DataVisor CEO谢映莲：无监督机器学习可以自动识别未知型欺诈

【环球网 记者 邓云】5月26日-29日，2019中国国际大数据产业博览会(以下简称“2019数博会”)在贵阳举行。本届数博会以“创新发展·数说未来”为主题，吸引了来自59个国家及地区的两万六千多名受邀嘉宾，448家国内外参展企业、机构，带来大数据发展的新方法、新路径和新成果。

随着新一代信息技术的高速发展，信息安全面临巨大挑战，运用大数据推动经济发展、完善社会治理、提升监管能力正成为大趋势，而大数据时代更需要重视信息安全，以保证网络安全与信息化。

在2019数博会“独立 互联 智能——产业互联下的网络安全创新发展论坛”上，DataVisor维择科技创始人兼CEO、华裔AI科学家谢映莲认为，无监督机器学习区别于传统的有监督机器学习，可以在不借助任何“标签数据”的情况下，通过数据的自动分析来自动挖掘出存在的风险，以应对复杂多变的欺诈性攻击，保障信息安全。

在反欺诈领域，面临的对手往往是在不断的变换技术和手段，在这种情况下我们需要更为智能化、可以随着攻击的发生自动应对，自动的检测出这种未知类型的新型欺诈攻击，以不变应万变，这也是无监督机器学习的特殊性。然而，无监督机器学习属于新型的机器学习方法，目前还在迭代优化以适应更多样化场景的运用。

以贷款为例，银行会为了降低可能存在的风险，会尽可能的查看贷款人的各种征信信息，如购物记录、贷款记录等，用详尽的信息以此来确保贷款人是否具备偿还能力。实际上只是用这些行为数据来模拟得到一些相关的征信信息，无监督机器学习则并不需要这么多个人的征信信息，而是只是通过个别信息就可以做出判断，降低了个人信息泄露的可能性。

谢映莲认为，无监督机器学习不仅可以运用于个人，还可用于企业方面。如传统行业在互联网化进程中需要新型的风控，但另一方面它的业务形态还没有转变，没有数据源，所以存在很多不确定性，加上受人口基数大、认知的偏差、更愿意用人力去解决问题而不是靠技术解决等因素的影响，我们面临的欺诈挑战尤为严重。

“虽然在技术落地的过程中可能会碰到不同的阻力，不过随着时间的推移，新技术的慢慢运用，大家对欺诈行为的认知也会慢慢提升上来，相关技术的运用的阻力也会变小。”

在社交、电商领域中，我们经常能遇见许多欺诈性行为。比如许多电商喜欢采取促销手段来吸引消费者，但是这些促销手段并不能真正的到消费者手中，而是被“羊毛党”薅走。通过无监督机器学习的相关技术，可以尽可能的减少“薅羊毛”现象。

在针对数据泄露方面，谢映莲表示：一方面增加用户体验，建立起双方的信任机制;另一方面，要从数据安全的源头上，进行一些加密技术的处理，从而降低数据外泄的可能性。有些信息并不需要准备非常精确的地步，这些信息可以加密处理，或者模糊匹配处理，不至于用户隐私被泄露。此外，还可以将后台的大数据处理与终端的智能计算相结合，在某些情况下把计算好的信息传到后台，再进行加工和处理。

“我们推出的dCube全面反欺诈管理解决方案，可以根据自身业务逻辑来设计和调整机器学习的方法论，从而在模型层自动生成有监督或无监督的机器模型，并在应用层给出欺诈报告或进行深度案例分析。”谢映莲说。