结合一号店现在的业务，讲述现在电商普遍面临的问题，如账户安全，批发黄牛，广告作弊等，直指电商痛处。并对每一种潜在风险都提出了自己的解决方案。如购买信用度，验证码方案，舆情监控等。议题中凌云介绍了一种雪崩算法，并举例：根据密码错误的次数自动调整认证流程的延时，议题干货很多 提纲 我为什么要做反欺诈 1号店反欺诈系统 购物安全 账号安全 广告安全 未来的展望 信用卡安全 交易安全 金融衍生风险 干货

2014最新欺诈攻击技术 趋势分析 如何构建新一代动态金融欺诈安全防御体系 如何构建移动支付安全解决方案 大数据优势欺诈情报分析与跨渠道服务的优势 问与答

可解释性背景 模型解释方法 可解释性实践 可解释性展望

数字身份凭证 数字身份凭证生命周期安全挑战 数字身份和设备指纹 设备指纹形成 有趣的案例 设备指纹 —— 用户分组 设备指纹 —— 快速用户登录 防欺诈更多应该解决的问题 某些用户行为指标 但是单一指标很高的FP/FN，需要ML/AI来降噪 用户行为复合指标 AI聚合分析 实现全流程闭环的防欺诈引擎 有预测、有现状、有收益 题外话 —— 识别登录在闭环中的价值

各国法律法规逐步加强了数据安全要求，iOS14、Android11等操作系统也都强化了权限控制和数据安全管理，因此亟需产业链各方配合，从法律法规、技术标准、行业自律等方面营造良好的数字经济环境。本议题对移动互联网数据造假治理提出一些解决思路和建议。

卢铮在分享中指出，唯品会引入金融知识图谱的目的主要是为了对抗团伙欺诈。反欺诈其实就是一个机器学习中的二分类问题，金融知识图谱就是作为提取特征的工具，主要起到三层作用，第一层是连接账号、挖掘账号背后的人；第二层是连接欺诈者，挖掘欺诈者背后的人；第三层是把所有人都连接起来。 卢铮现场讲解金融知识图谱建立、分群、群特征提取的操作方法，目前，唯品金融图的规模是10亿个节点，9亿条边。利用基于金融知识图谱的反欺诈技术，唯品花申请通过率在降1%的情况下，坏帐率可以降20%。 概述 • 背景介绍 • 建图 • 分群 • 图特征提取 • 模型训练与效果

马骏驱总结国内互联网行业反欺诈现状有以下三点：单兵作战，无联防联控；对线上欺诈风险认知不足；对交易以外的欺诈忽视（如登录、注册）。 联防联控是我们唯一做反欺诈的方法！最优！最后马骏驱总结道：在大数据在下行经济的影响有利有弊，反欺诈是海啸前夕的一道防御堤坝！

分享了业务安全的方方面面、坑坑洼洼、黑黑白白，IP识别、验证码对抗、设备识别、人机识别、关系网络、订单泄露等干货 #总结  内忧  攻防成本  大公司的内部合作  内外勾结,尤其是外包  外患  游击队VS合成旅  NO DATA NO BB,貌合神离的各类合作组织  OTHER  情报组、爬虫组、重案组、政委下连队、联席作战  数据狂:宽表、关系网络  联防:黑手机、高危身份证、黑名单、多头贷款、黑卡

行业分类-物理装置-基于互联网数据的金融欺诈行为的识别方法.zip

金融反欺诈的具体方案和实现环境、条件的介绍，提出了有效的解决办法。