介绍京东新一代虚假交易识别体系的设计与实践,主要包含三大方面:1)虚假交易对电商生态的冲击:剖析主流刷单手段特点、对搜索和排序等业务的影响、对平台长期负面影响,分析反作弊需求和挑战。2)架构设计实践:根据交易数据的特点,搭建满足低延迟、高可行度、结果可复现、支持策略灵活变更等反作弊基本需求的、离线检测与实时拦截互补的系统。3)特征工程、建模和策略更新:利用电商数据设计行为特征,建立机器学习模型;设计作弊行为预警,通过主动学习等手段实现模型的迭代进化。
首先寿如阳分享了虚假交易的危害,从商业分析角度,虚假交易不能反映平台真实的业绩,将误导商业决策,刷单伪造交易骗取了消费者对商品和品牌的认可,影响了用户体验,而且刷单行为还深深伤害电商生态。刷单快速发展,逐渐走向规模化、市场化、产业化,同时成为营销、赚钱手段,从机器刷单逐渐走向纯人工刷单,手法更加隐蔽,逼真多变。
京东作为电商平台一直在反刷单,从三个方面展开,首先是多维度数据引证,基于单个行为特点的识别手法,面对逼真的刷手行为日渐困难,需要多种维度数据上深入挖掘实体信用指标作为依据;其次策略的敏捷迭代,适应刷单手法的变化,决策识别系统能够预警并演进;最后是快速、准确与高召回,对层出不穷的刷单手段,既要抓的多,又要抓得住,还要抓的快。
那么建立反刷单系统,都需要哪些特点呢?
1、分布式大数据系统的基本需求,高可用性、可扩展性、低延迟;2、多样化数据源适应性,3、结果可复现性,4、服务多维度应用
▲京东反刷单系统架构
下面重点介绍了京东反刷单系统,京东采用了Hadoop Stack+Spark,因地制宜,根据数据和作业的特点选择适合的数据处理技术,精简选择,用简洁一致的解决方案处理复杂多变需求。
最后寿如阳表示京东一直在做反刷单,在未来更长的时间维度上,从海量持续变动的数据中挖掘刷单行为的痕迹。随后分享了京东反刷单系统满足建立反刷单系统4大要素,同时,京东反刷单系统也服务下游应用。
浏览7433次
浏览5253次
浏览4216次
浏览7657次
浏览9599次
浏览1401次
2025-01-08 昆明
2025-06-20 深圳
2025-04-19 南京
2025-08-15 上海
打开微信扫一扫,分享到朋友圈