顶象科技的技术文章

Dinsigh的日常风控策略的平均处理速度在100毫秒以内，支持多方数据的配置化接入与沉淀，能够基于成熟指标、策略、模型的经验储备，以及深度学习技术，实现风控自我性能监控与自迭代的机制。在挥手的过程中，会造成面部的数据的干扰，会产生一定的抖动或者是一些闪烁，或者是一些异常的情况。这起诈骗案的特点是利用了人工智能的深度伪造技术，诈骗分子事先搜集了目标公司高层管理人员的面部和声音数据，通过AI技术将这些数据“换脸”到骗子的身上，制作出看似真实的视频会议，导致参加视频会议的公司职员将2亿港元转入骗子的账户。

Dinsigh的日常风控策略的平均处理速度在100毫秒以内，支持多方数据的配置化接入与沉淀，能够基于成熟指标、策略、模型的经验储备，以及深度学习技术，实现风控自我性能监控与自迭代的机制。顶象全链路全景式人脸安全威胁感知方案通过设备环境、人脸信息、图像鉴伪、用户行为、交互状态等多维度信息进行智能核验，快速识别注入攻击、活体伪造、图像伪造、摄像头劫持、调试风险、内存篡改、Root/越狱、恶意Rom、模拟器等运行和系统类等30多类恶意攻击行为，及时发现伪造视频、虚假人脸图片、异常交互行为后，可自动阻断操作。

并搭建基于设备、环境、行为的多维度识别策略模型，识别出虚拟机、代理服务器、模拟器等被恶意操控等风险设备，分析设备是否存在多账号登录、是否频繁更换IP地址、频是否繁更换设备属性等出现异常或不符合用户习惯的行为，追踪和识别欺诈者的活动，帮助企业实现全场景各渠道下同一ID的运营，助力跨渠道的风险识别与管控。肉刷是以真机作为载体，通过特殊的刷机软件，篡改手机的环境参数，如：IMEI号、手机号码、IMSI、MAC地址等关键参数，在人工的操作下，假冒多用户下载、激活、注册和使用的流量作弊行为。

顶象设备指纹通过用户上网设备的硬件、网络、环境等特征信息生成设备的唯一标识，可有效识别客户端的设备指纹是否合法，是否存在模拟器、刷机改机、Root、越狱、劫持注入等风险，做到有效监控和预警。根据注册数据、登录数据、激活数据等信息，沉淀并维护对应的黑白名单数据，结合风险控制策略和业务沉淀数据，利用顶象Dinsight实时风控引擎和的Xintell智能模型平台，通过数据挖掘技术进行行为建模，对注册、登录、下单、抢购等行为进行分析与预测，输出的模型结果可直接为风险控制策略提供支持。

随着线上数据的积累，顶象能够利用风控数据和业务沉淀数据，对用户行为进行建模，模型输出可直接应用于风控策略中，进一步提升风险防控的前瞻性和精准度。平台一旦误判，将会直接影响用户体验。对于山寨造假和混淆视听的行为，《规定》第七条提出了禁止经营者实施混淆行为，包括擅自使用他人有一定影响的标识、域名、页面设计等，以及生产销售足以引人误认为他人商品的行为。通过动态策略和纵深防护，顶象不仅能够有效识别和防控刷单刷量、虚假评论等欺诈行为，还能够在保护用户隐私和提升用户体验的同时，为数字经济的健康发展提供坚实的安全保障。

网络爬虫的攻击手段也日益智能化和复杂化，仅仅依靠限制访问频率或者前端页面加密已经难以有效防御，需要提升人机识别技术，增加异常行为的识别和拦截能力，以限制网络爬虫的访问，提高恶意盗取的攻击成本。恶意的网络爬虫的目标是在最短时间内抓取最多信息，因此它们会使用同一设备进行大量的访问操作，包括浏览、查询、下载等，这会导致该设备的访问频率、时长、深度等指标异常。恶意的网络爬虫的目的是获取网站、App的核心信息，比如用户数据、商品价格、评论内容等，因此它们通常只会访问包含这些信息的页面，而忽略其他无关的页面。

建立本地名单动态运营维护机制，基于注册数据、登录数据、激活数据，沉淀并维护对应“仅退款”黑名单数据，包括用户ID、手机号、设备等维度的黑名单。线上数据有一定积累以后，通过风控数据以及业务的沉淀数据，对注册、登录、下单、抢购行为进行建模，模型的输出可以直接在风控策略中使用。“仅退款”欺诈不断变化，手段更迭快速，新攻击手段对既有的防控措施进行了调整甚至免疫，传统措施不能及时对新风险进行识别和预警。而且电商平台很多业务安全流程上很容易互相矛盾，甚至相互打架， 一旦出现误判，将直接影响订单交易和店铺运营。

Dinsigh的日常风控策略的平均处理速度在100毫秒以内，支持多方数据的配置化接入与沉淀，能够基于成熟指标、策略、模型的经验储备，以及深度学习技术，实现风控自我性能监控与自迭代的机制。顶象全链路全景式人脸安全威胁感知方案通过设备环境、人脸信息、图像鉴伪、用户行为、交互状态等多维度信息进行智能核验，快速识别注入攻击、活体伪造、图像伪造、摄像头劫持、调试风险、内存篡改、Root/越狱、恶意Rom、模拟器等运行和系统类等30多类恶意攻击行为，及时发现伪造视频、虚假人脸图片、异常交互行为后，可自动阻断操作。

Dinsigh的日常风控策略的平均处理速度在100毫秒以内，支持多方数据的配置化接入与沉淀，能够基于成熟指标、策略、模型的经验储备，以及深度学习技术，实现风控自我性能监控与自迭代的机制。顶象全链路全景式人脸安全威胁感知方案通过设备环境、人脸信息、图像鉴伪、用户行为、交互状态等多维度信息进行智能核验，快速识别注入攻击、活体伪造、图像伪造、摄像头劫持、调试风险、内存篡改、Root/越狱、恶意Rom、模拟器等运行和系统类等30多类恶意攻击行为，及时发现伪造视频、虚假人脸图片、异常交互行为后，可自动阻断操作。

犯罪嫌疑人 90 后程序员周某交代，这款软件主要用于非法搬运视频，支持视频镜像，去水印，草稿替换，摄像头替换等功能，修改后的视频支持在快手、抖音、哔哩哔哩、小红书、西瓜视频等主流视频平台一键发布，从而协助他人实现账号“快速涨粉”目的。网络爬虫的攻击手段也日益智能化和复杂化，仅仅依靠限制访问频率或者前端页面加密已经难以有效防御，需要提升人机识别技术，增加异常行为的识别和拦截能力，以限制网络爬虫的访问，提高恶意盗取的攻击成本。顶象为企业提供了全流程的立体防控方案，能够有效防范网络爬虫的恶意盗取行为。

Dinsigh的日常风控策略的平均处理速度在100毫秒以内，支持多方数据的配置化接入与沉淀，能够基于成熟指标、策略、模型的经验储备，以及深度学习技术，实现风控自我性能监控与自迭代的机制。保险欺诈一直是保险行业面临的重要挑战之一，尤其随着技术的进步，欺诈者也在不断更新其手段，利用AI技术，包括生成式模型、机器学习和数据分析工具等欺骗保险公司，而AI技术的应用正成为他们的新工具，使其犯罪行为更加隐蔽和复杂，挑战保险行业的防欺诈措施。这使得欺诈者能够提交大量的虚假申请，扩大其欺诈规模，并使其更难以被发现。

不道德的代理人会将你的钱收入囊中，而不为你提供保险范围，因此当发生事故时，你会发现自己没有保险来支付索赔，必须自己承担损失。美国每年都有数百万人受到汽车保险欺诈的影响，即使是那些从未直接参与过骗局的人，也可能因为保险公司的成本上升而支付更高的保费。在事故发生后，如果有人夸大或捏造自己的伤害程度以要求更高的赔偿，这也属于欺诈行为。美国联邦调查局（FBI）估计，分阶段发生的事故给保险公司带来的损失每年高达 200 亿美元，据反保险欺诈联盟估计，分阶段事故约占与财产损失或伤害有关的损失的 10%。

攻击者只需下载受害人在社交媒体上分享的照片、视频、音频、活动等，仅需 30 秒到 1 分钟的样本，就能制作出高度逼真的声音、形象，进而再造一个主播，进行视频直播。顶象最新升级的反欺诈技术与安全产品，能够为企业搭建一个多渠道全场景多阶段的安全体系，系统对抗AI带来新威胁，其中包含保障App安全的App加固，防范AI的恶意注册与登录的无感验证，识别AI伪造的设备的设备指纹，挖掘潜在欺诈威胁、防范AI复杂攻击的Dinsight实时风控，拦截“AI换脸”攻击的全链路全景式人脸安全威胁感知方案等。

能够为企业搭建一个多渠道全场景多阶段的安全体系，系统对抗AI带来新威胁，这其中包含保障App安全的App加固，防范AI的恶意注册与登录的无感验证，识别AI伪造的设备的设备指纹，挖掘潜在欺诈威胁、防范AI复杂攻击的Dinsight实时风控，拦截“AI换脸”攻击的全链路全景式人脸安全威胁感知方案等。攻击者利用AI生成更加逼真的电子邮件内容，更容易骗取受害者的信任，例如仿冒合法机构的邮件，要求受害者点击恶意链接或下载附件，从而泄露敏感信息或者控制受害者的电脑，进而导致财务损失。

如今，AI已成为不可或缺的安全工具，从网络钓鱼检测工具到可响应网络安全查询的AI聊天机器人，一应俱全。攻击者可以利用AI制造更加复杂的骗局，绕过传统的安全措施，例如，电子邮件的反垃圾邮件过滤器。但矛盾的是，这种力量也可能被利用。如果威胁者向AI系统提供操纵数据（即“数据中毒”），可能会扭曲其学习过程，导致模型不准确，无法检测到实际威胁，甚至将恶意活动视为安全。此外，AI系统是不断学习和发展的，这使得它们在处理更多数据时变得更加有效，处理更多数据时会变得更加高效，能更好地识别和应对不断变化的网络风险格局。

并搭建基于设备、环境、行为的多维度识别策略模型，识别出虚拟机、代理服务器、模拟器等被恶意操控等风险设备，分析设备是否存在多账号登录、是否频繁更换IP地址、频是否繁更换设备属性等出现异常或不符合用户习惯的行为，追踪和识别欺诈者的活动，帮助企业实现全场景各渠道下同一ID的运营，助力跨渠道的风险识别与管控。同时，加强员工关于如何发现AI威胁。诈骗分子通过短信、社交工具、社交媒体、电话等方式，联系到受害者（例如，能够直接讲出受害人的姓名、家庭、电话、单位、住址、身份证号码、同事或伙伴，甚至部分经历），并获取信任。

将“深度伪造”的虚假内容与真实信息的元素拼凑在一起，就可以用于可以伪造身份、传播错误信息、制作虚假数字内容，进行各类欺诈。覆盖各渠道平台和各业务场景，提供威胁感知、安全防护、数据沉淀、模型建设、策略共享等安全服务，能够满足不同业务场景，拥有各行业策略且能够基于自身业务特点实现沉淀和更迭演进，实现平台的精准防控，从而快速有效地应对 “深度伪造”攻击，进行个性化防护。认为，要防范打击“深度伪造”欺诈，一方面需要有效识别检测出“深度伪造”伪造的内容，另一方面防范“深度伪造”欺诈的利用和扩散。

并搭建基于设备、环境、行为的多维度识别策略模型，识别出虚拟机、代理服务器、模拟器等被恶意操控等风险设备，分析设备是否存在多账号登录、是否频繁更换IP地址、频是否繁更换设备属性等出现异常或不符合用户习惯的行为，追踪和识别欺诈者的活动，帮助企业实现全场景各渠道下同一ID的运营，助力跨渠道的风险识别与管控。，攻击者基于AI能够伪造文本、图片、视频、声音，制作仿真的人脸照片、人脸视频、身份证件、金融账户、统计数据，更可以生成新型的木马病毒、破解账号密码，发起自动化的网络攻击等。同时，加强员工关于如何发现AI威胁。

根据情报介绍，基于AI技术，攻击者能够伪造文本、图片、视频、声音，可以制作仿真的人脸照片、人脸视频、身份证件、金融账户、统计数据，更可以生成新型的木马病毒，发起自动化的网络攻击。AI威胁带来的危险不仅在于生成仿真的信息，还在于其所促成的整个诈骗生态系统：一个由机器人、虚假账户和匿名服务组成的错综复杂的网络运作，所有这些都旨在制作、放大和分发捏造的信息和内容，具有识别难、检测难和追溯难的问题。所以，要防范打击AI欺诈，一方面需要有效识别检测出AI伪造的内容，另一方面防范AI欺诈的利用和扩散。

2024年央视3·15晚会，曝光了制造水军的“主板机”。报道指出，该“主板机”可集成20块手机主板于一体，使用者只需一台设备即可同时操控20部手机，实现海量信息发布、地域伪装等功能。广泛应用于网络营销、游戏作弊、社交平台刷量等多种灰色地带，甚至不乏用于网络投票操控、薅羊毛等不正当甚至是非法行为。由于“主板机”还可随意更改账户IP地址，使上千个手机账号看似分布在全国各地，绕过各类网络平台的安全机制，逃避监管部门的审查追踪，大大增加了网络违法行为的隐蔽性和复杂性。

“AI换脸”威胁研究与安全策略》共分为8章32节，系统介绍了“AI换脸”威胁的构成、“AI换脸”的危害、“AI换脸”欺诈的过程、典型的威胁模式、背后的产业链、目前主流的识别检测策略、各国针对“AI换脸”的监管规定、“AI换脸”欺诈案件中各方需要承担责任等。以顶象防御云业务安全情报中心拦截的某个“深度伪造”金融诈骗案件为例，诈骗分子的诈骗过程主要有四个阶段，“深度伪造”技术只是诈骗过程中的一个关键因素环节，其他环节中，受害人如果无法甄别和判断，很容易在诈骗分子的指示下一步步坠入陷阱。

在挥手的过程中，会造成面部的数据的干扰，会产生一定的抖动或者是一些闪烁，或者是一些异常的情况。这些“深度伪造”服务的定价各不相同，价格最低的“深度伪造”视频只需要2 美元，而需求复杂的一个“深度伪造”视频要100美元起，易用性使得犯罪分子更容易进行“深度伪造”欺诈。调查发现， GitHub（软件项目托管平台，用于托管和管理开发项目的代码存储库、协作和版本控制的最大基于 Web 的平台）上，有超过 3000 个与 “深度伪造”技术相关的存储库，表明其广泛的开发和分发潜力。

在挥手的过程中，会造成面部的数据的干扰，会产生一定的抖动或者是一些闪烁，或者是一些异常的情况。诈骗分子通过社交媒体和视频平台上，寻找并下载了该公司CFO以及其他几个人的照片、视频，然后使用深度伪造技术伪造出不同人员声音，再合成到伪造的欺诈视频片段中。这起诈骗案的特点是利用了人工智能的深度伪造技术，诈骗分子事先搜集了目标公司高层管理人员的面部和声音数据，通过AI技术将这些数据“换脸”到骗子的身上，制作出看似真实的视频会议，导致参加视频会议的公司职员将2亿港元转入骗子的账户。

Shopee是新加坡最大的电商平台之一，以商品种类丰富和价格优惠为主要优势，业务范围涵盖时尚、电子产品、家居、母婴、食品等多个领域，为消费者提供全面的购物体验。以上欺诈，各有特点。顶象提供了从客户端到业务端的全链路防控体系，能有效防范刷单炒信风险行为，识别和防控虚假交易评论、虚假投票、刷粉丝、刷阅读量等异常行为，且不影响正常用户体验，保障业务安全，促进电商平台的健康发展。新加坡电商市场呈现出多元化的发展格局，以上这七大电商平台是新加坡最受欢迎的购物平台，拥有不同的定位和特色，能够满足不同消费者的购物需求。

顶象设备指纹是指通过收集和分析设备的硬件、软件和行为数据，对每个设备进行唯一标识和识别的技术，识别出虚拟机、代理服务器、模拟器等被恶意操控的设备，分析设备是否存在多账号登录、是否频繁更换IP地址、频繁更换设备属性等出现异常或不符合用户习惯的行为，帮助追踪和识别欺诈者的活动。会上，他们集体签署一项技术协议，以抵制欺骗性的人工智能生成的内容，减少欺骗性人工智能内容的生成及其带来的风险，并同意在各自的平台或产品提出解决方案。该协议还承诺，将与全球组织和学术界合作，让公众和媒体意识到人工智能生成的欺骗内容的危险。

面对冒充熟人的电话诈骗必须提高警惕并采取切实有效的防范措施，通过设置特殊代码字、向身边的人寻求帮助、挂断并重拨电话以及小心在社交媒体上的分享等方法，能够有效地识别和防范冒充熟人的电话诈骗，确保人们的财产和人身安全不受侵害。诈骗分子深知，人们在紧急情况下往往会失去理智，因此他们通过各种高手段，以加剧受害者的恐慌情绪，使得受害者很难冷静分析情况，从而更容易上当受骗。借助AI技术，诈骗分子制作出受害者相信的视频，从而增强受害者的情绪反应，使诈骗更加真实和令人信服，使其更容易上当受骗。

视频中，受骗员工发现CFO以及几个同事，外表和声音、谈话的语气等，与他认识的同事一样，于是打消了早期的疑虑，相信早期的有建议及视频会议中的人都是真实的。顶象设备指纹是指通过收集和分析设备的硬件、软件和行为数据，对每个设备进行唯一标识和识别的技术，识别出虚拟机、代理服务器、模拟器等被恶意操控的设备，分析设备是否存在多账号登录、是否频繁更换IP地址、频繁更换设备属性等出现异常或不符合用户习惯的行为，帮助追踪和识别欺诈者的活动。运的是，随着技术的进步，检测识别深度伪造骗局的方法也在不断发展。

4、此外，AI技术还能够创建逼真的视频，制作出受害者相信的视频，从而增强受害者的情绪反应，使诈骗更加真实和令人信服，使其更容易上当受骗。面对冒充熟人的电话诈骗必须提高警惕并采取切实有效的防范措施，通过设置特殊代码字、向身边的人寻求帮助、挂断并重拨电话以及小心在社交媒体上的分享等方法，能够有效地识别和防范冒充熟人的电话诈骗，确保人们的财产和人身安全不受侵害。诈骗分子深知，人们在紧急情况下往往会失去理智，因此他们通过各种高手段，以加剧受害者的恐慌情绪，使得受害者很难冷静分析情况，从而更容易上当受骗。

顶象无感验证技术可以快速准确地区分操作者是人还是机器，精准识别欺诈行为，及时甄别出恶意账号，避免薅羊毛、批量注册的恶意攻击，实时监控并拦截异常行为，保鸿蒙生态用户操作的安全性。，能够为鸿蒙生态用户提供身份核验、设备核验、设备保障等业务安全能力，帮助开发者进行高效的全链路工具开发，推动企业业务在鸿蒙平台的部署和运营，助力鸿蒙生态的快速发展。顶象无感验证在银行、电商、航空、出行、游戏、教育、旅游、媒体、政务、智能制造等行业积累了丰富的案例，更能够为鸿蒙生态用户提供丰富实战经验安全保障方案。

美国商业委员会的统计报告显示，2023年年1至6月，联邦贸易委员会（Federal Trade Commission，简称FTC）接到的商业诈骗投诉高达110万人次，损失金额高达44亿元，商业诈骗正以前所未有的猖獗横扫全美各地。在这种情况下，我们可以要求购买者提供信用卡对账单、对应的持卡人驾照复印件、电话等身份证明，或者进行电话核对，以确认购买者的身份。（3）关注订单数量的突然增加的购买行为。同时，在互联网和用于存储数据的系统之间建立有效的防火墙，为处理信用卡数据的用户创建唯一的身份识别码。

这些产品在银行、电商、航空、出行、游戏、教育、旅游、媒体、政务、智能制造等行业积累了丰富的实战经验，为企业提供覆盖事前、事中、事后全生命周期的安全体系。作为鸿蒙系统首批原生应用开发合作伙伴之一，顶象多款业务安全产品已完美适配鸿蒙系统，能够为鸿蒙生态提供身份核验、设备核验、设备保障等业务安全能力，帮助开发者进行高效的全链路工具开发，推动企业业务在鸿蒙平台的部署和运营，助力鸿蒙生态的快速发展。该版本，能够实现原生精致、原生易用、原生流畅、原生安全、原生智能、原生互联6大极致原生体验。

作为顶象H5代码混淆的最新升级，顶象AI自适应代码混淆基于图神经网络技术，通过深度分析并提取代码的特征，能够根据不同代码块的特点，自动选择适合的方法进行混淆。顶象AI自适应代码混淆能够对不同代码块进行混淆，短代码块、长代码块、简单代码块、复杂代码块等，基于深度分析并提取代码的特征，自动选择适合的方法进行混淆，大幅提高代码的逆向分析难度。H5代码混淆是H5安全保护的重要手段，能够对需要保护核心代码和敏感数据的H5应用是指对H5代码进行修改，使其难以阅读和理解，从而增加恶意攻击者进行逆向分析的难度。

顶象能够帮助金融机构构建一个覆盖多渠道全场景，提供多阶段防护的安全体系，提供威胁感知、安全防护、数据沉淀、模型建设、策略共享等安全服务，及时监测到异常交易，详尽勾勒出用户画像，精准定位欺诈和洗钱账号，帮助金融机构实现高效的风险防控，满足不同业务场景，助金融机构更有效精准的防控。借助顶象业务安全情报，提炼总结分析出电信诈骗风险、IP地址风险、设备风险、涉毒涉诈风险、交易风险以及不同行业风险的业务安全信息，分析挖掘出攻击特征、潜在隐患，从而及时有效提升安全应急响应能力，制定科学有效的防控策略。

以及对网站的内部结构进行深入分析，获取更为隐蔽的数据的深度爬取。恶意爬虫盗取的数据，不仅包含互联网上的公开信息、社交媒体上的用户数据等功能公开数据，还包含企业内部数据、个人隐私数据等未经授权的数据，例如，以及敏感数据，例如金融数据、医疗数据等。账号盗窃冒用的加剧，一方面是网络钓鱼攻击和数据泄露的增加，以及数据泄露事件的频繁发生，使得欺诈者更容易获取用户的个人信息和密码。欺诈分子使用AI学习各个金融机构的业务流程，对各种组织运作方式的了解，可以编写脚本来快速填写表格并创建看起来可信的身份来信贷欺诈。

AI技术让欺诈更加复杂，基于技术+社会工程学的欺诈增多，CaaS威胁促使网络欺诈大幅增长，经济周期变化下黑灰产攻击愈加频繁

顶象无感验证集成13种验证方式，多种防控策略，汇集了4380条风险策略、112类风险情报、覆盖24个行业、118种风险类型，防控精准度>99.9%，1天内便可实现从风险到情报的转化，行业风险感知能力实力加强，同时支持安全用户无感通过，实时对抗处置能力更是缩减至60s内。验证码作为人机交互界面经常出现的关键要素，是身份核验、防范风险、数据反爬的重要组成部分，广泛应用网站、App上，在注册、登录、交易、交互等各类场景中发挥着巨大作用，具有真人识别、身份核验的功能，在保障账户安全方面也具有重要作用。

顶象无感验证是顶象防御云模块之一，能够有效阻挡恶意爬虫盗用、盗取数据行为，并能够在注册、登录、查询等关键环节，对恶意账号、恶意爬取行为进行实时的核验、判定和拦截。恶意程序或人员通常会使用暴力破解等方式尝试登录网站账号，验证码可以有效增加暴力破解的难度，防止恶意登录，保护用户的隐私和财产安全。恶意爬虫经常被用来进行内容抓取，不仅窃取内容并在其他渠道重新发布，还获取竞争对手的信息，以进行不公平的竞争。此外，恶意广告商的爬虫攻击：恶意广告商可能会使用爬虫来收集科技产品公司的网站流量数据，以投放更有效的广告。

犯罪即服务”（CaaS，Crime as a Service）是一种网络犯罪模式，指的是一些有资源、技术和时间的黑客，为那些想要针对某个企业或组织进行攻击，但没有这些条件的人或团体，提供定制化的网络攻击服务，并收取一定的费用。此外，CaaS威胁具有高度的可扩展性和可复制性，出租服务的攻击者拥有可以现成的工具和技术，能够快速地发动大规模的攻击。通过加强对设备和IP地址的监测，识别并拦截风险账号，以及基于数据分析和预测的风险行为变化，能够更加精准地识别和应对潜在的风险因素，为用户提供更安全、可靠的服务环境。

其中，顶象防御云的智能验证码利用人工智能技术，能够有效阻挡恶意爬虫盗用、盗取数据行为，并能够在注册、登录、查询等关键环节，对恶意账号、恶意爬取行为进行实时的核验、判定和拦截。恶意爬虫的攻击手段也日益智能化和复杂化，仅仅依靠限制访问频率或者前端页面加密已经难以有效防御，需要提升人机识别技术，增加黑产的识别和拦截能力，以限制机器人对其人类或系统目标的访问，提高恶意爬虫的攻击成本。通过对网站正常用户和恶意爬虫的访问数据进行收集、处理、挖掘和建模，可以构建出专属于网站自身的爬虫识别模型，从而提高识别准确率和效率。

此外，由于移动互联网的普及、年轻消费群体的扩大和当地居民可支配收入的增加，电子商务行业是东南亚数字欺诈发生率最高的行业之一。这些国家拥有庞大的在线消费人群，手机普及率居全球前列，但大多数人缺乏对数字欺诈风险的防范意识，并且当地数字信用基础设施不完善，导致相关行业的反欺诈成本过高。由于东南亚地区的经济发展不均衡以及相关的社会和技术因素，顶象防御云业务安全情报中心建议在贴近行业、了解风险、符合本地特色以及持续安全运营等方面加强工作，以提升柬各行业的安全防御能力，并推动其持续健康发展。