京公网安备 11010802034615号
经营许可证编号:京B2-20210330
网络骗子地图背后:大数据更加接地气
春节的气氛越来越浓了,微信与支付宝间热热闹闹的红包大战虽然满是硝烟味,但也充满了浓浓的喜庆气息。另一边,是红彤彤的年货大促销,淘宝、京东等电商们抓紧这个难得的购物小高峰进行促销……
喜庆的过年气氛下也暗流涌动,每年春节前是治安的高危季,这个时期我到地铁站的时候总是下意识捂紧腰包,深怕被什么人盯上。在网上,也是诈骗频发,已经传出有的红包链接里面藏着钓鱼网站,有的低价促销链接通向的是诈骗网站。
昨天,有个朋友在微信上发来一个链接,点开一看大开眼界,竟然叫做《中国网络骗子地图》,360将对钓鱼网站和骚扰电话的拦截在神州大地上实时动态展现出来,非常直观。经过了解,原来是360将360安全卫士网盾对钓鱼网站实时拦截数据和手机卫士对诈骗短信、垃圾短信的拦截数据相结合,将安全大数据可视化的展现。
这堪称是中国首个网络骗子地图,一鲨认为,这是一件功德无量的事情。因为现在互联网和移动互联网这么普及,已经深入到我们生活的方方面面,无论购物、理财、购票等等都是在网上完成。这种情况下,网络诈骗对我们的伤害是很大的。最近这一年,光是用户信息泄露就频繁发生,用户的购物网站账户或者金融理财账户一旦被不法分子进入,损失巨大。
我一直认为,网络安全是全社会的事情,除了网络安全厂商之外,也需要包括用户、政府等所有相关方的共同努力。对于用户来说,现在因为网络安全软件的防护,很多诈骗被拦截,很多用户并未亲身感受到安全威胁,这种对安全不闻不问的情况反而更加可怕。网络骗子地图用非常形象化的方式,让人们了解到了网络安全的严峻形势,等于是对用户做了网络安全意识的教育。
例如,我在网络骗子地图上看到,2月9日截止到晚上10点,全国有超过2400万的钓鱼网站被拦截,有超过7100万骚扰电话被拦截。在钓鱼网站中,既有假金融理财,也有假淘宝、假京东,还有假网游、假中奖;在骚扰电话中,有诈骗电话,有广告推销,有响一声等类型。看着红点在全国不同地方交替出现,真的很触目惊心,也让我们提高警惕,加强安全意识。
我专门求教了大数据专家,据说,网络骗子地图这种将大数据可视化的方式并非易事。大数据可视化是运用技术手段,将机器语言进行翻译、梳理,展现出来,这不仅意味着需要较强的技术能力,也意味着数据量一定要大,这个网络骗子地图就是依托了360在5亿PC用户和7亿手机用户的安全大数据。
而且,大数据可视化意味着对诈骗的拦截是近乎实时级的,据了解,在去年双十一期间,360调配大量人力对那时候急剧上升的购物钓鱼网站进行拦截,当时识别拦截速度达到了分钟级。我听说有个好玩的事情,是说有的骗子刚刚做出钓鱼网站就立刻被360拦截,非常气愤,于是在钓鱼网址后面加上了qunimade360,这个我就不解释了,你懂得。
还有,这种大数据的可视化方式对于实际的网络安全也是有帮助的。它可以直观的看到哪些省份安全形势比较严重,可以看到哪些诈骗方式多发,由此可以在相应的地方进行加强。例如,今天在钓鱼网站上,广东、福建和广西是拦截次数最多的三个省份,这说明这三个省份的诈骗比较多发,为什么都是南方的省份呢?我记得看过一个报告,说去年钓鱼网站和骚扰电话都是广东最多,不知道是什么原因。对于360来说,可以调集资源对诈骗多发的省份进行强力拦截,其他省份不受影响,既能保证诈骗省份多发省份的上网安全,又不打扰其他省份上网。
大数据是这几年最热门的技术了,不过最大的问题是比较玄奥,不接地气。将大数据可视化的实时呈现出来,是大数据走下神坛,贴近用户的好事情。从360的网络骗子地图这个东西来看,大数据真的可以是非常贴地气的,也可以实实在在给用户带来帮助。
当然,大数据不仅仅是对过去的数据进行分析,以及对现在的数据进行呈现,最厉害的大数据应该是对未来的数据进行预测。比如,网络骗子地图如果能够对未来的诈骗地域、诈骗领域进行预测,对用户发出预警,就更加能保障用户的安全。
可以预计,未来会有越来越多的公司将大数据可视化,让大数据更加接地气,更加能为用户转化为价值。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25 很多数据分析师精通Excel函数和透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21