为什么图计算能正面硬刚黑色产业薅羊毛？
原创：谭婧
全文审核专家：朱小坤
场景一：电商给新用户的补贴，黑产账户薅走了。
场景二：每当竞争店铺花钱打广告，就立刻雇佣黑产账户一顿疯狂恶意点击，竞争店铺在线广告费一会就花没了。
场景三：一个不咋地的商品，好评一千条，虚假评论误导消费，我浏览完商品评价，都差点信了，好在兜里没钱，买不了。
数字时代，黑色产业团伙就在身边，伺机而动，假账户，薅羊毛，刷流量。
要像破案一样，掌握黑产行动规律，得用图计算技术。
头部电商APP的注册账号可以高达四亿以上，不免混入不明身份之辈，比如黑产操控的账户。
从几亿账户中找到“异常”账户谈何容易，而一个很好用的破案线索叫作“关系”。
“找关系”的本质是在图这种数据结构上挖掘信息，也可以称呼为“图挖掘”。
（还可以看这篇文章：《原来，知识图谱是“找关系”的摇钱树？》）
黑产账户常常团伙作案，且早学会了伪装。除了作假，黑产账户会有正常的浏览和购买，专门迷惑人。
可以说，这些黑产账户有智商，但不高。
它们的“智商”足以让常规系统无法辨别。
如何用图挖掘技术“找到”它们呢？
用一个想法巧妙的图挖掘算法。
这一算法原理好比浓缩咖啡。把一大杯咖啡，浓缩成一小杯。记住“浓缩”这个动词，很关键。
浓缩的过程，是把不可疑的用户从图里不断移出来。
把一张全局大图浓缩出最可疑的小图，黑产控制的账户就藏匿在里面。
电商场景的图里可以有很多类别的顶点，商店，商品，账号，品牌，设备等等。
我们只选两种顶点，一种是商品，一种是购买商品的所用的设备（手机，笔记本电脑都行）。
最开始，建一个“下单手机”和“商品”的二部图（只含有两类顶点的图）。
在某个电商APP里面下过单的所有手机都以编号的形式 “画”在图里。
下单手机和商品之间的关系包括购买，浏览，收藏，加购。
第二步，引入“可疑度”来量化每个下单手机作弊的可能性。
下单手机的可疑度怎么计算呢？一台手机下单的次数（也称顶点入度），计算每个顶点的可疑度。
算法设计可疑度的巧妙之处，就是能分辨得出作弊和非作弊的边界，从而找到作弊团体。
最开始的时候，图里既有作弊的账户，也有正常消费者的账户。毕竟，作弊的人是少数。
一个用户关心的商品占平台商品总量的很少很少一部分，所以呈现出一张稀疏的二部图。
电商的二部图的全局规模很大，顶点数量可达到几十亿，边数量可达几百亿。当之无愧工业级图数据。
我们的目的，就是找到那张“边”最密集的局部图。
我要用一个与顶点数量无关的量来刻画最后的结果。就好比，液体浓度和盛液体的容器没有关系。
不断删除可疑度最低的顶点。相当于，在不断地浓缩可疑度的浓度。
第三步，再用贪心算法的思路，动态删除最小可疑度顶点。
于是，可疑度小的顶点被一一删除，留下那些可疑度大的顶点。
这个图挖掘算法叫啥名字？
这是Fraudar算法，来源于2016年的KDD会议，是美国卡耐基梅隆大学克里斯托·法拉特（Christos Faloutsos）教授团队论文，并获得了当年的最佳论文奖。
图计算正面硬刚黑产薅羊毛的行动还在继续，随之而来的是图深度学习技术的灿然一新。
作弊手法绝不会一成不变，Fraudar算法不能抓到所有的黑产账户。
Fraudar算法只用到了图结构的信息，还有更多信息没有用起来。
有的账户频繁切换IP，频繁切换手机的操作系统等等，这些都是逃避”抓捕“的异常行为。
加入特征，用图深度神经网（比如GraphSAGE）做分类任务，区分“好人”“坏人”，这样就能找到更多黑产账号。
最后，多轮分析和验证，证明抓出来的账户是黑产账户，以免误伤好账号。
图深度学习一种强有力的工具，用于反黑产时，像一面照妖镜。
能把图深度学习用得好的企业，那都是高手。根据亲爱的数据可靠消息，你手机里的那些知名的APP，淘宝，支付宝，京东商城，小红书等等都在使用这一技术。
（完）
全文审核专家：
更多阅读
漫画系列
1. 万字大稿深度解读硅谷风投A16Z“50强”数据公司榜单
4. AI for Science这事，到底“科学不科学”？
AI框架系列：
DPU系列：
2. 永远不要投资DPU？
其他：
3. 隐私计算：消失的人工智能 “法外之地”
4. 售前，航空母舰，交付，皮划艇：银行的AI模型上线有多难？
5. 两大榜单揭晓啦，2021年中国高性能计算机性能TOP100+国际人工智能性能排行榜AIPerf500
最后，再介绍一下主编自己吧，
我是谭婧，科技和科普题材作者。
为了在时代中发现故事，
我围追科技大神，堵截科技公司。
偶尔写小说，画漫画。
生命短暂，不走捷径。
个人微信：18611208992
还想看我的文章，就关注“亲爱的数据”。
分享、在看、点赞、打赏 ，都是爱