特征提取算法 知乎_基于图的团伙挖掘（二）：黑产团伙识别

前文随便扯淡，挖了个坑一直没有填，本文聊聊黑产团伙识别

首先我认为团伙挖掘真正核心在于将业务转化为graph的抽象能力，而不是某个算法问题。很多水文开头一句团伙挖掘，全篇介绍经典社区发现算法非常容易误导人！

其次在无监督中可解释性非常重要，而图的视角往往具备这个特性。

1.攻防对抗

黑产团伙一般受资源和任务约束的影响，有聚集性、短期高频等特征。一般都会有下述风控规则：

• “7天内在某事件（注册、营销等）设备关联超过xx个账户”。
• “1天内某IP关联超过xx个账户”。

虽然规则简单，但由于实时性和贴近业务的特点，确实是可以拦截不少黑产。

不过会造成一定误杀，特别是IP类的规则，比如最好开流量抢票，而不是公司、学校的WIFI。

同时因为风控是攻防对抗的过程，黑产也会升级，比如通过伪造设备、LBS、频繁更换IP等手段尽可能伪装成一个真人，隐蔽聚集性等显性特征，绕过风控规则。

相应风控技术也在进化，如使用设备指纹、IP画像、验证码对抗等，因为不是本文重点不过多介绍，若感兴趣人多后面可以专门开一文介绍。

2. 基于关联关系识别团伙

就上节描述的场景，其实可以定义设备-账户的Graph如下：

节点：账户、设备

边：近xx天账户与设备出现在同一事件中，则它们之间有一条边。

识别方法：

1. 无监督方法：通过连通子图算法识别出一个个连通的社区，如果社区规模较大，