商户、骑士、买家、推广BD 可能是同一人，百度外卖把他揪出来了
做得一手好川菜的老徐，终于在 40岁时拥有了自己的小饭馆，从打工仔摇身一变成小老板，经过20年的打拼，北京这座城市终于让他有了一点归属感。
之所以敢下决心自己干，还要得益于这两年做的风生水起的外卖业，在用餐高峰期，这个看起来不足20平米的小饭馆流水非常可观，门口总是挤满的各路外卖小哥的电动车，有时店里的外卖小哥比用餐顾客还多。
这也不难理解，由于老徐的餐馆在几个外卖平台都有满 50 减 30 的优惠，点外卖要比来店里吃划算的多，老徐看了账目，心中盘算，辛苦一年基本就能收回成本了。
直到前不久，他接到一个陌生的电话，对方声称可以让他有一个快速赚钱的方法，老徐动心了。
商户、骑士、买家、推广BD 可能是同一个人
电话那头的陌生人是通过外卖平台的“商家信息”得到老徐的联系方式，他介绍商家在外卖平台上其实有一些空子可钻，而且已经有其他的商家在不付出任何成本的情况下，赚了不少钱。
对方所说的空子，其实就是各大外卖平台“烧钱火拼”的补贴政策。
按照正常情况来说，买家在平台上选择自己喜欢的商家和菜品进行下单，商家收到下单请求后确认，这时骑手会收到派送任务，把餐取过来之后交给用户。
那在这个过程中如何来钻空子？
对方以老徐饭馆的“满 50 减 30 ”为例，当买家选够 50 块钱的菜品之后，不考虑包装费和配送费，只需要支付20块，但是商家依然能收到50块，这30块就是平台补贴给商家的。
那现在如果商家找一个人伪装成买家，下单之后商家不需要出餐，从50块中抽去20块给“假买家”，就可以不花任何成本的赚到补贴的30块，这时商家也可以从中再分给“假买家”一些钱，实现双赢！
那如果骑士跑来取餐怎么办？
对方等的就是这个问题！
“你可以跟骑士说买家自己取走了，或者更方便的是，自己找骑士伪装成买家直接下单，这样骑士不仅可以白赚配送费，还可以拿到补贴分成”！
听到这里，老徐醍醐灌顶，原来商家、骑士、买家可以是同一个人！
对方告诉老徐，更重要的角色其实是“BD”，即负责外卖平台推广的人员，他们负责把商户和买家用户吸引到自家的外卖平台中，比如商户如果入驻到某个外卖平台，是需要把资料提交给BD审核，于此同时，BD还能左右满减的额度，如果能认识内部的BD，说不定还能满 50 减 40！
老徐一盘算，如果 BD 开一家饭馆，然后自己来同时充当商家、买家和骑士，就可以妥妥的无成本赚取补贴，还可以给自己刷销量，写好评……
-----讲正事分割线-----
上面的剧情改编自百度外卖风控技术负责人王永会的一场演讲，其中的每一个环节都在现实中真正发生过。
宅宅终于知道为什么某些商家的饭巨难吃，但销量和好评却很高的原因了！长此以往，可以想象会为外卖行业造成怎样的伤害。
目前，骗取平台补贴和刷单的黑产从业者已经布下了比较完整的产业链，除了上面提到关系复杂的各路角色，还有提供专业“装备”的黑产从业者，他们通过提供的海量手机卡、刷机软件、接码平台等，模拟出正常的用户来上平台“薅羊毛”，有些黑客甚至以出卖教程而获利不少。
面对各路黑产从业者所组成的产业链条，如何构建严密的风控体系就成为摆在王永会和团队面前的难题。
在演讲现场，王永会介绍了百度外卖的多角色的健康度模型。
百度外卖风控最主要的特点，是覆盖了多个角色和渗透到业务各个角落的健康度体系，这个健康度体系包含很多，像商户健康度，用户健康度，还有骑士、BD、订单、平台等等。重点是如何把结果应用到整个业务产品线的各个链条里面去，这样才能形成一个完整的生态。比如我们把商户的结果同步到推荐系统，同步到检索系统，这样的如果商家有一定问题，就会在你的推荐排名上提现出来。还有用户的健康度，会同步到相关的营销中。
换句话说，检测出异常行为的商家，就休想再获得好的推荐位置。用户出现异常行为，对不起，优惠没有了！
那风控体系究竟是如何揪出这些异常的用户和商户的？
针对用户：如何揪出谁在刷单？
不知攻，焉知防。
先来看“机刷”的套路。
由于各大外卖平台对于新用户都会有一个力度比较大的优惠，所以黑产从业者也盯上了这块“肥肉”。
我们通常在外卖平台下单时，需要注册账号，一般都是手机号，如果你已经用自己的手机号下过订单了，再想刷新用户怎么办？
有需求就有市场，一个名为“接码平台”的系统应运而生，“羊毛党”在这里不仅可以获得一个手机号，还可以得到平台返回的验证码。
但你就一部手机，平台也会检测到设备是不是出现过。
这时，一个名为“手机模拟器”的软件就出现了，它可以生成一份新的手机参数，企图绕过对设备指纹的检测。
再来看看“人刷”的套路。
这是某个QQ群中“羊头”的指示：
打开××外卖，定位徐州人家小区，搜索柱子把子肉，随便点一份餐，大概20元左右，收货地址写：徐州人家5-1-201，必须选择货到付款，20分钟后确认收货，必须5分好评，好评不用很麻烦，比如很优惠、好好吃、划算……好评截图给我就可以结款，不用垫付一毛钱，收藏店铺。
如果“机刷”还得有找模拟器、绕过设备指纹等步骤，人刷直接面对的一个个真实的人，面对这些大量的QQ群和微信群，又该如何识别这些团伙？
王永会介绍，对于用户的风控，系统会从设备指纹、规则引擎、机器学习模型等三个层次分级分析，层层过滤。
用户的风险控制一共有三道防线，第一个是设备惟一性，设备指纹主要就是解决机刷的手段，我们目前已经研发了超过38条以上的多维签发的设备，来绕过刷单软件。同时我们会做一些刷新软件的识别，识别手机上这个东西是不是刷新软件，是不是采用一些模拟器（在PC上装一个模拟器，就可以生成像手机一样的东西）。
第二道防线就是大家常见的叫规则引擎的方式，这个业界也是非常主流的做法，其实规则的方非常有效，和监控搭配可以非常高效、灵活的做一些事情，尤其是突发事件的应对。
其实前面两个防线可以把机刷和少部分的人刷控制住，第三道防线就是采用机器学习的方式，我们把用户的行为研究，像他的浏览行为和操作行为，订单分析，用户画像相关的，结合用户在前两道防线上留下的痕迹，来获取样本，进行特征训练，评估模型。
如何识别一个QQ群中的多个“羊毛党”？王永会用“齐步走”来解释如何根据行为来构造用户关系网络。
其实这些人在群里都是有组织有纪律的，步调往往一致，可以通过这种行为来构建用户的关系网络，根据大小，以及牵扯的其他的业务属性，量化它的风险，从而筹建一个健康度。
比如中间的小图，圆圈表示用户，方块表示商家，为什么用户异常（红色），而商家很好（绿色）？这就是刷排名，或者刷销量的方式。
这也是第三道防线的“威力”所在。
它能在在识别用户风险上，综合个体、分身和群体的识别结果，并将结果应用于营销活动、用户画像、实时拦截等环节。
针对商户：防止BD 联合商户骗取补贴
一般商户风险有三种形式，一个是刷补贴，一个是刷销量（刷排名），另外一个就是虚假店。
前两项在老徐的故事中应该有所体现了，针对这种情况，可以根据每个商户的用户、订单、物流、商户菜品等维度进行深度挖掘，建立风控模型，最后根据模型结果建立自动化的分级处罚机制。
对于第三个虚假店，其实识别是个很复杂的过程，王永会在演讲中以“商户上传假图片”为例。
换句话说，如果你想开家饭店，也许只需要一个技能------PS。
对于虚假商家的问题，BD 在帮着商家提交资料的过程当中，有一项资料是提交商家的门口照片。
王永会说，当商家入驻到平台时，审核人员看到的只是其中一张图，还不是三张，这时候更难分辨哪个是真的，哪个是假的，这就需要做盗图检测和PS识别，针对盗图的技术方案已经非常成熟。
我们目前能够做到准确率达到99%，这个东西必须要与PS检测结合起来，PS检测不幸的是也是一个非常难的题，现在没有针对PS的针对解决方案，前段时间网上发酵了一个薛之谦事件，很多网友说他是P的，他认为你P图跟原图压缩之后不一样，我们内部做PS检测的时候也有类似的方案。
其实，如果风控直接做在审核环节，像上面的虚假商家，在审核图片环节就可直接拦截。
最后，对于整体的外卖风控工作，王永会总结，其实数据是根本，模型是工具，理解业务是关键。只有掌握了用户、商户、骑士等各方面的数据后，才能建立模型对异常用户进行识别，这个过程中最大的挑战就是业务渗透，百度外卖的健康度模型之所以效果不错，还是得益于与业务团队的合作，把风控渗透到了各个业务角度当中。
本文部分内容来自2017TOP100全球软件案例研究峰会 数据科学/人工智能专场。
演讲人：百度外卖风控技术负责人 王永会
戳蓝字查看更多精彩内容 探索篇 ▼ 真相篇 ▼ “老婆，开门”，隔壁老王带来的恐惧 人物篇 ▼ 更多精彩正在整理中…… |
---
“喜欢就赶紧关注我们”
宅客『Letshome』
雷锋网旗下业界报道公众号。
专注先锋科技领域，讲述黑客背后的故事。
长按下图二维码并识别关注