互联网反欺诈体系中的常用方法

反欺诈的方法多种多样，当前互联网反欺诈体系中常用的方法有信誉库、专家规则、机器学习等。

信誉库

信誉库即传统的黑白名单，通过内部积累、外部获取的各种人员、手机号、设备、IP等黑白名单对欺诈行为进行辨别，是一种实施简单、成本较低的反欺诈手段。与此同时，信誉库也存在着准确度低、覆盖面窄的缺陷和不足，仅可作为互联网反欺诈的第一道过滤网使用。

规则系统

规则系统是目前较为成熟的反欺诈方法和手段，主要是基于反欺诈策略人员的经验和教训来制定反欺诈规则。当用户的操作请求和操作行为触发了反欺诈规则时，即被认定为欺诈行为并启动拦截，常见的如各种聚集度规则等。

规则系统的优势在于实现较为简单、可解释性强，但也存在缺陷，即规则系统具有严重的滞后性，无法及时应对新出现的欺诈手段和方法，往往需要付出巨大的代价之后才能总结教训、提炼出新的规则。此外，由于人脑的限制，规则系统只能使用一个或几个维度的参数进行计算，往往存在较大的误报率。

规则系统严重依赖于专家经验和教训，不同决策人员制定的规则系统效果也往往存在较大差异，因此规则系统只能作为互联网反欺诈的应急手段和最后防线。

机器学习

机器学习是近年来才出现的一种新兴的反欺诈方法，目前已经取得了一定的效果，最为常见的如芝麻信用评分等。

机器学习反欺诈是通过机器学习，将用户各个维度的数据和特征，与欺诈建立关联，并计算出欺诈发生的概率。

常见的机器学