上个月的一天，和同事喝完酒，发现时间不早了，赶紧选了网约车-招呼车。司机年纪有点大，一副老司机的样子，没想到刚出发没多久就出问题了——抢红灯、压线、不认路……看到这种情况，我是有点醉了。清醒几次。接下来，我主动找了个话题和司机聊了聊，得知他来上海不到两周，拿到驾照才半年，办证过程也只用了三个星期。..他的坦率让我从头到脚彻底清醒了，于是找个蹩脚的理由就近下车。APP评价为：交通法规未通过，2星。想了几天，不小心拿起手机，发现司机账号已经在平台上消失了。相信很多朋友都和我做出了同样的选择。客观来说，这对他和其他乘客来说，应该是一件好事。我从风控的角度，帮助平台完成了一次风控操作。这让我想起了和一个信息安全部门的朋友的讨论——起初，我们谁都没有想到“风控”这个词和互联网的联系越来越紧密了。而现在，时代的发展告诉我们结果。风控VS互联网或风控&互联网目前，各类企业都在向互联网方向转型，专攻业务逻辑的黑灰产品也越来越多，寻找可乘之机。安全部门采取的对策：①本地化规则引擎。②对访问Web和App的用户进行风险识别或信用评价。谁更重要。其实同样重要——为什么？因为这两种方法不能相互替代。一般基于内部数据分析的期望结果：用户的一系列登录、注册行为可以快速反映其意图；而基于外部情报的合理使用，可以暴露一个看似正常登录行为的人日后可能存在的风险。就像网约车一样，我们是根据行为判断违章驾驶，所以主动聊天是内部情报收集，app评论是外部情报调用。互联网行业需要智能，经常被客户问到。新型爬虫或羊毛党的发现时间很长，因为它有一些真人的表现——不仅浏览页面图片而且页面停留时间不规律，如何准确定位？?我的回答是：看你的需求是否以“快”为主要目标。不断优化的规则引擎肯定会发现这些爬虫，但代价是保证有足够的时间完成判断，最终生成画像。为了防止误杀，应用其他判断逻辑可能需要一些时间。我的建议是，其实可以结合情报分析，加快这个过程的完成。风险是概率事件，情报不应该是黑名单。我们没有拒绝飞行，因为飞机事故率总是大于0%？我们不是因为转基因的结论就停止研发转基因食品了吗？避免风险是不可能的。因此，我认为风险控制的重点应该是：获取足够的已知信息，掌握足够的理论基础，以降低风险发生的概率。情报数据不通用例如：我们在使用手机卫士时，会发现我们会被标上中介、广告、出租车司机等名称。你不想整天被任何非工作信息打扰；也许你真的很期待一个猎头整天找你一段时间。”因此，智能应该是基于行业背景的数据源。智力应该是一个加权分数。如果风控人员只能得到一个风险评分，或者可以看到评分对应的标签，但是不能配置权重，还是会有很多问题。比如对于风险等级为100的登录用户，风控人员还是不敢轻举妄动。其实互联网智能类似于手机卫士，只是在粒度上要求更高的标准。使用科学的权重计算方法，合理利用智能数据：O2O：商家的刷卡行为可能有80%会被投放，维度会投放在电话号码和设备指纹上；网络游戏：将认定行为归于9.IP维度；支付行业：将关注银行卡以及交易时间和地点的变化。情报服务质量数据来源稳定，蜜罐技术、分布式风控数据共享方式、新鲜度指数等都是参考标准。最重要的是，情报数据能够提供的维度要足够完整，覆盖率要足够高。能够将风控引擎与智能服务紧密结合，是风控人员应该努力的目标。选择正确的智能，必将为企业带来巨大的价值。本文为奇安科技专栏原创稿件，微信号：bigsec
