
作者:小伍哥
來源:小伍哥聊風控
大家好,我是小伍哥。
風控業(yè)務中,團伙挖掘是非常核心的分析方法,甚至可以說是最重要的的分析方法。而團伙挖掘的基礎就是關系數(shù)據(jù),但是關系數(shù)據(jù)非常豐富多樣,有些同學可能會疏漏或者不知道某些重要的關系導致挖掘深度不夠。
我對自己遇到過的一些關系進行了全面的梳理(大家遇到過其他的也可以在區(qū)補充),希望能給你帶來一定的啟示作用。
商家規(guī)避網(wǎng)絡,需要付出巨大的成本,比如規(guī)避設備指紋關聯(lián),需要更換設備或者購買最新的模擬器技術,為了規(guī)避支付網(wǎng)絡,需要購買新的支付寶賬號。
但是黑產(chǎn)從業(yè)人員反偵察能力不斷提高,從簡單違規(guī)到各種高科技違規(guī),留下的信息越來越少,為了分析關聯(lián)人員,關系也有了很大的演進,從簡單可理解關系逐步到復雜抽象關系, 下面我們一一總結。
在互聯(lián)網(wǎng)上,沒人知道你是一條狗,互聯(lián)網(wǎng)上無法知道一個真實的用戶,因此設備指紋ID、WiFi等物理介質與用戶ID形成的關系,變得非常重要。可根據(jù)最近N天內是否共同使用過一臺設備、是否共同使用過同一個WiFi等指標衡量其中兩個用戶的關聯(lián)強度,對于對抗初期的團伙挖掘,有非常重要的意義。
IP、Cookie等由用戶進行網(wǎng)頁瀏覽時形成的關系,一般來說,該類關系相對較弱,不進行直接應用,可以進行轉換應用,比如用Ip轉換后進行常用地址的統(tǒng)計,一般可以在盜號等場景使用效果非常不錯。
支付寶好友、微信好友、抖音好友、微博關注等,也是非常重要的關系特征,可根據(jù)最近N天內聯(lián)系次數(shù)、關系時長等指標來衡量兩個人之間的親密程度。
手機通話關系、通訊錄中的備注、賬號填寫的緊急聯(lián)系人等數(shù)據(jù)、獲取兩個賬號的父子、兄弟、同學、男女朋友等關系。
收貨地址、發(fā)貨地址、注冊地址、家庭住址等形成的關系,可以通過是否同一收貨地址,收貨地址相識程度等,計算兩個用戶緊密關系
拉新活動形成的關系、分享關系、推薦關系等,形成各種上下層級關系,如拼多多的砍一刀、要邀請有獎等,直接形成的業(yè)務關系,也是非常重要的。
購物支付、購物代付、轉賬、微信轉賬、銀行卡支付、銀行卡轉賬、銀行卡綁定、電話充值等,均能形成較強的關系,資金關系在大部分場景下,是極強的關系,但某些場景,可能比較通用,購物轉賬等,可能就不是很強的關系。很難形成團伙。
一種簡化方法,是用GeoHash將二維的經(jīng)緯度轉換成字符串,,如北京9個區(qū)域的GeoHash字符串,分別是WX4ER,WX4G2、WX4G3等等,每一個字符串代表了某一矩形區(qū)域不同的用戶是否處于同一個區(qū)塊。同一塊的用戶,可能存在比較緊密的關系。
商品的標題、前幾位相似的昵稱、相同圖片或相似圖片、視頻中相似場景等內容關系 ,行為相似關系綜合相似關系,比如店鋪相似
1)圖片關系:很多風險商家 ,店鋪使用相同或相識的圖片,風險用戶,也可能使用相同或者相似的照片,利用圖片的相識關系進行關系挖掘,也是非常重要的。
2)文本關系:商家店鋪商品標題的相似性計算商家關系,評價內容相似性計算商家關系等
3)昵稱關系:很多風險用戶,采用系列的昵稱,也是一個非常重要的關系特征
一個群體移動刷單、移動進行流量點擊、一個分散群體進行網(wǎng)絡攻擊等,各個攻擊者之間本身不存在關系,但是受到同樣的人或者共同的目標指使,這是最難防控的一種關系。若同一個體存在多次攻擊,基本上有跡可循,若同一個體只存在一次攻擊,那基本上無跡可尋,只能通過潛伏等方式進行防控。
該種關系可以通過同步行為,進行非常高效的挖掘,參考我的另一篇文章:SynchroTrap-基于松散行為相似度的欺詐賬戶檢測算法
投資關系、參股關系、董事監(jiān)事等任職關系、注冊郵箱、注冊電話、注冊地址、注冊身份證等工商注冊信息,也存在巨大的網(wǎng)絡關系,當然,很多人會利用身份證注冊大量公司, 再利用營業(yè)執(zhí)照注冊用戶,同一個營業(yè)執(zhí)照也可能存在大量的賬號,這些關系都存在非常重要的作用。
共用產(chǎn)權證明也是非常強的關系,比如兩個賬號綁定同一輛車、綁定同一個房產(chǎn)證明、婚姻證書等關系
水電煤代繳費、網(wǎng)約車代預約、醫(yī)院代掛號、淘寶購物代付款、代點外賣等,存在這些關系的一般都比較親近或者存在某些利益關系,有非常強的關聯(lián)性??梢栽跇I(yè)務中挖掘類似的關系進行分析研究。
買家瀏覽商品、買家點擊商品、用戶點擊廣告等,搜索詞關系等,某些商搜索相同的詞的用戶可能存在某種特定的關系,同時點擊某個商品的一群消費者可能也存在某些關系,通過挖掘,都能得到一些特殊的模式。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉換:從基礎用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關聯(lián)查詢效率:打破 “拆分必慢” 的認知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結構數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結構數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預期算子的內涵、作用與應用解析 動態(tài)隨機一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結構數(shù)據(jù)特征價值的專業(yè)核心 表結構數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結構化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應用 在數(shù)據(jù)分析與統(tǒng)計學領域,假設檢驗是驗證研究假設、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結構數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結構數(shù)據(jù)(以 “行 - 列” 存儲的結構化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進行 HTTP 網(wǎng)絡請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結構數(shù)據(jù)價值的核心操盤手 表格結構數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務數(shù)據(jù)分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務邏輯:從規(guī)則拆解到數(shù)據(jù)把關的實戰(zhàn)指南 在業(yè)務系統(tǒng)落地過程中,“業(yè)務邏輯” 是連接 “需求設計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅動下的精準零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當下,精準營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務數(shù)據(jù)分析:概念辨析與協(xié)同價值 在數(shù)據(jù)驅動決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實踐到業(yè)務價值挖掘 在數(shù)據(jù)分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價值導向 統(tǒng)計模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10