作者：vivo互联网安全团队-DuanYunxin商业化广告流量变现，媒体侧和广告主侧的作弊现象严重，损害各方的利益，基于策略和算法模型的业务风控，有效保证各方的利益；算法模型可有效识别策略无法实现的复杂作弊模型，本文首先对广告反作弊进行简介，其次介绍风控系统中常用算法模型，以及实战过程中具体风控算法模型的应用案例。一、广告反作弊简介1.1 广告流量反作弊定义广告流量作弊，即媒体通过多种作弊手段，获取广告主的利益。作弊流量主要来自于：模拟器或者被篡改了设备的广告流量；真设备，但通过群控控制的流量；真人真机，但诱导产生无效流量等。1.2 常见的作弊行为机器行为: IP重复刷量、换不同IP重复
引言如果决策引擎是风控的大脑，那么规则引擎则是大脑内的重要构成，其编排了各种对抗黑产的规则，是多年对抗黑产的专家经验的累计，本文将向你介绍规则引擎的构成及实现。背景什么是规则引擎？规则引擎可以帮助企业将业务决策从应用程序代码中分离出来，并使用预定义的语义模块编写业务规则。这使得企业可以更灵活地管理和修改业务规则，而无需修改应用程序代码。规则引擎可以接受数据输入，并根据业务规则解释数据，做出业务决策。这些业务决策可以是自动的，也可以是人工干预的。规则引擎通常包含如下几个部分：规则库：规则库包含了所有可用的规则。这些规则可以是预先定义好的，也可以是动态生成的。策略：用于管理规则，是对规则的条件组装
引言如果决策引擎是风控的大脑，那么规则引擎则是大脑内的重要构成，其编排了各种对抗黑产的规则，是多年对抗黑产的专家经验的累计，本文将向你介绍规则引擎的构成及实现。背景什么是规则引擎？规则引擎可以帮助企业将业务决策从应用程序代码中分离出来，并使用预定义的语义模块编写业务规则。这使得企业可以更灵活地管理和修改业务规则，而无需修改应用程序代码。规则引擎可以接受数据输入，并根据业务规则解释数据，做出业务决策。这些业务决策可以是自动的，也可以是人工干预的。规则引擎通常包含如下几个部分：规则库：规则库包含了所有可用的规则。这些规则可以是预先定义好的，也可以是动态生成的。策略：用于管理规则，是对规则的条件组装
导读：众所周知，信息时代下的数据就是能源，就是生产力。但是面对海量、纷繁的数据，特别是在金融领域，如何充分地利用数据是核心问题。本次分享主要想和大家一起探讨下，在金融风控场景下，如何通过数据对齐模型和业务目标，哪些数据、方法可以应用于风控模型，通过哪些指标可以正确地评估模型效果，以及最终如何用数据科学解释模型结果。今天的介绍会围绕下面四点展开：科学定义数据科学应用数据科学评估数据科学解释数据--01科学定义数据1.金融风险管理信贷业务本质是储蓄转化为投资的一种形式。类比于其他的互联网业务，电商平台的推荐系统实现的是客户和商品需求之间的精准匹配，广告平台的投放系统实现的是客户和潜在兴趣之间的精准
导读：众所周知，信息时代下的数据就是能源，就是生产力。但是面对海量、纷繁的数据，特别是在金融领域，如何充分地利用数据是核心问题。本次分享主要想和大家一起探讨下，在金融风控场景下，如何通过数据对齐模型和业务目标，哪些数据、方法可以应用于风控模型，通过哪些指标可以正确地评估模型效果，以及最终如何用数据科学解释模型结果。今天的介绍会围绕下面四点展开：科学定义数据科学应用数据科学评估数据科学解释数据--01科学定义数据1.金融风险管理信贷业务本质是储蓄转化为投资的一种形式。类比于其他的互联网业务，电商平台的推荐系统实现的是客户和商品需求之间的精准匹配，广告平台的投放系统实现的是客户和潜在兴趣之间的精准
引言名单服务是风控架构中重要子域，对风险决策的性能、用户体验、成本管控、风险治理沉淀都有重要影响，本文将详细介绍名单服务设计思路和实现。背景什么是名单？名单服务通常有几个部分组成：风险类型黑名单：绝对会被拒绝的用户。大部分是历史数据清洗出来作弊或者破坏业务的用户，这部分用户对企业无价值且放之进入会破坏生态平衡灰名单：灰名单上的客户需要进一步审核。这部分用户可能存在某些风险，但是没有明确的证据表明他们是“黑”的白名单：这部分客户是正常用户，是企业数分人员基于历史表现清洗出来的合规高价值用户，可以直接放行名单维度主键：手机号、用户ID、身份证号、IP、设备标识、wifiMAC地址等等业务域：全域、
引言名单服务是风控架构中重要子域，对风险决策的性能、用户体验、成本管控、风险治理沉淀都有重要影响，本文将详细介绍名单服务设计思路和实现。背景什么是名单？名单服务通常有几个部分组成：风险类型黑名单：绝对会被拒绝的用户。大部分是历史数据清洗出来作弊或者破坏业务的用户，这部分用户对企业无价值且放之进入会破坏生态平衡灰名单：灰名单上的客户需要进一步审核。这部分用户可能存在某些风险，但是没有明确的证据表明他们是“黑”的白名单：这部分客户是正常用户，是企业数分人员基于历史表现清洗出来的合规高价值用户，可以直接放行名单维度主键：手机号、用户ID、身份证号、IP、设备标识、wifiMAC地址等等业务域：全域、
导读：风控是金融最常见的场景之一，本文将从业务和技术架构两个层面和大家探讨如何落地智能风控中台系统。分享主要围绕下面五点展开：风控中台的设计背景策略的全周期管理模型的全周期管理业务架构和能力原子化应用案例--01风控中台的设计背景首先大风控体系或者风控中台的建设在本质上是服务于业务的，所以我们需要构建一个以业务为核心的风控中台体系。以业务为核心的大风控体系应包含以下六个特点：实时化：通过实时的分析、预测，不断迭代风控能力，进而做到对风险的实时防控。精细化：指在风控业务线上，针对从头到尾的每个环节做到精细化的管理。联防联控：由于对客户做多视角风险防控，需要相对精细化，联防联控是从横向扩展来看风险
导读：风控是金融最常见的场景之一，本文将从业务和技术架构两个层面和大家探讨如何落地智能风控中台系统。分享主要围绕下面五点展开：风控中台的设计背景策略的全周期管理模型的全周期管理业务架构和能力原子化应用案例--01风控中台的设计背景首先大风控体系或者风控中台的建设在本质上是服务于业务的，所以我们需要构建一个以业务为核心的风控中台体系。以业务为核心的大风控体系应包含以下六个特点：实时化：通过实时的分析、预测，不断迭代风控能力，进而做到对风险的实时防控。精细化：指在风控业务线上，针对从头到尾的每个环节做到精细化的管理。联防联控：由于对客户做多视角风险防控，需要相对精细化，联防联控是从横向扩展来看风险
引言小小的Redis大大的不简单，本文将结合风控名单服务在使用Redis存储数据时的数据结构设计及优化，并详细分析redis底层实现对数据结构选型的重要性。背景先来交代下使用场景，在风控场景下，名单服务每时每刻都需要承受海量数据查询。名单检索内容涉及维度非常广：用户业务标识（UID）、手机号、身份证号、设备号、IMEI（InternationalMobileEquipmentIdentity,国际移动设备识别码）、WifiMac、IP等等。用户的一次业务请求，在风控的中会扩散到多个名单维度，同时还需要在RT（Response-time）上满足业务场景诉求。这就导致名单服务的构建需要承受住如下挑
