反作弊中的图算法_文章集合与摘要

1、图算法在风控场景的应用_图算法 风控_DataFunTalk的博客-优快云博客

这篇文章简要介绍了

1）几种图算法：图论算法、图机器学习、图挖掘算法。

2）图在风控中的演化方式：从规则到算法，从一阶的特征聚合 到 利用图做多阶特征的聚合

3）介绍了一些图算法框架：GraphX、腾讯Plato、腾讯 Angle 图、NebulaGraph、线上实时模型查询推理系统（DGL+ SageMake+Nebula)、DGL-Message Passing

2、图算法在网络黑产挖掘中的思考

介绍图算法在账号维度的黑产挖掘

1）业务目标有两方面：

* 找出目标恶意类别用户。比如需要找出散播招嫖信息的用户，则给定该类用户招嫖的标签，类似于一个用户定性的问题；
* 黑产种子用户扩散，即利用历史的黑产用户进行用户扩散以及用户召回

2）手段：GraphSAGE

* GraphSAGE核心思想主要为两点：邻居抽样；特征聚合。

* 本文中做的优化：聚合优化、采样优化、剪枝优化

3）效果评估：指标主要有两个：聚类（社区）准确率；召回恶意率。

3、图算法在斗鱼反作弊中的实践

通过图算法去识别这种刷流量的黑产（刷流量指的是主播的人气，一个是主播的关注等）

1）算法的整体架构：算子、算法、应用。算法包括图构建、图传播、图分割、图嵌入

2）图算法风控建模

* 图的优势：黑产有时间和群体聚集性，图跟黑产作案的特征是非常契合的。图算法对新攻击的对抗性会比较高，图的拓扑结构让黑产很难去发掘究竟是哪一块被操作了。

* 建模流程：

        a.图构建：节点和边的定义

        b.图算法任务：图的有监督、图的无监督、图表征学习

        c.图可解释性：统计挖掘的团伙的一些统计指标；通过图结构/实体向量表征去做衍生特征；第三种是一个通过聚集性信息去描述。

        d.业务应用：事前拦截（少量账户作案时，拦截其他账户），作案后处置，风险评分。

3）实战案例1：序列x图

行为序列抽取 -> 序列Embedding -> 相似序列挖掘

4）实战案例2：全场景刷量团伙挖掘

定义特征 -> 定义特征距离的计算方式 -> 计算初始团伙 -> 合并成新团伙

待更新。。

4、图算法在阿里风控系统中的实践

5、图分析与挖掘在希沃的应用

6、图挖掘技术在京东广告流量风控上的应用与实践

7、大规模图算法在京东广告的实践

8、浅谈图深度学习在广告反作弊领域的应用