DataVisor维择科技:无监督AI引擎下的游戏反欺诈“保卫战”

兴发娱乐官网

8月2日,以“数字新娱乐,新技术,生活”为主题的第17届中国国际数字互动娱乐展(ChinaJoy2019)在上海新国际博览中心举行,在这场精彩的游戏盛宴上。 DataVisor是全球领先的一站式AI反欺诈平台,也参与了此次活动。雷锋网雷锋网雷锋网

随着游戏类型的不断增加,将面临越来越多的安全风险。特别是在今天的黑色制作中,欺诈行为变得越来越激烈,并逐渐渗透到各行各业。在竞争激烈,具有挑战性和可持续性的游戏产业中,欺诈行为让黑人生产者得以滋养。

今天,雷锋邀请DataVisor的高级行业顾问余丹谈论游戏行业的黑色欺诈形式和反欺诈技术。

%5C

游戏行业欺诈态势大揭秘

近年来,社交平台和电子商务平台发展迅速,改变了人们的生活方式和社交方式。越来越多的人看到了在线“红利”。在游戏产业中,这种情况是黑色的。生产和欺诈为增长,广角,多形式损害用户权益和谋取非法利益提供了肥沃土壤。

于丹告诉雷锋,游戏行业的欺诈行为正以某种方式形成生态,未来将是黑暗。她从两个方面详细解释了游戏行业中欺诈的类型和形式。

一方面,游戏推广存在欺诈行为。这种欺诈主要是由制造商通过互联网推广的布局。国内期间不允许游戏的许可证号码,这导致许多游戏制造商出国发行许可证。他们经常在促销购买时购买假货。从广告,广告,甚至应用商店,都有欺诈行为。行为。另一方面,在进入游戏应用程序之后,当用户进入游戏时,他将面临一系列欺诈,例如刷牙,刷牙,插件,错误检出,错误购买设备和错误充电。

虽然许多机构进行反欺诈监控和攻击,但所谓的高点是一英尺高,高度是一英尺。在跟踪和分析黑人行为数据时,于丹发现了那些黑人生产者的“眼睛”。简而言之,黑人生产者将模拟真实的人。特别是在点击时,许多第三方不愿意向客户提供数据。客户很难在不点击数据的情况下分析数据,因此他们给了黑色产品一个机会。他们还使用一些极好的方法(如虚拟用户)来创建带脚本的帐户并将它们一起控制,而大批量操作可以降低成本。一些黑色产品也会组织自己的虚拟机,但这种方法成本高且难以转移,因此很多黑色产品会选择模拟动作形式。

“我们有专门从事黑色生产的人。我发现一些黑色产品实际上是一些集团控制的软件。它们花费很多,需要购买设备。现在他们直接使用一些模拟软件,他们可以直接控制一百个。成本正在下降。如果他们的脚本编程良好,他们可以实现随机设备和随机IP。当他们想要进行批量控制时,他们将按照点击进入游戏,然后注册和记录,然后完成的过程新手导航。这是一个集体行动。“

从上述黑色欺诈形式可以看出,在游戏产业的各个方面都可能存在刷牙和刷牙欺诈,特别是在游戏推广阶段,这已经成为黑人生产的焦点。余丹认为,这种大规模的类似行为可以成为反欺诈监控的标准。

反欺诈的“硬核”

虽然黑色产品令人尴尬,但它们并非不规则。它们通常表现为帮派,模仿正常的用户行为以逃避检测。一般而言,使用行业经验进行规则创建和模型培训的传统反欺诈解决方案无法检测到新的攻击。

“与传统的反欺诈检测技术相比,DataVisor的无监督反欺诈程序可以查看全球所有账户的活动信息,并能及时有效地区分潜在账户和合法账户。”

以点击欺诈和安装欺诈为例。当用户看到广告时,它会生成点击广告的操作,铁匠将使用归因规则通过大型点击事件和点击劫持来欺骗归因。此时,无监督学习可以通过客户提供的脱敏数据将每次点击归因于每个用户,然后分析用户在下载APP之前生成的点击次数,以及每次点击事件的行为方式。通过无监督的聚类分析揭示欺诈行为并进行详细解释。

除了区分账户的“善与恶”之外,无监督学习还可以挖掘账户之间隐藏的关联,及时发现未在培训数据中发现或标记的新攻击,有效应对不断演变和不断升级的欺诈行为,以及它可以有效地输出集团业绩,并为客户提出多元化的风险控制策略。

于丹提到,当DataVisor服务于中国的第一个客户Funplus时,游戏行业的欺诈和技术非常多样化。

最初,攻击者通过闪烁下载了最常见的欺诈手段。随着技术升级,他们开始在应用程序内进行虚假检查,虚假和活跃。他们相隔六个小时,一个小组每六个小时活跃一次,另一个小组在下一个时期活跃,每天三到四次。在无监督学习测试下,这些行为及时探索群体行为之间的可疑关联和相似属性,并及时调整模型以使其始终有效。

从那以后,一些游戏公司一直保持稳定,突然间出现了悬崖式的保留。用户在本月上半月非常活跃,并在第15天集体消失。通过无监督监测,发现这是一种黑色生产方式。他们和制造商预留14天的关键绩效指标,让这些假用户移动了14天,经过15天的钱,他们全部撤回。实际上,DataVisor在七天内监控了这些黑色生产操作,并随后将窗口期延长至15天,使得输出组结果更加详细,帮助客户开发更准确的解决方案。

在谈到与不同厂商的合作时,于丹表示,不同公司的情况不同。无监督学习计划,用户数据分析,建模,培训和其他过程的过程是不同的。

“我们可以用三天时间帮助制造商完成模型构建,但通常需要2-3周,具体取决于制造商的具体情况。前一阶段通常是数据收集和特征提取,然后是培训结束后一周的模型培训。是时候部署,与客户合作进行试运行并使用指导。“

在数据收集方面,于丹指出了三种方式。第一种是来自数据跟踪公司,该公司通过与游戏制造商合作的第三方数据跟踪平台访问数据。第二是游戏制作者收集他们自己的数据并通过离线传递获得它。此方法不涉及客户隐私问题。第三,DataVisor以自己的方式获取数据,例如SDK,它可以直接收集客户数据以便于建模。

无论哪种方式,都应该为每个客户的数据进行单独的特征提取和模型培训。在模型培训过程中,供应商的基础技术保持不变,包括游戏中的一般过程,例如许多游戏需要登录和注册的步骤;而改变是个性化每个客户的游戏功能,如卡。纸牌游戏不需要注册。进入游戏后,他们可以直接找到对手。这需要一个匹配游戏功能的模型。

在实际游戏中,需要不断调整由无监督学习构建的模型。玩家行为是可变的,并且在许多情况下,事先预测并不容易,特别是对于某些计算机专家,他们可能会改变各种形式来进行攻击。对于无人监督,没有必要提前预测播放器的行为和特征,而是通过批量和群集捕获及时调整模型,并进行聚类分析以筛选黑色生产,其中涉及无人监督的爬行。准确性和效率问题。

“我们在制作模型时会考虑到准确性。模型的尺寸越精细,精度越高。例如,在三维空间和数千维中,数千维中的数据必须更准确。因此,我们在我们获得的数据字段中进行特征提取,非常精细地剪切每个特征,然后在高维空间中进行聚类分析以提高准确性。同时,调整每个场景的容错率。也就是说,针对不同场景中的玩家的需求调整爬行的准确性。

虽然高维度会提高精度,但标签越多,精度越高,但数据处理领域越有效,精度越高。例如,当需要用户的纬度和经度时,客户无法报告。此时,即使有一百个用户,也将其视为无效字段。只有有效字段可以更精细,并且需要进行后续调整以满足特定需求。

于丹举了一个例子。 “在游戏欺诈中,购买服务器更为常见。当游戏制造商需要100个新的美国用户时,黑色生产商将购买一些代理IP,这将使用户的IP能够在美国生成。我们从美国制造用户当我们获得数据时,我们发现这些用户的行为非常突出。在对聚类分析进行建模后,这些代理的IP处于不同的区域,因此用户的行为显示出全局性的跳跃。也许在北京一秒钟,在西雅图的下一秒,通过我们对全球欺诈用户的观察,我们发现知识产权最集中的地方是柬埔寨,人力资源更便宜,因此黑人生产更加集中。“

随着欺诈技术的不断完善,无监督学习不断升级和迭代,加强数据分析,对每个渠道进行微调,数据可视化分析带来更好的体验,无监督学习满足用户需求越来越接近市场需求。

中小型企业市场路在何方

无论是大型企业还是中小型企业,与安全和利润相关的事物都不容忽视。在游戏行业,即使是由一两个人开发的游戏公司也会遇到花钱购买假货。这些虚假充值和虚假用户不仅可以增加价值,还可以影响利润甚至长期发展。在与中小企业配套的过程中,于丹还发现,中小企业有自己的技术问题,如没有特殊的技术支持,一个人就有多个职位,这是一个巨大的市场需求,DataVisor触角逐渐扩展到中小企业。

但对于中小型企业来说,他们的数据量非常小,这也让许多制造商担心。他们认为自己的数据不足以监控欺诈,建立模型和培训模型。

“还可以在不依赖海量数据的情况下进行反欺诈监控。无监督学习的核心在于特征工程研究。基本上,一个月内有数万个数据。这个数据标准已经非常低,基本上放在应用程序商店中。它可以实现。“具体而言,无监督学习可以根据客户拥有的数据量建立满足实际需求的模型,然后在后续培训中逐步调整。

随着中国的发展,DataVisor和中小企业已经在这个项目上工作了两年。未来,似乎中小企业的沉没是DataVisor的必然发展趋势。一方面,我们可以看到中小企业的无监督学习和数据。这场比赛非常高,另一方面,头部市场基本上也是如此。

在谈到未来布局时,于丹说:“第一步是保存数据对接过程,可以通过第三方直接连接。其次,它将为客户提供更多解决方案并带来更好的体验,例如帮助客户进行数据收集,向客户提供建议,可视化数据分析和解决方案等。“

中小型游戏企业市场复杂多样。如何在深化市场需求,满足企业个性化需求的同时不断改进技术,是中小企业市场开放的关键。