页面

搜索

2013年5月13日星期一

大数据:通过设备行为分析降低支付风险

大数据:通过设备行为分析降低支付风险:
编者:对于支付而言,安全是底线。哪种策略是最好的安全方式?在未来,通过分析用户设备与行为,建立一个判断模型,这也许会是更好的选择。本文作者为阿里小微金融服务集团大安全账户风险产品经理章建军(花名六和),首发于新浪科技创事记。


从2012年起,大数据的话题在中国互联网以及各个行业开始大热,据说2013年已经被国外媒体称为“大数据元年”。除了最常规的用户挖掘、广告价值提升,大数据被用来制作热门电视剧,建设医疗机构,甚至帮助奥巴马连任等各种神话已经层出不穷。但互联网最最基础的一项工作——安全工作,似乎一直跟这股潮流没什么关系。
很多人的印象中,互联网安全无非就是装个杀毒软件,网上支付的时候最好再拿个硬件盾(U盾)心里才能踏实点。一出问题,得出互联网始终还是比传统世界不安全的结论,那是必须的。我们搞互联网安全的,有那么没有技术含量吗?这里简单给大家介绍下网上支付控制风险的一个利器——正是现在所有人热捧的大数据。
传统安全认证方式及其问题
之前有人说“在互联网上,没人知道你是一条狗”,这种“身份不确定性”对于互联网金融服务来说,是一个永远的风险。网络钓鱼、木马传播、账号窃取等带来的盗用和欺诈都是这种风险的直接体现。
所以,就有了人们最熟悉的几种安全认证手段:一是用户所知道的东西,比如密码;二是用户所拥有的东西,比如数字证书、硬件盾。他们的本质都是,当支付服务接收到支付请求时,为了减低支付风险,服务端要先确认支付发起者的身份是合法的。
但以上两种方法都会遇到一些障碍,比如密码容易忘记,有些人所有应用都用同一个密码,密码还可能存在泄露的风险。这一点,2011年底的CSDN密码泄露事件就给了所有人一个警示。
数字证书和硬件盾的问题在于,更换电脑或者重装系统之后,电脑中没有数字证书,用户就会无法支付,而硬件盾可能丢失或者损坏,发生这种情况,用户也会无法支付。这也是至今很多用户都没有选择这些安全产品的原因。
第三种现在广泛使用的安全认证方式是手机检验码。 用户在电子商务网站、网上银行或者第三方支付网站预留手机之后,就可以在需要进行身份确认时接收动态验证码。 手机有良好的携带性、私密性,手机短信的达到率可以达到90%以上。因此手机短信动态验证码被电子银行和第三方支付大量使用。
在手机短信验证码被大量使用之后,不法分子也开始针对性的展开攻势。钓鱼网站、电话的方式骗取验证码甚至成为一个黑色产业链,对电子商务环境造成很大的负面影响。
举个真实的案例,支付宝为了防止不法分子冒充工作人员向用户骗取手机校验码,曾经在发送短信校验码的短信文案中明确写到“淘宝或支付宝工作人员不会向您索取短信校验码”。有一次,一位用户接到一位假客服的电话,假客服以帮她处理交易为由向她索取校验码,这位用户跟假客服说,“短信里面说了工作人员不会向我索取短信校验码的。”假客服可能也是灵机一动,回答说,“我不是淘宝和支付宝的,我是卖家。”这位用户就把校验码告诉假客服了。为此,支付宝只好更改了短信校验码的文案,明确说明“任何索取短信校验码的行为均是诈骗行为。”
即使这样,用户被骗取短信校验码的情况还是不能绝迹。因为这类非法骗取验证码的行为很多是有组织的实施,加上受害者的防范意识比较薄弱,成功骗取的概率始终是存在的。电子银行和第三方支付想要很好的控制这种非法行为,存在很大的难度。
设备行为分析的优势:你可以易容,但你的行为特征很难改变
为了降低支付风险而引入了身份认证,但是身份认证过程本身也存在被攻击的可能性。那么,能否减少网络行为中的“身份认证”环节呢?
答案是肯定的。不法分子可能通过各种方式掌握你的密码,骗取你的校验码,但他要完全使自己的行为特征跟你相似,那就要难得多。就好像整容很容易,但要改变你的行为特征却很难一样。能够通过这样的数据化、技术化的手段去控制风险,这就是互联网做安全的优势。
事实上,通过对用户支付行为的习惯数据进行分析来进行身份认证,可以很好的减少在支付过程中身份认证对用户的打扰。
用户在网络上的行为都会留下“信息”,比如在什么时间支付、购物的金额、使用什么样的网络。
行为在一段时间之内形成规律,就好比某个人习惯用左手写字。通过分析这种行为习惯,就可以知道用户的真实身份。
网络行为一般包含5个方面的因素:在什么时间、使用什么设备、账号、登录什么网站、做了什么。
在网络上,一个人能获取到的设备是有限的,一般是办公室电脑、家里电脑、手机等。如果在一个“可信”的设备上登录系统,那么当前行为的可信度就较高。那么设备又是行为分析中的关键点。
我们可以给每个设备一个“可信度”,用户的行为与设备进行关联,每次用户的行为都可以动态的改变“可信度”。
一次可信的、合法的行为会增加可信度,一次不可信的、非法的行为会减少可信度。而增加和减少的“度”,是通过一套复杂的模型,采用机器学习的方式获得。这样就围绕设备形成一个闭环,“输入-处理-输出-反馈”。
除了可以改变用户直接使用的设备的可信度,甚至还可以通过“设备”与“设备”之间的关联关系动态改变设备的可信度。比如,用户A使用手机A,使用声波支付给用户B的手机B转账1000块,那么除了手机A的可信度提升,手机B的可信度也可以相应提升。 分析设备直接的关系同样也可以建立一套复杂的模型。
因为用户网络行为会映射到设备的操作行为,所以通过对设备可信度的分析,就可以知道行为的风险有多高。而且这个过程中,不需要用户主动安装数字证书或者硬件盾,不需要接收校验码,对用户的体验也会有明显提升。
随着移动互联网兴起,地理位置定位、加速度感应等成为主流智能手机的标准配置。智能设备上的传感器,就好比人的五官,不断的采集周围环境的信息,这就为设备行为的分析提供更丰富的数据。这些智能化的设备散步在世界的每个角落,分分秒秒都在生产和传输信息;未来的挑战,不是用于分析的数据不够,而在于对如此庞大数据的储存和分析能力。
通过设备行为分析的方式去控制风险,只是通过大数据的方法去进行风险控制的一种。在国外paypal就没有数字证书、硬件盾这样的安全产品,就是靠分析用户与设备的行为去控制风险。中国的环境下,用户对安全的要求更高,安全感也更差,之前国内领先的第三方支付公司更多还是采取安全产品、校验码这些用户能够明显感知到的安全认证方式。但设备行为分析这样的新方式也已经开始起步。
还是那句话,这个世界上没有绝对意义上的安全,互联网上也是如此。但不论是要降低风险发生率本身,还是要提升风控过程中的用户体验和效率,互联网的方式、大数据的方式都要优于传统方式,这就是时代进步的必然。大家既要看到问题,也要看到这样更积极的一面。
注:此为转载稿件,出处@创事记