光靠少量的标签是很难训练出一个高质量的模型;而且标签往往只代表历史,代表过去发生的欺诈活动,所以有监督机器学习在历史标签上训练的模型也只能检测过去发生的欺诈,不一定能防住以后会发生的欺诈。无监督机器学习方法一定会很有用,加上一些标签,和大量的无标签数据一起,使用半监督机器学习方法建模时,会取得最好的效果。

但是,黄牛党的欺诈手段也在与时俱进。如何来应对躲在暗处、欺诈能力不断增强的黄牛党呢?

黄玲表示,需要采用能够对抗欺诈对手的机器学习方法:采用半监督人工智能技术,生成高质量风险控制模型;这样的方法基于用户行为异常而不依赖于历史标签,能够提前预警欺诈攻击,自动发现新的欺诈手段;有机融合人工智能系统和风控业务专家经验,自动发现和追踪新的欺诈手段,对抗日益变化的欺诈分子。

而目前机器学习在反欺诈方面,也面临一些难点,主要在于三点:1)需要在标签很稀少的情况下生成高质量的模型;2)有海量的数据需要分析,需要有足够的算力;3)需要能够对抗专业化、团伙化、行为不断变化的欺诈分子。

但用AI打击黄牛党,仅在理论上可成立。目前还并未看到相关部门采用机器学习的方法,建立起一支AI技术队伍来阻击黄牛。所以,短期内,还是老老实实抢票吧。


原文发布时间为:2018-01-17

本文作者:常佩琦

本文来自云栖社区合作伙伴新智元,了解相关信息可以关注“AI_era”微信公众号

原文链接:【2018春运-AI大战黄牛党】智能抢票选座,机器学习阻击黄牛党

相关文章
|
9天前
|
索引 机器学习/深度学习 Python
fast.ai 机器学习笔记(二)(3)
fast.ai 机器学习笔记(二)
23 0
fast.ai 机器学习笔记(二)(3)
|
9天前
|
机器学习/深度学习 算法框架/工具 PyTorch
fast.ai 机器学习笔记(三)(2)
fast.ai 机器学习笔记(三)
37 0
fast.ai 机器学习笔记(三)(2)
|
机器学习/深度学习 算法 计算机视觉
fast.ai 机器学习笔记(四)(4)
fast.ai 机器学习笔记(四)
18 0
fast.ai 机器学习笔记(四)(4)
|
9天前
|
机器学习/深度学习 索引 Python
fast.ai 机器学习笔记(四)(2)
fast.ai 机器学习笔记(四)
96 0
fast.ai 机器学习笔记(四)(2)
|
9天前
|
机器学习/深度学习 数据挖掘 Python
fast.ai 机器学习笔记(一)(4)
fast.ai 机器学习笔记(一)
73 1
fast.ai 机器学习笔记(一)(4)
|
9天前
|
机器学习/深度学习 Python 索引
fast.ai 机器学习笔记(一)(1)
fast.ai 机器学习笔记(一)
35 0
fast.ai 机器学习笔记(一)(1)
|
13天前
|
机器学习/深度学习 人工智能 自然语言处理
|
1月前
|
机器学习/深度学习 存储 搜索推荐
利用机器学习算法改善电商推荐系统的效率
电商行业日益竞争激烈,提升用户体验成为关键。本文将探讨如何利用机器学习算法优化电商推荐系统,通过分析用户行为数据和商品信息,实现个性化推荐,从而提高推荐效率和准确性。
|
21天前
|
机器学习/深度学习 算法 搜索推荐
Machine Learning机器学习之决策树算法 Decision Tree(附Python代码)
Machine Learning机器学习之决策树算法 Decision Tree(附Python代码)
|
1月前
|
机器学习/深度学习 算法 数据可视化
实现机器学习算法时,特征选择是非常重要的一步,你有哪些推荐的方法?
实现机器学习算法时,特征选择是非常重要的一步,你有哪些推荐的方法?
27 1

热门文章

最新文章