刷1单骗1毛钱？欺诈者一天狂刷300万次，公司直接损失30万！Maxent要做互联网反欺诈

玩过手机游戏，或者体验过各类O2O产品的人都知道，首单奖励的优惠往往是很诱人的。可能你试过用亲朋好友的新手机号来尽可能多的享受这种优惠。这种事情稍微做一点，也就是贪便宜的表现，可要是做得丧心病狂，甚至以此牟利了，就可以称之为“欺诈”。善良如你大概想象不出什么叫“丧心病狂”，邦哥来举个例子。

曾经有家互联网公司做补贴优惠。有人拿不同的手机号来刷奖励，一次从中赚取1毛钱。负责人想，一次一毛钱，能被骗多少？不用管他。结果，有个人用一天时间把其中一个奖励来回刷了300万次，直接造成公司30万经济损失。

这就是典型的互联网业务欺诈，甚至可以说是无处不在。

▲红极一时的日剧《欺诈游戏》，其中各种欺诈手段层出不穷

专注于使用机器学习来反欺诈的Maxent，其下产品猛犸反欺诈（Fraudynamics）就是用来帮助互联网企业规避业务欺诈的，他们已经在年初完成了A轮数千万元融资，投资方为祥峰投资。如果你有朋友身处于高危的欺诈行业，不妨转给他们看看。

互联网反欺诈究竟是什么鬼

Maxent的创始人张克是一名在反欺诈领域工作多年的资深人士。他最早是在移动互联网广告公司。张克告诉邦哥，移动互联网广告超过50%的预算其实都被浪费了，很大一部分原因就是欺诈。

广告主拿到数据后，总是能够看到自己的广告被点击了很多次，很满意。其实很多点击都是由机器完成的，并非真实用户点击，这其中就是欺诈。

张克他们曾经做的就是判断哪些广告是真实的点击，而哪些是机器造假。“因为人手点击广告的位置是不固定的，而机器的点击位置极为精准。”

▲Maxent创始人张克

再加上他之前在思科任职SaaS服务部门时的经历，张克在2014年成立Maxent之后，就将公司的产品方向定为反欺诈SaaS服务，而主攻方向是机器学习识别欺诈。这种定位，基于张克对于反欺诈行业的两种判断：

1、基于IDC设备的传统安全服务，随着云服务的普及，市场将越来越小，未来的增长点在于业务安全。道理很简单，如今很多互联网公司都不知道自己的设备在哪里，已经很少需要找安全公司来做设备安全维护了。

这些传统的安全公司，他们的目标客户应该是阿里云、 腾讯 云这种提供云服务的企业。随着互联网越来越深入各类交易业务，业务安全将会成为新增长点。

2、大多数的反欺诈公司都采用传统的人工识别，虽然短期看效果比较明显，但是随着欺诈手段升级（且这是必然），机器学习可以大量提高识别效率，同时控制反欺诈系统的使用成本。

刚开始，反欺诈公司可以定义很多硬性规则，但是欺诈者会想办法绕过你的规则；也可以定义黑名单，但是欺诈者会伪造身份。靠人工很难第一时间堵上漏洞，应该根据攻击变化来“进化”反欺诈手段。换言之，就是机器学习。

Maxent以机器学习为主要差异

谈到Maxent本身，张克对创业邦说，他们最重视底层“特征”的积累。在机器学习中有一个很有名的经验：好的特征能够让简单的模型打败复杂的模型。那么什么是这里说的“特征”呢？

张克举例说，“一天在上海打开某App一百次是一种欺诈”，这就可以称为一种特征。特征既不是发明，也不能申请专利，却可以作为一种经验，应用在反欺诈的各种模型中。

Maxent的反欺诈系统所使用的底层规则是通用的。比如说对行车路径的判断，可以用在外卖、交通、打车、物流等各个领域，而决定最终使用情况的，是不同应用场景下的计算模型。

▲打车平台的奖励是欺诈的重灾区（图片来自网络）

有了大量特征积累后，哪些特征和哪些场景之间的联系可以判断为欺诈，就是积累和规律。这一点上，机器学习的优势就能体现出来。张克给邦哥介绍了猛犸反欺诈系统中的一个核心功能：关联图谱。这一技术就是通过技术识别出各类伪造身份者的欺诈手段。

打个比方，某一条路上有100个门牌号。有些欺诈团伙就可以在同一家电商上，用不同地址伪造出不同的身份，但最终的用户就他一个。

Maxent使用关联图谱将各个地址分段，比如说省市区县。如果某一个团伙伪造了一百个身份，那么他在某一区域中的所有地址就会被关联在一起的。通过机器识别确认后，该用户就会被定性为欺诈者。

这类大量数据的关联性靠人工很难发现，Maxent的机器学习却可以提升这类场景的反欺诈识别效率

降低成本是反欺诈的核心目标

目前，猛犸反欺诈的SaaS产品采取流量收费的模式，接入平台的公司有三四百家。对于更多的潜在用户，张克他们更看重的不是说服他们使用“反欺诈产品”，而是要使用“以机器学习驱动的反欺诈产品。”

对于B端用户来说，他们的决策是相对理性的，并非能够像C端用户那样被教育。在越来越多企业认识到反欺诈的必要性之后，如何更高效地做好反欺诈工作，降低成本才是Maxent应该要做的事情。

▲Maxent官网的产品效果图

张克告诉邦哥，除了非常重视风控的金融客户，他们的另一大客户就是游戏公司。一般国内的重度手游，都会有15-20%的坏账，这是典型的欺诈手段造成的，而Maxent能够识别出坏账70%的欺诈手段（原话转述，邦哥未证实）。

客户最关心的应当是：在使用SaaS服务后，收入不降低的同时坏账率降低。换言之，也就是成本降低了。

Maxent也不可能在杜绝所有欺诈，但目标和所有反欺诈的公司一样是无限逼近精准。他们仍然在把融资得到的钱大量用于研发上，为了积累更多“特征”和“规则”，逐步抬高欺诈制造者的成本，也把自己的业务壁垒砌得再高一点。