0
隨著社會觸網(wǎng)程度的加深，黑色產(chǎn)業(yè)鏈也在暗地生長。據(jù)《2016年國內銀行卡盜刷大數(shù)據(jù)報告》不完全統(tǒng)計，2016年全網(wǎng)統(tǒng)計銀行卡盜刷共7095次，累計造成客戶損失1.83億元，網(wǎng)絡詐騙“黑色產(chǎn)業(yè)”市場規(guī)模高達1100億元。
與此同時，風控行業(yè)也越來越為人所知，風控公司在全球遍地開花。CashShield是一家新加坡線上反欺詐風控公司，成立于2008年。CashShield目前共有三款產(chǎn)品：反支付欺詐產(chǎn)品Frontier、賬戶保護Vanguard和防優(yōu)惠券欺詐產(chǎn)品，保護對象包括虛擬商品及實物商品。
李偉健是CashShield創(chuàng)始人兼CEO，他坦誠道，“其實CashShield走向國際化有點誤打誤撞，因為我們也不是一開始就定位國際化的。新加坡的市場太小，沒有足夠大流量的商家平臺。最先切入歐洲市場可以說是‘被逼’的，我們選擇那些深受黑客侵擾的公司開始，比如游戲行業(yè)。”
篳路藍縷的時期過后，現(xiàn)在CashShield的客戶遍及美國，歐洲，中國與東南亞，審核交易覆蓋超過190個國家，涉及行業(yè)有如電子商務、數(shù)碼業(yè)、電信、奢侈品以及在線旅游等。
近日，CashShield 宣布完成由GGV紀源資本領投，iPod之父托尼·法戴爾、游戲公司雷蛇、新加坡淡馬錫控股的海麗凱資本等跟投的A輪550萬美金融資。李偉健表示，這次融資是為了建立更長遠的合作關系并加快全球擴展。中國和硅谷是下一階段重點攻克目標市場。而投資方的背景，對于CashShield來說是一定的助力。
據(jù)雷鋒網(wǎng)了解，CashShield目前的中國客戶主要來自游戲行業(yè)，比如三七互娛、綠洲游戲、盛大游戲。這些公司的流量超過1000億人民幣。
另一個與風控密不可分的領域——金融，CashShield涉足似乎并不太多。對此，李偉健表示，他們的主要打擊目標是是否存在非法盜用行為，這不同于重點在了解用戶是否有還款能力的信貸風控。
不過，這并不意味著，CashShield對于金融客戶沒有想法。他對雷鋒網(wǎng)介紹說，他們與金融機構的合作點在賬號保護方面。
“新加坡的fintech主要集中在移動支付和區(qū)塊鏈領域，反欺詐公司為數(shù)不多?，F(xiàn)在我們已經(jīng)與新加坡政府達成合作，Vanguard能夠保護新加坡公民的線上付款賬戶，防止賬號被盜。”
除此外，還可以防止出現(xiàn)黑客刻意制造多個賬號，盜用用戶信息來貸款的情況。CashShield認識到，賬戶的價值越來越高，賬號保護在其他領域也有用武之地?！昂诳捅I走美國uber賬號，現(xiàn)在每個賬戶能夠轉賣30美元?！?/p>
而在目前中國市場，金融風控領域可謂是對手林立。作為“外來的和尚”，CashShield有什么爭奪客戶的底氣？
李偉健回應道，在詳細調查中國主流風控公司后，他們發(fā)現(xiàn)大部分還是屬于大數(shù)據(jù)風控范疇，算法基于規(guī)則，篩選工作離不開人工。“而我們目前的機制中不需要人工篩選。CashShield的策略是專攻技術，這樣才能與大企業(yè)有一爭之力，這也是目前我們只有三大產(chǎn)品而不是全流程風控的原因。”
事實上，近兩年，機器學習已經(jīng)不再那么高不可攀。同業(yè)也紛紛將加載了機器學習的自動風控方案作為殺手锏。
“但羅馬不是一天建成的，CashShield有別于其他競爭對手的一點就是，我們在六年前就開始應用機器學習“，李偉健回憶起這些年的變化，“2011年，那時候機器學習的研究大多在大學的實驗室中，產(chǎn)業(yè)界并不普及，客戶對于我們產(chǎn)品的認知不夠?，F(xiàn)在機器學習越發(fā)流行，對于我們也有一定好處——銷售工作更好推進了?！?/p>
那么具體來說，CashShield的全自動化風控方案是如何實現(xiàn)的呢？
這主要涉及三種技術，分別是被動生物識別、實時模式識別、高頻交易算法。清華大學交叉信息研究院博士后、物理學博士王書浩指出，在電商交易領域中，最普遍的兩種欺詐行為是賬戶失竊和黑客盜刷信用卡。這兩種欺詐行為的共同點就是，黑客都會購買商品并變現(xiàn)。而變賣更加容易的虛擬商品市場更是重災區(qū)。賬號保護、反支付欺詐的運作原理基本相同。
收集信息是風控的第一步。被動生物識別就是收集并分析用戶的行為數(shù)據(jù)。首先，CashShield會區(qū)別用戶是使用手機或者電腦登錄。針對于手機用戶，CashShield會收集用戶的行為習慣（手指按法偏左還是偏右、點擊點）、打字速度等數(shù)據(jù)；電腦端則可以獲取操作系統(tǒng)、鼠標動作、社交網(wǎng)絡信息等。當然，數(shù)據(jù)庫中還有IP地址、信用卡信息等。他還提到，一般的方案中不包括指紋、人臉識別。因為若包含，意味著多加一個設備、多一道檢驗，可能會傷害用戶體驗。
獲取數(shù)據(jù)之后，就是運用機器學習、實時模式識別、高頻交易算法分析評估，最終對用戶產(chǎn)生一個明確的”yes or no“評價，即通過或者不通過。
由于機器學習訓練使用的是歷史的數(shù)據(jù)，反欺詐策略也是建立在歷史交易上，因此如何識別新的欺詐手段一直是一個重要問題。李偉健告訴雷鋒網(wǎng)，CashShield試圖采用實時模式識別技術來解決這個問題。
“有些新交易沒有歷史數(shù)據(jù)，會有一些其他判斷方法。比如，如果IP和購買地址不同，系統(tǒng)就會計算兩點之間的距離?；蛘?，出現(xiàn)一個新電子郵件賬戶，我們會去Facebook、Twitter等社交網(wǎng)站上找是否用它進行注冊?！?/p>
至于高頻交易算法，它又稱為金融危機算法，是指在進行高頻交易的時候，需要對股票進行風險和收益兩方面評估。支付方面的風控邏輯也同理，產(chǎn)生訂單后，會評估接受訂單后的收益和潛在風險，CashShield會綜合兩個因素，運用金融危機算法降低風險。
據(jù)統(tǒng)計，全球市場標準的欺詐率在十年來大約在1.5-2%左右，高風險行業(yè)（游戲、虛擬物品）的欺詐率可以達到3-5%。CashShield方面表示，它能幫助前者將欺詐風險降低到0.15-0.2%，后者風險在0.3-0.5%之間。
“游戲公司三七互娛之前的欺詐率一般在5%左右。如果CashShield很好地控制了風險，那么會索取節(jié)省的一定比例費用作為報酬?！蓖瑫r，若是出現(xiàn)欺詐行為，CashShield將承擔欺詐訂單100%的損失?！斑@樣，企業(yè)可以更加專注于本身的業(yè)務發(fā)展?！?/p>
此外，高頻交易算法還能通過優(yōu)化欺詐風險最大化潛在收益。李偉健解釋說，風險收益相伴隨，風險很小，收益也必然很小。
“極端而言，就是‘0風險0收益’。這時，我們會建議部分商家提高一些風險，提高0.1%風險，可能將獲得10%的回報。因為有些客戶太過于注重降低欺詐，導致用戶通過率很低，這樣能夠提高營收，擴大發(fā)展規(guī)模。”
上述設計也有出于用戶使用體驗的考慮。針對C端用戶，在CashShield看來，優(yōu)良的用戶體驗表現(xiàn)在，訂單通過率較高，流程簡潔，審核驗證能在0.1秒內實現(xiàn)。對于B端商家來說，CashShield會提供線上技術支持，API接入平均需花費5個工作日，而一般接入用時需要3個月以上。
“我們的目標是成為‘隱形保安’，既不影響用戶使用體驗，也不需耗費更多人力?！?/p>
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權禁止轉載。詳情見轉載須知。
