抵制羊毛党，图计算“加持”互联网电商风控
摘要：图计算可以说是互联网电商风控的有力武器，不仅在复杂关系的存储和分析上优于关系型数据库，而且能够有效利用数据间关联关系和结构，提供更为精准可靠的决策依据。
随着大数据时代的到来，互联网电商风控已经从无风控、人工抽取规则为主的简易规则模型发展到当前基于大数据的风控。与金融风控不同，互联网电商风控呈现出业务量大、防控面广、流程长等特点，对研判效率和响应时效性要求更高。另一方面，风控是不断对抗升级的过程，需要不断优化并挖掘非法用户的新特征，进而提高风控的成功率。图计算可以说是互联网电商风控的有力武器，不仅在复杂关系的存储和分析上优于关系型数据库，而且能够有效利用数据间关联关系和结构，提供更为精准可靠的决策依据。下面通过典型场景分析图计算如何赋能互联网电商风控。
一、虚假账号注册
1、场景现象：
电商中存在着大量的虚假账号，在评论区通过传播虚假信息、发布垃圾评论等扰乱正常交易秩序，这不仅对用户造成了很大的困扰，而且也增加了企业运营成本。已有的基于特征和分类的方法，在检测时效性上存在不足，可能产生较大延迟，导致检测生效时大量非法行为已发生。在账号注册时即对其潜在风险进行检测，能够更早的研判其合规性。
2、解决思路：
（1）对注册账号提取基于同步和异步的特征，并根据两两间的共性和差异性分别构建“同步注册模式特征”和“异步注册模式特征”。若一对账户间存在较多的同步或异常特征，则它们间应具有较高的分数权重。
（2）为解决账号间关联强弱的问题，可通过机器学习方法学习自动对不同特征加权的同步异常特征评分，并根据评分判断是否在账号间构建带权重的连边。
（3）据经验，正常账号和正常账号间，虚假账号和虚假账号间往往具有较强的紧密连接，而虚假账号和正常账号间具有一定的隔离性或稀疏连接。基于此，通过社团发现算法进行虚假账号检测是最佳选择。若节点通过较大的边权重连接到其它节点，则节点间的同质性更强。若社团中某点是虚假账号，则其关联节点更有可能是虚假的。
二、虚假账号裂变
1、场景现象：
账号裂变强调流量的有效转化，通过已有用户找到更多新用户。常见的手段包括拼团裂变、助力裂变、邀请裂变、分享裂变等。但普遍情况下，做转化裂变要有补贴，补贴就会招致羊毛党。因此，账号裂变风控的重点就是从入口掐断“薅羊毛”的可能性。
常见的薅羊毛手法有：
- 老带新玩法
老用户通过批量注册获取大量账号，参与邀请活动（可能是砍价、拼团、分享等），将低价购买的优惠商品发送到指定地址归集，再通过自己的分销平台加价倒卖给真实顾客获利，或与商家勾结，帮助商家刷单的同时骗取补贴并完成套现。
- 师徒/分销模式
可认为是简化的分销模式，老用户不仅可以获得邀请新用户的返现奖励，如果新用户再邀请其他新用户进入平台，老用户还可以获得进贡奖励。
2、解决思路：
对于互联网创业公司而言，创业的初期其实更为关注扩大企业影响力，提高营收。该阶段企业对于羊毛党是有较高容忍度的，甚至可能希望借助羊毛党的力量进行推广。基于此，可通过常见的关系分析进行一些简单的管控：
- 基于作弊的账号链式特性进行作弊行为识别，发现中间节点普遍存在较小度的节点。
- 基于“羊毛党”的特征进行关联分析与挖掘
本文分享自华为云社区《扒一扒GES如何赋能互联网电商风控》，原文作者：Dr Thunder 。
