HanSight瀚思化身金融反欺诈斗士 保驾护航黄金周

“刚才接一骗子电话:我们是某某银行，刚才查询发现您的银行卡昨天在境外消费8万8千美元，请问是您本人消费么？我说:是我本人消费的。骗子沉默了5秒后说:您真能吹牛逼。”

这是一个笑话，骗子行骗，反被调戏，醒悟，言语攻击……然而，这又是一个现状，如此骗局，生活中比比皆是，试问如果“我”不是如此机智，后果会是什么？

不止平时，每逢节假日随之暴涨不仅仅是旅游业，还有各种金融诈骗事件。尽管国家已经有法律法规对黑产进行相关处罚，然而快速收益和高回报也让越来越多的黑客铤而走险（刑法里非法入侵计算机系统罪会被判处三年到七年有期徒刑）。有数据统计，目前保守估计中国黑产从业人员已经超过160万，黑产市场规模已经达到千亿级别，而首当其冲受其所害的则以金融为主。

十一黄金周如期而至，各种金融欺诈招数揭秘文章也扎堆来袭，例如：

· 重要网站/APP的密码一定要独立

· 电脑勤打补丁，安装一款杀毒软件

· 尽量不使用IE浏览器

· 支持正版，因为盗版的、破解的总是各种猫腻，后门存在的可能性很大；

· 不那么可信的软件，可以安装到虚拟机里；

· 不要在公共场合（如咖啡厅、机场等）使用公共无线，自己包月3G/4G，不差钱，当然你可以用公共无线做点无隐私的事，如下载部电影之类的；

· 自己的无线AP，用安全的加密方式（如WPA2），密码复杂些；

· 离开电脑时，记得按下Win（Windows图标那个键）+L键，锁屏，这个习惯非常非常关键；

…………

这些方法切实有效，可以让人们对自身行为加以约束，同时对于骗子的行为、方法有所理解，减轻损失，只是究其源头，我们更需要帮助银行釜底抽薪。

设备指纹技术蹿红

身份的不确定性是互联网欺诈分子的根本支撑，“在互联网上，没有人知道你是一只狗”，这是一直以来都存在的风险。网络钓鱼、账户盗用等欺诈问题都是这种风险的直接体现，也是由于IP可伪造、可代理，移动IP识别精度低等问题，使银行通过识别IP进行风险控制的办法不太可靠。

然而设备指纹技术的出现，让银行反欺诈系统效果飙升，其通过在网站或移动端嵌入前端JS脚本或SDK来采集终端用户环境的非敏感设备特征信息，通过服务端的设备特征匹配算法而建立一套全球设备标识库。我们发现，这就相当于为每一位互联网用户的访问设备分配了唯一的设备标示。

世上没有百分百的事情，这样得到的信息特征虽然无法有效证明能够达到绝对唯一，但准确率的大幅提高还是不需要争议的。设备指纹作为设备方面的一个维度，基于快速识别在线设备的各项属性，判断交易的可信度，从而达到风险控制和反欺诈的要求。另外一个维度，就是信息的关联，这也是反欺诈的核心所在，信息关联的网络越全面、越稳定，反欺诈的成功率就越高。

比如几个账户同时在一个设备上登录，而这几个账户又曾经在其他设备上登录过，根据这样的“交叉登录”行为，再结合登陆的时间、地点等多方面的信息，就可以很精准地判别欺诈事件，并且可以勾勒出一个团伙使用的所有设备。所以可以说，设备指纹技术只是提供了设备识别的准确性，而最终要判断交易是否正常，还要依靠强大的分析能力，这才是反欺诈的关键。

基于设备指纹分析行为是关键

说到分析，现在自然绕不开大数据分析。HanSigh瀚思长期以来始终坚持在这个领域，并且在银行反欺诈系统中起到了至关重要的作用。其大数据安全系统以账户行为为核心，依赖现有网银日志中的设备指纹，采用机器学习方法找出异常行为模式，并且不需要额外集成SDK或者新日志格式。

先说为什么要以账户为核心，不管欺诈手段如何变化，所有的金融行为全部需要账户进行操作，包括注册行为、交易行为、支付行为、申请贷款行为等，通过已经解析的网银日志中的MAC字段，来区分威胁来自不同的登陆设备。

由于反欺诈行为的特点是由一组单独看起来合法的行为组成，每个行为都不会触发告警。但是如果在一个正确的时间序列进行观察，模式识别是能够侦测到可疑的行为正在发生。因此，HanSight瀚思引入时间因素，描述各种行为随时间的变化而产生的变化，从而建立起关联网络结构图，实现欺诈场景的图分析可视化。一旦发生告警，该账户的资料和所有行为能够在同一窗口展现，方便调查取证。

让人放心的是，HanSight瀚思基于分布式图数据库，其按天分片，解决了大图分割问题，并且一天网银数据盘存储量小于500MB，大幅减少了机器需求，从而实现长周期多阶段的关联分析，发现多团伙、多种欺诈场景。

再说机器学习的方法，这自然是HanSight瀚思的大招。尽管在业界各方的努力下，欺诈的成本已经越来越高，一个黑客单枪匹马与世界对饮的情况已经很少见了，团伙作案的欺诈行为成为了大趋势，他们往往有组织，有反侦查的经验，懂得伪装和隐藏自己，让识别的难度增加数倍。

当对这种不良内容难以识别的时候，没有人可以在分析成千上万的数据的同时做出判断，但机器学习可以，它使实时检测欺诈行为成为可能。简单来说,机器学习由计算机操控，通过符合特殊规则的预设过程且能自我完善的算法，以多维度多规则的组合，达到反欺诈的最好效果。尽管机器学习的维护成本大，数据的收集工作量巨大等，一旦机器学习到达一定程度，将是最好的反欺诈手段，并且目前看来没有之一。

经常关注HanSight瀚思的朋友或许已经发现，日志的价值在大数据时代被高度重视，从日志中可以找到很多非常重要的信号，不管攻击者手段如何变换，撞库、养库、暴力破解等，都可以通过海量的日志中分析到行为轨迹。HanSight瀚思也是从日志数据本身着手，投入了大量时间与精力研发，为各行业的安全防护输送了全新的思路。