58同城加速黑产治理的技术实践分享

58同城作为中国领先的生活服务平台，面临的主要黑产形态包括电信网络诈骗等。业务安全是一项长期对抗的工作，黑产者不断试探业务薄弱环节，行为隐蔽且取证难。

为加速黑产治理，58同城进行了技术设计及应用探索：

1. 建立合适的指标量化黑产治理效果，评估可优化空间并设置目标。
2. 梳理业务流程，分析黑产活动的可疑节点，选用可充分挖掘数据信息的模型，如GCN、GAT、LSTM、CRF、HMM、Random Forest、CNN、Deep FM、Wide & Deep、Xgboost、Transformer、Logistic Regression、Isolation Forest、Louvain、GPT-3、Bert、WeNet等。
3. 对用户风险进行分层，设计差异化认定及处置流程，从欺诈者和受骗者两个角度同时着手进行黑产认定和处置。

关键点包括：

• 大量数据中，哪些数据对于黑产识别更有价值。
• 模型策略应部署在哪些节点。
• 在哪些节点打击黑产最有效。
• 哪种模型可以充分挖掘数据信息。
• 好的流程设计可以最大化模型工具的效果。

当前算法部署节点包括实时节点（注册、认证、提现、发布、通话、微聊、简历下载）和定时节点（T+1）。 黑产特点：突发、迅速、隐蔽、团伙、对抗、无惧。 治理方案：体系化、系统化、通用化。 治理打法：更快识别、更及时处理。 技术需适配业务，应用中需综合考虑各种因素，选用最合适的治理方式。

治理成果：

• 黑产生命期下降43%。
• 黑产治理人力投入耗时缩短20%。
• 平均每个黑产产生案件量下降22%。