随着电商平台的发展，网购已经成为了大众最喜欢的购物方式之一。在网上购买商品时，很多人都倾向于通过观察销量、评价等信息来判断商品的好坏，这也直接催生了一个灰色产业——刷单。部分商家会通过刷销量、刷好评等行为，来提升自己的店铺热度。这种欺诈行为，不仅会蒙骗消费者，也会直接影响电商平台的信誉。从另一个角度讲，商家对手之间的恶意竞争，也会引来欺诈者对对手商家的大量差评，用来打击对手，提升自己。
那么面对这种情况，如何“反刷单”呢？国内最大的互联网安全公司360与中科院计算所副研究员刘盛华博士合作，共同对这一问题进行了深入的研究。
传统反刷单方法效率低 基于特征抓取错误率高
刘盛华博士是美国卡耐基梅隆大学（CMU）访问学者，清华大学博士，美国加州大学洛杉矶分校（UCLA）访问研究助理及学术界校友代表，其所带学生是国内长期研究异常检测的科研团队之一，也是中科院网络数据科学与技术重点实验室的一支科研队伍。
对于“刷单”问题，刘博士介绍到，目前大多数的互联网络公司都有风控部门在针对“刷单”行为开展反欺诈工作。然而遗憾的是，他通过和一些公司技术人员的交流，以及在相关学术会议上的讨论，发现很多公司的反欺诈措施仍停留在传统方法上。
这种传统的反刷单方法，一般通过提取已经发现的欺诈者属性特征，或者分析欺诈买家的特征，归纳总结出一些特点，然后按照这些特点再到掌握的信息池中去抓取欺诈者。
但目前流行的刷单手段会通过刷手买真实用户信息、模拟真实购物行为、发“真实物流”（空包物流）以及先刷店铺访问量再刷订单数等较小的代价来避免反欺诈系统的检测。因此传统基于特征的检测方法，存在着先天的缺陷，要么只管用一时，要么容易出现错误抓取。
360天御提供安全助力 从“大图”数据入手遏制欺诈
针对目前存在的问题，刘盛华博士团队提出了一种基于行为关系的检测方法，因为任何欺诈都需要行为的发生，所以根据行为的特点进行检测，便可以让欺诈者原形毕露。刘博士进一步介绍称，这一方法的基本思路是基于“大图挖掘”的异常检测，这张大图就是每个普通用户（包括隐蔽其中的刷手）在店铺里的访问、购买、评论等行为。
为获取回报，大部分用户的刷单、刷量行为不会只有一次，再加上随后会带来的好评、浏览量、销量的突增等，都可以在“大图”上表现出不自然的聚集现象，这样一来，表现异常的“刷单相关者”就容易被揪出来了。
当然，不仅仅是一些店铺在刷单，许多APP也开始了“刷量”，甚至不仅仅是刷好评和销量，甚至给对手刷差评、打低分，也都会在大图上表现出来，使欺诈者和欺诈行为被检测出来。
在互联网不断发展、移动互联网飞速扩张的今天，面对网络行为的大数据，想要去挖掘这些线索，就需要更先进的算法和更准确的评估计算。对此，360安全大脑为刘博士团队提供了技术上的支持。
其中，360天御作为由360安全大脑赋能，主攻移动安全的品牌，将协同刘博士团队共同开展“反欺诈”工作，通过有效的风控手段迫使欺诈者放慢刷单节奏、增加账户成本，使刷单欺诈的“生意“在互联网中失去市场和生存空间。
据介绍，360天御是由之前备受开发者青睐的加固产品360加固保全面升级而来，升级之后不仅将产品资源重新整合，还可以提供一站式移动安全服务。至今，360天御共服务移动应用80万+，每天保护15亿移动终端用户，已覆盖政府、互联网、运营商、金融、游戏、教育、医疗等应用场景。
相信在这样“强强联合”的努力下，电商平台、移动应用等刷单欺诈现象将得到有效遏制。与此同时，国家诚信体系建设也在逐步完善，执法手段不断优化，这些都将大大提高欺诈行为的成本和风险。相信在未来，比起“刷单”市场，商家将更愿意把钱花在改善产品和服务的方面，最终形成良性的市场生态循环。
