隨着電商平臺的發展，網購已經成爲了大衆最喜歡的購物方式之一。在網上購買商品時，很多人都傾向於通過觀察銷量、評價等信息來判斷商品的好壞，這也直接催生了一個灰色產業——刷單。部分商家會通過刷銷量、刷好評等行爲，來提升自己的店鋪熱度。這種欺詐行爲，不僅會矇騙消費者，也會直接影響電商平臺的信譽。從另一個角度講，商家對手之間的惡意競爭，也會引來欺詐者對對手商家的大量差評，用來打擊對手，提升自己。
那麼面對這種情況，如何“反刷單”呢？國內最大的互聯網安全公司360與中科院計算所副研究員劉盛華博士合作，共同對這一問題進行了深入的研究。
傳統反刷單方法效率低 基於特徵抓取錯誤率高
劉盛華博士是美國卡耐基梅隆大學（CMU）訪問學者，清華大學博士，美國加州大學洛杉磯分校（UCLA）訪問研究助理及學術界校友代表，其所帶學生是國內長期研究異常檢測的科研團隊之一，也是中科院網絡數據科學與技術重點實驗室的一支科研隊伍。
對於“刷單”問題，劉博士介紹到，目前大多數的互聯網絡公司都有風控部門在針對“刷單”行爲開展反欺詐工作。然而遺憾的是，他通過和一些公司技術人員的交流，以及在相關學術會議上的討論，發現很多公司的反欺詐措施仍停留在傳統方法上。
這種傳統的反刷單方法，一般通過提取已經發現的欺詐者屬性特徵，或者分析欺詐買家的特徵，歸納總結出一些特點，然後按照這些特點再到掌握的信息池中去抓取欺詐者。
但目前流行的刷單手段會通過刷手買真實用戶信息、模擬真實購物行爲、發“真實物流”（空包物流）以及先刷店鋪訪問量再刷訂單數等較小的代價來避免反欺詐系統的檢測。因此傳統基於特徵的檢測方法，存在着先天的缺陷，要麼只管用一時，要麼容易出現錯誤抓取。
360天御提供安全助力 從“大圖”數據入手遏制欺詐
針對目前存在的問題，劉盛華博士團隊提出了一種基於行爲關係的檢測方法，因爲任何欺詐都需要行爲的發生，所以根據行爲的特點進行檢測，便可以讓欺詐者原形畢露。劉博士進一步介紹稱，這一方法的基本思路是基於“大圖挖掘”的異常檢測，這張大圖就是每個普通用戶（包括隱蔽其中的刷手）在店鋪裏的訪問、購買、評論等行爲。
爲獲取回報，大部分用戶的刷單、刷量行爲不會只有一次，再加上隨後會帶來的好評、瀏覽量、銷量的突增等，都可以在“大圖”上表現出不自然的聚集現象，這樣一來，表現異常的“刷單相關者”就容易被揪出來了。
當然，不僅僅是一些店鋪在刷單，許多APP也開始了“刷量”，甚至不僅僅是刷好評和銷量，甚至給對手刷差評、打低分，也都會在大圖上表現出來，使欺詐者和欺詐行爲被檢測出來。
在互聯網不斷髮展、移動互聯網飛速擴張的今天，面對網絡行爲的大數據，想要去挖掘這些線索，就需要更先進的算法和更準確的評估計算。對此，360安全大腦爲劉博士團隊提供了技術上的支持。
其中，360天御作爲由360安全大腦賦能，主攻移動安全的品牌，將協同劉博士團隊共同開展“反欺詐”工作，通過有效的風控手段迫使欺詐者放慢刷單節奏、增加賬戶成本，使刷單欺詐的“生意“在互聯網中失去市場和生存空間。
據介紹，360天御是由之前備受開發者青睞的加固產品360加固保全面升級而來，升級之後不僅將產品資源重新整合，還可以提供一站式移動安全服務。至今，360天御共服務移動應用80萬+，每天保護15億移動終端用戶，已覆蓋政府、互聯網、運營商、金融、遊戲、教育、醫療等應用場景。
相信在這樣“強強聯合”的努力下，電商平臺、移動應用等刷單欺詐現象將得到有效遏制。與此同時，國家誠信體系建設也在逐步完善，執法手段不斷優化，這些都將大大提高欺詐行爲的成本和風險。相信在未來，比起“刷單”市場，商家將更願意把錢花在改善產品和服務的方面，最終形成良性的市場生態循環。
聲明：該文觀點僅代表作者本人，搜狐號系信息發佈平臺，搜狐僅提供信息存儲空間服務。
