現(xiàn)有的網絡支付和網絡交易的防欺詐系統(tǒng)過于復雜，也不能有效杜絕網絡欺詐行為，Sift Science這樣的創(chuàng)業(yè)公司開始嘗試利用基于機器學習的大數(shù)據分析防范網絡欺詐。

對于大數(shù)據分析來說， 網絡安全是一個很有潛力的應用領域。 通過大數(shù)據分析， 可以對攻擊者的模式進行甄別， 從而更加主動地防范網絡攻擊，而不是如傳統(tǒng)的安全防御那樣只能對已知的攻擊模式進行防范。 而類似于 Cylance這樣的初創(chuàng)公司， 也憑借大數(shù)據技術完成了融資。

最近， 又有一家公司， Sift Science， 利用基于機器學習的大數(shù)據分析提供防范網絡欺詐的服務。 Sift Science最近得到了由風險投資基金Union Square Ventures主導的400萬美金的第一輪投資。 算上此前的150萬美元的種子基金， Sift Science已經總共融了550萬美金。

Sift Science的服務主要面向網絡交易市場， 電子支付網絡以及電子商務站點， 這些也正是網絡欺詐最泛濫的地方。 這些站點只需要把Sift Science的一段JavaScript整合到網頁去就可以享受Sift Science的服務。

Sift Science的聯(lián)合創(chuàng)始人 Brandon Ballinger之前在Google工作過四年，主要的工作就是防范大量的欺詐廣告。Sift Science的工程師中，也有5個來自于Google，有兩個來自于搜索部門，還有三個和Brandon Ballinger一起曾經在防范欺詐廣告的團隊工作過。

“我們意識到，在互聯(lián)網上的每個站點，都會有一些‘壞’用戶，也就是一些實施欺詐的用戶。我們創(chuàng)建Sift Science的目的就是建立一套欺詐監(jiān)測系統(tǒng)。” Brandon Ballinger說。

Brandon Ballinger在2011年6月與他大學的室友Jason Tan一起創(chuàng)立了Sift Science。最初，他們通過Y Combinator的2011年夏季項目進行融資。他們在與潛在的客戶進行交流時，客戶的最初反應是，防欺詐的系統(tǒng)已經有不少在做了，似乎防欺詐這個問題已經解決了。

“不過，當我們真的與客戶深入交流時，我們發(fā)現(xiàn)，其實這個問題遠沒有解決。很多網站買了防欺詐系統(tǒng)，而幾乎沒有人真正去用。” Brandon Ballinger說。

他指出現(xiàn)有的防欺詐系統(tǒng)還是太過復雜：

它們不像Google Analytics或者MixPanel.那樣易用。而且，為了要使用防欺詐系統(tǒng)，你需要走一個長長的銷售流程，需要有安裝費用，需要有最低付費等等。而且API過于復雜。現(xiàn)有的防欺詐系統(tǒng)采用SOAP API，這往往需要幾個月的時間才能整合到現(xiàn)有系統(tǒng)中去。而Sift Science為此提供了REST API。

此外，現(xiàn)有系統(tǒng)的一個大問題就是他們采用的是固定的規(guī)則。比如說，他們對超過一定數(shù)額以上的交易，或者來自尼日利亞的交易進行過濾。然而，網絡欺詐方可不是按照固定規(guī)則出牌的，他們變化一下，就可以很輕易的通過行為的改變來騙過防欺詐系統(tǒng)。

因此， Sift Science采用了機器學習的算法來對付網絡欺詐方的這種伎倆。 Sift Science的數(shù)據庫中，有超過100萬中網絡欺詐的行為模式，而且它還在不斷的通過機器學習的算法進行添加。比如，某些URL瀏覽的次序，來自Tor節(jié)點的IP地址，來自深夜的交易信息等等，都有可能被添加到網絡欺詐的行為模式中進行分析。

對每個用戶，采用Sift Science的站點可以通過API獲取用戶的防欺詐分數(shù)。站點也可以通過對機器學習模型的反饋，使得防欺詐模型更加適合本站的需求。

這個系統(tǒng)可以用來發(fā)現(xiàn)網絡交易中的欺詐行為，也可以幫助站點發(fā)現(xiàn)那些網絡欺詐者創(chuàng)建的垃圾用戶。根據Sift Science的統(tǒng)計，他們系統(tǒng)能夠甄別的客戶站點90% 以上的網絡欺詐行為。

Sift Science的產品此前已經經過了20家客戶的Beta測試，這些客戶包括Airbnb，Uber以及Listia。此外還有一些頂級的電子商務站點和網絡支付平臺。

Sift Science的產品推出后的定價是按照網站希望每個月對用戶評分的數(shù)量而定的。每月5000以下的用戶免費，超過5000用戶的，每月每用戶為10美分。

原文鏈接：http://www.ctocio.com/ccnews/11859.html