双11狂欢节临近，羊毛党们又开始活跃。本文就“薅羊毛是什么意思 ”以及“互联网企业如何如何防止薅羊毛”做简单介绍。
一、薅羊毛是什么意思？
1999年央视春节晚会小品《昨天・今天・明天》：宋丹丹饰演的白云大妈为了给老伴织一件毛衣，利用给生产队放羊的便利条件，揪羊毛搓毛线，被扣上“薅社会主义羊毛”的罪名。受小品的启发，人们把喜欢精打细算，热衷于搜集各种促销优惠活动，以相对较低成本甚至零成本换取物质上的实惠，这一类行为被称为“薅羊毛”，热衷于“薅羊毛”的群体被称作“羊毛党”。
《昨天・今天・明天》薅社会主义羊毛
羊毛党对于互联网企业而言并不陌生，甚至是“老朋友”。 在营销活动频率如此频繁、优惠力度如此之大的背景下，企业业务必然会遭遇到各类非正常用户的威胁：羊毛党和黑灰产。面对庞大的羊毛党和装备精良的黑灰产，如何保护好自己业务，免受羊毛党和黑灰产的吞噬，是每个企业都必须认真规划考虑的问题。
二、传统的防护手段
面对羊毛党和黑灰产，传统的防护手段有以下方式：
1)IP封禁：针对频繁的参与营销活动的IP，进行封禁；
2)用户封禁：如果一个用户违反业务规则，或者非常频繁的参与营销活动，或者只下单不成交等，即可封禁该用户；
3)增加验证码：在注册、登录，下单等环节，增加了验证码的校验。验证码主要作用是智能区分人机，对于普通的刷子而言，验证码的效果非常好。
以上防刷的手段，对普通的刷子效果比较明显，但是对于专业的黑灰产而言，几乎无效，并且可能带来其他问题：误杀真实用户、用户体验差。
因此，一个比较好的风控解决方案，不仅要考虑用户体验，同时又要兼顾效果，需要考虑很多方面。网易易盾的全链路风控解决方案值得考虑下，能全面解决互联网企业在风控上面临的难题，高效防范羊毛党和黑灰产。
三、网易易盾如何如何防范薅羊毛和黑灰产？
网易易盾的全链路风控解决方案覆盖三部分：事前预防、事中检测处置、事后分析回馈。
事前预防：通过数据采集收集用户侧信息、通过业务规则来限定参与活动的门槛、通过身份核验来确认用户身份等手段，防止风险事件的发生。
事中检测处置：通过实时在线的手段来检测风险，并做相应的风险处置，防止风险事件的发生。
事后分析回馈：基于长周期的离线数据分析，计算用户侧、设备侧、IP侧、业务侧的各种风险特征，并作用于事前风控和事中风控。
1.1事前预防
事前预防主要有三个层面的事项：数据采集、业务规则、身份核验。
a)数据采集
在业务活动的各个阶段，都需要埋点采集数据，主要有设备指纹、操作行为、网络数据、业务数据、第三方数据等。采集的数据主要用于事中的风险监测和事后的离线分析。
b)业务规则
在制定营销活动时，必须制定完备的业务规则，必须要有相应的活动门槛和限制，例如：
用户群体限制：定义哪些类型的用户能参与活动，指定清晰的分界线。比如：电商大促经常出现的神券，可以限制账户等级>3、年度内购物次数>2才能领取等等。
APP版本限制：定义哪些APP版本能参与，比如：拉新活动要求必须使用最新版APP注册才给奖励。
参与次数限制：明确定义账户级、设备级、实名信息级能参与活动的上限和参与活动的频率等。
c)身份核验
身份核验主要是为了确保是用户自己来参与活动，主要手段包括：手机短信校验；验证码校验；密码校验；密保问题校验；本机校验；实名认证等。
1.2 事中检测处置
事中检测主要依赖人机识别、风控引擎、风险处置三个手段。
a) 人机识别
人机识别主要区分是人，还是机器自动化的行为。客户端与后端的数据交互过程中，增加如下的数据保护手段，一旦发现数据有问题，则都是机器行为。包括：数据合法性校验、数据加解密、数据篡改检测。
b)风控引擎
事中检测的核心工具就是风控引擎，风控引擎主要的工作是识别风险，一般的风控引擎都需要如下几个功能：
名单服务：建立黑、白、灰名单；
画像服务：建立基于IP、手机号、账户等层级的画像服务；
指标计算：一般包括高频类统计、求和、计数、求平均值、求最大值、求最小值等等；
风控模型：基于采集到的数据，建立风控模型，比如：设备模型、行为模型、业务模型等；
规则引擎：最终的风控数据进入规则引擎，由规则引擎判断是否存在风险。风控运营需基于业务建立各种风控规则，以识别风险。
c)风险处置
识别到风险之后，需要对风控进行处置，处置手段一般有：
二次校验：比如，正常用户无需二次校验，有风险的用户需再次校验手机短信等；
拦截：拒绝当前业务操作；
降低奖励：比如，正常用户的奖励金是1元，风险用户奖励金是0.01元；
拉黑：直接进黑名单；
名单监控：进灰名单监控；
风险审核：进入人工审核，比如：电商场景的订单业务，一般嫌疑类风险订单，都会安排人工审核。
1.3 事后分析回馈
事后主要是做离线分析，分析结果可作用于事中实时检测和事前预防。对于T+N的业务（比如：拉新奖励金提现），离线分析之后，若识别出风险，也可以做拦截（拒绝此次提现）。
离线分析主要有几个方面：
离线指标：基于长周期、大数据的离线指标计算；
关联分析：基于前后关联业务、关联数据做关联分析，识别风险用户、风险操作；
复杂网络：基于用户数据、设备数据、网络数据、业务数据，建立复杂关系网络，基于数据与数据之间的关系，来识别风险；
模型训练：基于机器学习、深度学习技术来构建业务模型、设备模型、行为模型，或文本类模型（异常地址检测、异常昵称检测）等；
名单库：通过离线分析，积累、沉淀各种名单库；
数据画像：基于离线分析，对账户、IP、设备、手机号等构建数据画像。
1.4 全链路布控
全链路风控解决方案另一个非常重要的过程是：全链路布控。若只是构建了全链路风控模型（工具），未做全链路部署，那也是大材小用。
全链路布控主要要做到：
多业务布防：在业务的各个环节都需布控防刷手段，一般的营销活动都需先注册、登录，再参与营销活动。所以，可以在注册、登录、营销活动各个环境都布控风控检测。
联防联控：前置业务为后置业务产出事前特征，避免后置业务风控检测冷启动；后置业务为前置业务提供事后特征，比如：准实时、中长周期的风险特征。
四、总结：
羊毛党和黑灰产是一群非常活跃的群体，只要有利可图（获利、引流等）他们便如蝗虫一般涌入。但如此强大的黑灰产，也并非无懈可击，他们的动机很纯粹，即：获利。只要投入产出比不高，他们便不会“恋战”，便会转战其他投入产出比更高的平台。
所以，风控防刷的主要目的是提高刷子的成本。通过构建全链路风控方案和多业务联防联控的解决机制，便能逐步提高刷子的成本，高效防范羊毛党和黑灰产。