风控要略 互联网业务反欺诈之路

本书全面、系统地介绍了互联网业务安全行业全貌，内容包括互联网业务安全发展历程、黑产攻击态势、业务风险防控方案、机器学习算法的使用以及行业未来发展走向等。

这是一本全面描述互联网业务反欺诈体系的书籍，本书主要分为洞察黑产、体系构建、实战教程和新的战场4个部分。第1部分介绍了黑产欺诈团伙的运作套路和攻击手段：第2部分总结了我们在构建反欺诈技术体系过程中沉淀的实践经验；第3部分分享了我们和黑产对抗的多个实战案例，以及机器学习算法的综合运用；第4部分介绍了我们在物联网、内容安全、隐私合规等方面的实践和对海外厂商的观察。读者通过仔细阅读本书，可以对互联网反欺诈的过去、现在和未来有一个系统的认识。希望本书能够为正在关注该领域或从事相关工作的读者提供有价值的参考。本书适合互联网投资人、创业者、产品经理、运营人员和安全风控人员阅读。

马传雷，曾任同盾科技反欺诈研究院执行院长、广州中国科学院软件应用技术研究所电子数据取证实验室特聘专家，还曾担任腾讯安全应急响应中心技术负责人、绿盟科技安全技术部总监等职务，国内知名安全专家。

引言互联网业务安全概述1
第一部分洞察黑产
第1章黑产发展态势8
1.1黑产组织结构8
1.2黑产成员分布11
1.3黑产专业化分工12
1.4黑产攻击规模13
1.5电信欺诈黑产15
1.6本章小结16
第2章黑产武器库概览17
2.1虚假号码17
2.1.1猫池18
2.1.2短信验证码20
2.1.3接码平台21
2.1.4空号注册22
2.1.5流量卡和物联网卡22
2.1.6手机rom后门23
2.2代理IP23
2.3设备伪造工具25
2.3.1改机工具25
2.3.2多开工具26
2.3.3Root/越狱工具27
2.3.4Xposed28
2.3.5CydiaSubstrate28
2.3.6Frida28
2.3.7硬改工具29
2.3.8脱机挂29
2.3.9备份恢复/抹机恢复30
2.3.10模拟器32
2.3.11定制浏览器33
2.3.12自动化脚本34
2.4其他工具35
2.4.1位置伪造工具35
2.4.2群控36
2.4.3工具集42
2.5本章小结43
第二部分体系构建
第3章反欺诈体系建设思路46
3.1动态防控理念46
3.2防控体系构建47
3.3本章小结50
第4章风控核心组件设备指纹51
4.1设备指纹的原理51
4.2设备指纹的技术实现52
4.2.1Android设备指纹52
4.2.2iOS设备指纹54
4.2.3Web设备指纹56
4.2.4设备ID生成与恢复逻辑58
4.2.5被动式识别技术61
4.3代码保护62
4.3.1JS代码混淆技术63
4.3.2Android/iOSSDK加固保护77
4.4本章小结92
第5章基于用户行为的生物探针93
5.1生物探针94
5.2无感认证95
5.2.1无感认证的基础96
5.2.2无感认证的构建97
5.3生物探针的应用场景100
5.4本章小结100
第6章智能验证码的前世今生102
6.1验证码的诞生102
6.1.1验证码的本质103
6.1.2验证码的发展105
6.2验证码的攻防108
6.2.1字符验证码的识别108
6.2.2新型验证码的识别112
6.2.3对抗黑产的方案115
6.3设计一款优秀的验证码117
6.3.1设计标准117
6.3.2设计实战118
6.4本章小结122
第7章风控中枢决策引擎系统123
7.1规则引擎123
7.1.1脚本引擎124
7.1.2开源规则引擎125
7.1.3商业规则引擎125
7.1.4几种规则引擎实现方案的对比126
7.2规则管理127
7.3规则推送128
7.4规则执行129
7.5外部系统集成129
7.6灰度测试130
7.7本章小结131
第8章海量数据的实时指标计算132
8.1实时指标计算概述132
8.2实时指标计算方案135
8.2.1基于数据库SQL的计算方案135
8.2.2基于事件驱动的计算方案135
8.2.3基于实时计算框架的计算方案136
8.2.4实时指标计算方案对比141
8.3反欺诈实时指标计算实践141
8.3.1实时指标计算引擎原型141
8.3.2数据拆分计算144
8.3.3分片计算147
8.3.4引入Flink148
8.3.5Lambda架构148
8.4反欺诈实时指标计算系统149
8.5本章小结151
第9章风险态势感知系统152
9.1基于统计分析的方法153
9.1.1核心风控指标数据154
9.1.2核心业务数据156
9.2基于无监督学习的方法157
9.3基于欺诈情报的方法158
9.4预警系统159
9.5本章小结160
第10章风险数据名单体系161
10.1名单体系的价值162
10.2名单体系的设计162
10.3名单体系的生命周期166
10.4名单体系质量管理168
10.5本章小结168
第11章欺诈情报体系169
11.1情报采集169
11.1.1数据情报170
11.1.2技术情报171
11.1.3事件情报174
11.2情报分析175
11.3本章小结179
第三部分实战教程
第12章机器学习算法的使用182
12.1机器学习的广泛应用182
12.2机器学习的落地过程183
12.2.1特征工程183
12.2.2模型选择187
12.2.3模型训练195
12.2.4工程化和业务落地197
12.3机器学习实战案例198
12.3.1案例一：黑产设备群控网络挖掘198
12.3.2案例二：黑产用户行为聚类分析205
12.3.3案例三：金融在线申请反欺诈212
12.4本章小结220
第13章互联网反欺诈实战221
13.1典型反欺诈业务场景风险分析221
13.1.1垃圾注册风险识别222
13.1.2批量登录风险识别223
13.1.3“薅羊毛”风险识别225
13.1.4裂变拉新作弊风险识别227
13.1.5“任务”作弊风险识别229
13.1.6恶意退单风险识别229
13.2解决方案设计示例231
13.2.1电商薅羊毛233
13.2.2裂变拉新236
13.3策略部署239
13.3.1策略配置239
13.3.2策略迭代241
13.4运营监控241
13.4.1监控预警报表241
13.4.2态势感知242
13.4.3情报监控243
13.5本章小结244
第四部分新的战场
第14章物联网时代的风控246
14.1物联网安全态势246
14.2物联网安全威胁分析247
14.2.1云端平台安全威胁248
14.2.2网络通信安全威胁249
14.2.3设备终端安全威胁250
14.2.4物联网安全监管要求253
14.3物联网安全风险控制体系建设思路254
14.4物联网安全风险态势感知系统256
14.5本章小结260
第15章内容安全与合规261
15.1内容安全合规概述261
15.2文本内容安全263
15.2.1敏感词系统264
15.2.2基于NLP的AI模型267
15.3图像内容安全271
15.3.1图像分类271
15.3.2敏感人物识别276
15.3.3图像文字识别285
15.4语音内容安全286
15.4.1有语义语音286
15.4.2无语义语音287
15.5视频内容安全288
15.5.1视频内容安全处理流程289
15.5.2关键帧提取289
15.6内容安全工程290
15.7内容安全系统的评价指标291
15.8本章小结292
第16章风控与数据合规使用293
16.1网络安全立法进程293
16.2个人数据合规使用294
16.2.1用户隐私政策295
16.2.2数据安全流转296
16.3数据合规技术创新实践298
16.3.1数据匿名查询298
16.3.2区块链共享黑名单299
16.4本章小结300
第17章海外风控公司302
17.1ARKOSELABS302
17.2SIFT304
17.3FORTER305
17.4SHAPESECURITY306
17.5OKTA308
17.6本章小结313