还有一点，在反欺诈里，数据本身就有很大的问题：标注数据非常稀少，数据本身是非饱和数据，一个数据的数据集可能有几千个不同的维度，这几千个维度在所有的数据里不一定都有。

在这种情况下，用监督式的方法很难做，做出来的模型效果也很差，所以猛犸就采用非监督的方法，第一，能冷启动，第二，在标注数据比较少时，可以较快地主动发现一些欺诈。用这种异常做聚类，也会更加准确。

第三，行为生物识别。生物识别现在也是一个很火的领域。很多供应商在做指纹、声纹、人脸识别，而且做得都不错。但是，还有一个问题：它是 N 次检测，每次检测时，用户会知道你调用了指纹检测，或调用了人脸识别的检测，因此，存在两个问题：

1.影响用户体验。

2.黑客会知道你在用什么手段在找他。

所以，女朋友趁着男朋友睡觉时，拍一张照片，或者拿手机在他脸上照一照就能够贷款，有很多这种类似的破解手段。

现在还有一种方法――用行为做生物检测，而非物理、生理的方式做生物检测。

比如，你手里拿着一个 iPhone6，如果是右撇子，滑动的位置，更大的概率是靠近左边。如果是左撇子，滑动的位置大概是靠近右边。靠左还是靠右，以及上下的位置，在一定程度上会反映出手掌的大小。在输入时，可以检测出手指的力度、大小。

这些都是一些弱因素，并不能通过一个因素直接判断这个人是谁。但是，当一系列弱因素结合在一起时，很容易判断出来，atv，在这个时间用特定的一台手机的人与过一段时间后再用特定的同一台的手机的人是不是同一个人。

这种判断的好处是：这是一种基于行为的生物识别，识别背后操作手机的人会不会有变化。对黑客而言，他不知道你在用什么手段，就算他知道了，把我的手机偷走了，但也很难在用户的手机上模拟用户真正的使用行为。

对用户而言，对用户体验的影响很小，因为用户根本无法意识到。现在已经有很多国外的创业公司在做这种技术，丹麦最大的一家银行在几年前就已经部署这种技术。

----正事讲完----

愿天下无骗子

+

借钱要还