斗鱼反作弊：9-3+图算法的实战与体系

在2021年的DataFunSummit技术峰会上，王璐分享了斗鱼反作弊业务中9-3+图算法的深入实践。会议重点讨论了斗鱼如何利用图算法来提升流量风控能力，有效地对抗诸如主播虚假流量、刷人气、刷关注、挂贵宾和刷经验等作弊行为。 首先，斗鱼的流量风控场景被详细介绍了，它面临着复杂的网络环境，其中黑产团伙通过各种手段企图操纵数据。图算法的独特之处在于其能够准确捕捉黑产团伙的聚集性和关联性，这与他们的作案模式高度契合，具有很高的鲁棒性，即能有效应对新出现的攻击方式而不易被察觉。图算法的优势还体现在它能处理关系数据，显著提高识别作弊行为的准确性。 在图算法体系中，关键步骤包括节点的定义，如用户、直播间、操作行为等；边的生成则根据直接行为、图谱关系推理、同步性以及实体嵌入等不同维度。构建完成后，图算法通过传播分析、聚类、特征学习等方法来揭示异常模式，例如通过团伙指标统计和K-hop邻居查找，识别出团伙活动的聚集性信息。此外，图算法在团伙事前拦截和事后处置中扮演了重要角色，通过对账号进行风险评分，实时监控和管理潜在的作弊行为。 模型实战部分展示了两个实际案例。一是序列×图的团伙识别，通过将事件和主播ID组合，形成事件嵌入和句子嵌入，然后利用LSH构建图并进行相似序列挖掘和聚类。另一个是全场景刷量团伙挖掘，通过整合多种特征和图构建技术，找出大规模的刷量行为。 斗鱼在反作弊业务中运用9-3+图算法，不仅提高了对复杂网络欺诈行为的识别能力，而且提升了系统的实时性和可解释性，为保障平台的公平竞争环境做出了重要贡献。这种结合图论和机器学习的技术在数据风控领域具有很高的实用价值和研究价值。