图聚类在虎牙风控的实践

虎牙风控背景介绍总结与展望

背景介绍

虎牙直播平台面临多种业务场景和风险，主要包括：

• 营销活动作弊：如百宝箱、藏宝图、投票选秀等活动的刷量刷榜行为。
• 内容违规风险：涉及直播违规、视频违规、文本违规（弹幕、私信、动态评论、昵称、个签等）。
• 充值作弊：如虚假充值、刷流水等。
• 刷量刷榜：贵宾席、人气、观看时长、搜索热榜等指标的虚假提升。
• 身份验证：盗号、诈骗、未成年人识别等。
• 渠道流量作弊：虚假流量来源的识别。

风控的意义在于：

• 降低监管风险，避免平台因违规内容受到处罚。
• 维护内容生态健康，提升用户体验，防止优质用户流失。

传统黑产对抗方案

• 专家规则：基于黑、灰、白名单，优点是准确率高，缺点是成本高，更新慢。
• 有监督风控模型：优点是可以挖掘多维数据的隐式关系，缺点是严重依赖样本标注，无法应对不断演变的欺诈攻击。

图聚类在虎牙风控的实践

为什么需要图聚类？

• 图聚类支持无监督学习，无需标签即可从正常用户中聚类出异常团伙。
• 图本身具有天然的可解释性优势。

图聚类在虎牙风控中的应用

• 业务实践：利用图聚类技术识别异常团伙，如营销活动作弊、身份验证等场景。
• 常用的图算法：
  • Louvain社区发现算法：
    • 核心思想：通过优化模块度来检测和划分网络图中的社区结构。
    • 动态过程：通过多次迭代和社区聚合发现网络中的层次结构。
    • 优点：采用递归思想，具有较好的扩展性；无需预设参数；计算效率高。
  • Dbscan算法：
    • 优点：具有较好的噪声处理能力，不受簇数量的影响。
    • 缺点：对参数敏感，受邻域半径Eps和最小点数MinPts的影响。
    • 算法流程：通过核心点和邻域点的密度连接进行聚类，未包含在任何簇中的数据点为异常点。

技术细节

• Dbscan如何定义距离：将所有特征one-hot之后，计算两个用户之间的jaccard距离。
• 如何初始化权重：未详细说明。
• 如何提高实时性：在滑动窗口内对所有请求数据构建图，进行图聚类输出。
• 可解释性：通过频繁集挖掘（FP-Growth）挖掘成团规则，如：
  • 规则1：{应用版本：1.0.0客户端：ios系统版本：14.2}
  • 规则2：{手机号段：086135XXX应用版本：1.0.0客户端：ios系统版本：14.2}

总结与展望

总结

1. 图聚类支持无监督学习，可综合应用节点特征和关联网络信息，在解决无/少标签的团伙欺诈问题中发挥了重要作用，是智能风控体系中不可或缺的一部分。

展望

1. 可解释性是风控场景模型应用绕不开的问题，如何使更多概率模型可以发挥可解释的作用是需要思考的。
2. 风控是与黑灰产动态博弈的过程，我们在提升技术水平时，黑灰产作弊手法多变，技术水平也在不断提升，如何提升自动化对抗能力是需要长期研究的问题。