京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据的“可视化”案例:360的“骗子地图”
大数据的概念在国内走了将近两年的历史,但更多的还是停留在概念层面,能够将大数据真正落地的企业并不多,一方面是自身没有足够的数据量,一方面是因为大数据技术方面的困境,当然,他们希望能够用大数据的概念让他们变得高大上。
对于用户来说,为何对大数据的概念云里雾里的呢?究其原因,还是企业更多的是在宣传自己如何如何使用大数据来达到某种目的,用户是‘看不见’,感受不到实实在在大数据的。
日前,360依托12亿终端设备作为背景,利用海量的数据分析能力,推出了基于互联网安全的‘骗子地图’产品。用户只要登录‘骗子地图’的网址,即可直接在上面看到全国各地的拦截次数以及骚扰电话排行榜,同时右侧还实时展现用户提交的‘骗术揭秘’,不仅能看到实实在在的大数据,还能学到更多的‘骗术揭秘’技巧。
360的‘骗子地图’可以说是大数据‘可视化’的一个非常好的案例,这一点值得其他互联网公司去学习。
‘骗子地图’怎么来的?
‘骗子地图’系360在5亿PC用户和7亿手机用户安全大数据的基础上,将360网盾对钓鱼网站的实时监控拦截数据和手机卫士拦截的诈骗电话等数据结合,运用技术手段,将‘机器语言’进行翻译、梳理和展现。
据360安全大数据平台负责人裴智勇介绍:‘360在安全大数据分析处理已经长达四年多的时间,360不仅拥有了对大数据的处理分析能力,还能将大数据实现可视化,并利用大数据进行预测。’
可视化方面,360已经做了很长时间的摸索、准备工作。2014年11月24日,在我国首届国家网络安全宣传周上,360互联网安全中心正式推出了‘中国网络安全威胁地图’系统,这也是该系统首次公开亮相,‘威胁地图’等可视化产品获得了国家领导人、业内专家的高度认可。本次上线‘骗子地图’,也是首次将该技术展现在大众面前。
360在网络安全领域‘耕耘’多年,积累了雄厚的网络安全实力,在用户量方面也是业界翘楚,有这个完全具备这个实力做出‘骗子地图’产品。
‘骗子地图’能做什么?
360的‘骗子地图’是基于12亿设备基础上积累的安全大数据,通过分析处理,采用可视化的方式展现在公众面前,将晦涩难懂的‘机器语言’翻译成通俗易懂的视图,直观地加以展现,让用户不仅能看到,还能看懂,为保护自己而用,增强用户的‘安全感’。
360安全大数据显示,360每天对钓鱼网址的拦截已经高达1亿次以上,仅2014年一年,钓鱼拦截总量超过406亿次,钓鱼网站新增量262.1万个。这种直观的安全形式展现,能够让用户切实体会到网络安全的重要性。
网络安全绝对不是简单的软件开发,尤其是钓鱼等网络欺诈行为,需要更多的网络攻防。对于用户来说,也不是装一个软件就能完全防御,这需要用户自身对这些行为有所了解和防范,大家的共同努力才能‘网上无贼’。
此前,360一直将其安全大数据可视化应用于网络安全防护等方面,上线对用户实时开放尚属首次。‘骗子地图’的地域特性一目了然,让各地用户、媒体甚至是政府,能够了解到和自己息息相关的安全大数据,了解到当下、当地实时的诈骗骗术等,从而避免上当受骗。360现有的实力,不仅可以将安全大数据可视化,还能进行分析和预测。结合地图,安全专家不仅为公众提供实时监控防护,还将及时发布预警,将网络诈骗行为扼杀在摇篮里。
针对用户在不同时期的关注点不同,‘骗子地图’也推出了不同的策略方针。如在春节期间,由于人流量扩大,用户的出行需求增加,相应的假机票、车票的钓鱼网站量增加明显,针对这种情况,在这段时间内,360加大了对假机票、车票网站的拦截及处理,保证用户的出行安全。
‘骗子地图’之后,用户还需要做什么?
‘骗子地图’的核心理念还是为了增强用户对网络安全的意识,提升用户的防骗技巧,让用户在网络这种‘虚拟’世界当中以‘现实’的情况了解到安全的重要性。
据悉,360还将陆续对用户开放系列安全大数据可视化产品,让用户提高网络安全意识,提升6.49亿网民互联网上的安全感。除了大数据可视化,2015年,360还将围绕‘安全’推出一系列的服务,为用户的安全服务。
对于用户自身来说,在面对各种诱惑性的网络需求时,更要首先注重安全问题,因为一旦被骗就是实实在在的钱,这个可一点儿都不虚拟,提升自我的网络安全意识才是重中之重。
用户需要像‘骗子地图’这种更有真实体感的大数据产品出现,最重要的是能够实时变化, 并不是一份‘死’的报告而已。做一份报告固然能够实时看到各种数据,但是热潮过后,用户最终还是当什么事情也没发生。‘骗子地图’可以说是实时的在为用户 呈现各种基于大数据的可视化变化图,还能找到相关的‘防骗技巧’。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14