九眼智能大数据技术助力网络安全

　　当前，电信网络案件总体呈现出场景化、多样化、技术化、产业化、集团化、跨国化的特征，严重危害人民财产安全。电信网络案件往往利用人性弱点作为切入点，设计各种场景将不法行为包装得极为隐蔽、更具诱惑性。云计算、大数据等新兴技术的发展在推动金融行业转型升级的同时，也进一步助推了点对点的“精准实施”。从上游非法获取公民个人信息，中游实施不法行为，到下游销赃，已经形成一条完整的分工协作产业链，不良行为也加速蔓延并呈现出组织化、集团化等趋势。

　　充分利用大数据、云计算、机器学习技术，打造全数据、自动化、高时效的风险防控体系是网络安全的必然选择。这就要求各个网络安全参与部门在基于精准高效模型的判断的基础上，前移监控关口，逐步建立事前、事中、事后三位一体的全流程风险防控模式。

　　通过大数据分析进行三维多主体的风险刻画，从不同维度全面展示风险特征并进行行为关系图谱的分析，从源头上进行阻绝。通过分析复杂关系网络和绘制网络行为关系图谱，识别潜在的特征行为，进而引导相关人员深入调查并提前采取相关的应对策略，如将相应不法人员账号设为黑名单，向国家相关部门上报用户相关信息，实现电信网络行为的联防联控。

　　通过与各主要业务系统的集成贯通，将风险管控要求嵌入各个业务环节的运转流程，在不影响业务效率的情况下，对网络行为全周期管理，实现交易事中的实时预警、精准打击，并形成“监测-触发-识别-评估-报告-处置-反馈-改进”闭环管理流程。

　　首先，有效整合各渠道信息，通过对客户交易数据的挖掘分析，积累客户行为信息，实现用户行为分析和客户画像，形成多维、立体、动态的客户特征，准确预测客户交易行为，主动识别异常行为，快速洞察潜在风险，实现“一点出险，快速洞察，全面防控”。

　　其次，挖掘不法团伙作案特征和规律，并根据风险形势变化，实时动态部署专家规则、量化评分、关系网络等模型，不断提高风险交易的识别准确率。同时，引入神经网络、极端偏离值分析等智能风险模型，综合运用模型挖掘、训练、测算、上线等闭环研发方式以及挑战模式，持续强化模型效能提升。

　　Zui后，把风险监控嵌入各项业务流程，在事中对交易进行截断，通过智能风险模型实现交易实时精准预警和有效拦截干预。同时，打造风险和体验相平衡的柔性防控模式，根据不同渠道特点、业务和风险类型，建立分级干预策略，对于中低风险，采用增强身份验证等柔性干预策略，对于高风险交易，采用止付等干预策略，确保客户资金安全。

　　九眼智能过滤系统就是充分融合了自然语言理解、人工智能、大数据分析等领域技术，可实时智能识别关键词音变、形变与拆字等常见变体，并实现了语义的精准排歧的信息监督、过滤的信息智能过滤技术。其具有智能化、语义化、实时性三大特点，采用NLPIR语义精准分词系统与情感分析系统，美双数组TRIE树词典管理与检索方法，精准识别各类文本数据，适用于多场景不文明信息内容的智能过滤发现。