爱奇艺风控团队负责公司全业务风险防控，面向业务提供通用与定制相结合的一站式解决方案，为业务赋能，加强业务核心竞争力。风控中台提供涵盖账户安全、会员安全、内容生态保护、拉新裂变反作弊、营销活动、金融支付等各个互联网风险场景的专属解决方案，已接入30+业务线，300+业务风险点。本论文由爱奇艺与南京大学共同完成，是双方产学研合作的一部分，旨在探索图神经网络在拉新裂变反作弊场景的应用。
背景
在流量为王的时代，拉新裂变是各大互联网公司争夺新用户的重要手段。活动可观的用户奖励（现金、会员卡等），也使其成为黑灰产的重点攻击目标之一。为了保障活动效果及用户质量，高准召的风控也显得日益重要。
黑灰产通常采用模拟器、多开分身、改机、设备农场、代理IP、接码平台、众包平台等工具批量伪造新用户参与活动，将活动奖励据为己有。造成公司资金损失、业务关键指标下降、正常用户体验受损等多方面影响。针对此类攻击，业界已有一些较为成熟的防御模型：
频繁集检测（FP-Growth）：批量攻击往往会在设备、网络、时间、地点等维度或维度组合上出现大量聚集，此时频繁集检测是简单有效的检测与预警算法。
聚类/无监督：K-means、iForest等，一般提取行为特征后进行聚类或异常点检测，以找到行为相似异常聚集或异于正常行为的用户。具有较高的鲁棒性，但是准确率不易掌控。
Comments