과학 네트워크 사기를 방지 하기 위해 큰 데이터를 사용 하 여 능숙 하 게 선별

대용량 데이터 분석, 네트워크 보안은 잠재적인 응용 분야입니다. 대용량 데이터를 분석 하 여 공격자의 패턴 네트워크 공격에 대 한 방어에 더 능동적이 될 수 상영 될 수 있습니다 보다는 전통적인 보안 방어의 경우는로 알려진된 공격 패턴에 대 한 감시 수 있는. 그리고 큰 데이터 기술, Cylance, 같은 신생 그들의 자금 조달 했.

기존 네트워크 지불 및 네트워크 거래 사기 방지 시스템 너무 복잡, 또한 수 있습니다 효과적으로 제거 하지 네트워크 사기, Siftscience 같은 시작 회사 기계 학습 기반 대용량 데이터 분석을 사용 하 여 네트워크 사기 방지 하려고 하기 시작 했다.

최근, 다른 회사, Siftscience, 사이버 사기 로부터 보호 하기 위해 컴퓨터 서비스를 제공 하는 학습에 따라 대용량 데이터 분석을 사용 합니다. 최근 Siftscience Unionsquareventures 벤처 캐피탈 자금에 의해 주도 4 백만 달러에 투자의 첫 번째 있어. 1.5 백만 달러의 씨앗 기금, 계산 후 Siftscience는 이미 5.5 백만 달러의 총을 했다.

Siftscience의 서비스는 주로 가장 만연 네트워크 사기 거래 시장, 전자 지불 네트워크 및 E-상거래 사이트, 인터넷에 대 한. 이 사이트는 단순히 웹 페이지에 자바 스크립트의 siftscience를 통합 하 여 siftscience 서비스를 즐길 수 있습니다.

Siftscience의 공동 설립자, Brandonballinger, 4 년 전에, Google에 대 한 근무 했다 그리고 주요 직업 사기 광고의 많은 수를 방지 했다. Google에서 Siftscience의 엔지니어의 5는, 두 검색 부서에서 있으며 3 사기 광고 방지 하기 위해 Brandonballinger와 함께 일 했습니다.

"우리는 모든 사이트는 인터넷에서 몇 가지 '나쁜' 사용자, 즉, 일부 사용자가, 사기를 저지 해야한다 실현" 이라고 말했다. Siftscience의 우리의 창조의 목적은 사기 모니터링 시스템 구축입니다. "Brandonballinger 말했다.

2011 년 6 월 그의 대학 룸메이트, Jasontan, Siftscience를 설립한와 Brandonballinger. 처음에, 그들은 자금 YCombinator의 2011 여름 프로젝트. 그들은 잠재적인 고객 들과 의사 소통, 고객의 초기 응답은 장소에 이미 사기 방지 시스템을 많이 하고있다 그리고 그것은 사기에 대 한 문제 해결 되었습니다 것 같다.

"그러나, 우리가 정말 고객 들과 깊이 있는 커뮤니케이션을가지고, 우리 찾을 문제가 해결에서 멀리 이다" 고 말했다. 많은 웹사이트 사기 방지 시스템을 구입 하 고 거의 아무도 진짜로 그들을 사용. "Brandonballinger 말했다. 그는 기존 사기 방지 시스템은 아직도 너무 복잡 한 지적 했다:

그들은 Googleanalytics 또는 Mixpanel 사용 하기 쉬운 아니에요. 또한, 사기 방지 시스템을 사용 해야 긴 판매 과정, 설치 비용, 등등 최소 요금을 필요가 필요 합니다. 그리고 API는 너무 복잡 하다. 기존 사기 방지 시스템 SOAPAPI는 종종 기존 시스템에 통합 하기 위해 몇 개월을 사용 합니다. 그리고이 대 한 RESTAPI를 제공 하는 Siftscience.

기존 시스템과 큰 문제는 그들이 고정 된 규칙을 사용 하는. 예를 들어 그들은 나이지리아에서 거래 또는 거래, 일정 금액 이상의 필터. 그러나, 네트워크 사기 카드의 고정된 규칙에 따라 아닙니다, 그들은 변경, 사기 방지 시스템을 눈 속임 하는 행동의 변화를 통해 쉽게 수 있습니다.

Siftscience는 사이버 사기를 다루는 기계 학습 알고리즘을 사용 합니다. Siftscience의 데이터베이스, 네트워크 사기의 1 백만 이상의 패턴 있으며 기계 학습 알고리즘을 통해 추가 되는. 예를 들어 일부 URL 탐색 순서, Tor 노드 IP에서 주소, 늦은 밤 거래 정보, 등에서 추가할 수 있습니다 네트워크 사기 행동 패턴 분석에 대 한.

각 사용자에 대 한 siftscience를 사용 하 여 사이트를 API 통해 사용자의 사기 방지 점수를 얻을 수 있습니다. 사기 방지 모델 사이트의 요구에 더 적합 되도록 사이트 또한 모델 피드백, 학습 하는 기계에 기반 수 있습니다.

네트워크 거래에서 부정 감지 하거나 사이트 스패머 네트워크 사기에 의해 만들어진 찾을 수 있도록이 시스템을 사용할 수 있습니다. Siftscience의 통계에 따르면 그들의 시스템은 클라이언트 사이트의 네트워크 사기 행동의 90%를 식별 수 있습니다.

Siftscience의 제품 이전 20 고객, 친구나, 동네 짱, Listia를 포함 하 여 테스트 되었습니다. 또한, 일부 최고의 전자 상거래 사이트 및 네트워크 지불 플랫폼 있다. Siftscience 제품의 가격 사이트 매달 기대 사용자 등급의 수를 기반으로 합니다. 사용자를 위한 달 당 5000 아래 무료, 사용자는 10 센트를 위한 달 당 5000 사용자.

(책임 편집기: Fumingli)