如何成為反作弊演算法工程師？

1樓：

入職參與了一些反作弊相關的工作，只能簡單聊聊感想，自己也還需要學習。

反作弊或者各具體大業務的演算法都有比較不同的工作流程和模式，比如推薦/搜尋會有粗召精排一樣。反作弊需要考慮 1) 風險水位，盡可能召回全部風險使用者； 2) 實施打擊，盡可能準確地打擊使用者。而且不同的打擊要求的準確率不一樣，所以可適用的模型範疇是比較廣的。

要求高準可能需要用多個概率圖/LR等解釋性強的，高召的可以用乙個深度學習等通用模型。

反作弊的對抗比較有趣，這是反作弊最吸引我的一點。與人對抗，其樂無窮；斷人財路如殺人父母。當你補充了乙個策略，黑灰產是會想盡辦法繞過你的策略，你需要補充新的策略或者尋找更加通用的解決方案。

尋找通用和業務的平衡，並根據此改造已有的模型是非常有趣的過程。比如，黑灰產具有團夥性，我們會用圖神經網路去打擊。但他們之後就會改變作弊形式，盡可能避免構建關聯，轉向分散作案，就需要別的角度建立關係或者不使用圖網路。

會陷入乙個「根據作弊特點改造模型打擊，黑產改變作弊形式，模型失效重新挖掘」的迴圈。高效的工程師應該會找更加本質的作弊邏輯。

其實最後一點是最重要的：貼合業務。解決業務風險，很多時候不是需要演算法迭代，而是產品能力需要提公升。

比如增加一些實名認證，限制某些流量入口等。演算法很多時候能力是非常有限的，只有當大家把整個產品改造好/流程搭好/資料特徵整理好，演算法才能介入。請各位工程師同學確認好自己的定位，自己到底是要解決業務得到好績效，還是提公升演算法能力。