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
CDA数据分析师 出品 作者:李诗怡 1. 销售漏斗阶段判断 题目:销售漏斗模型中,通过广告、社交媒体等方式触达品牌信息(如浏览品 ...
2026-09-07在Python数据分析中,Pandas库的DataFrame是最核心、最常用的结构化数据表对象,类似于Excel的二维表格,具备规整的行列结构、字 ...
2026-09-07在数据分析、经营复盘、业绩预测与经济统计工作中,平均增速(平均增长率)是衡量数据长期变化趋势、业务发展快慢的核心指标。不 ...
2026-09-07 很多数据分析师精通Excel单元格操作,但当被问到“表结构数据的基本处理单位是什么”“字段和记录的本质区别”“为什么表结 ...
2026-09-07随着大数据技术的快速发展,商业竞争逐步从传统的经验式经营转变为数据驱动的精细化运营。海量的用户行为数据、交易数据、运营数 ...
2026-09-04CDA数据分析师 出品 作者:李诗怡 1. 波士顿矩阵(BCG Matrix) 定义: BCG于1970年提出的业务组合分析工具,以"市场增长率"(纵 ...
2026-09-04 数据分析师八成以上的时间在和数据表格打交道,但许多人拿到Excel后习惯性地先算、先分析,结果回头发现漏了一列关键数据, ...
2026-09-04数据透视表是Excel与Power BI中最核心的数据分析工具,具备快速汇总、维度拆分、动态筛选的能力,可高效完成数据归类与统计展示 ...
2026-09-03在Power BI数据分析可视化场景中,堆积柱状图+折线图是最常用的复合图表组合。堆积柱状图适合展示各细分维度当期数值、结构占比 ...
2026-09-03 很多数据分析师每天与Excel打交道,但当被问到“表格结构数据的基本处理单位是什么”“数据类型误判会引发哪些分析错误”“ ...
2026-09-03CDA数据分析师 出品 作者:李诗怡 一、8个核心数据清洗函数 1. TRIM:一键清除多余空格(最常用) 作用:仅保留文本中"单词/字 ...
2026-09-02数据分析的核心并非单纯操作工具、整理报表或绘制图表,而是依靠科学的思维逻辑挖掘数据价值、解释业务现象、指导经营决策。在完 ...
2026-09-02在社会经济、产业研究、区域治理与大数据实证分析中,面板数据是最具研究价值的数据类型。面板数据同时包含截面维度与时间维度信 ...
2026-09-02 很多数据分析师能熟练计算均值、标准差,但当被问到“如何用一张图让业务方3秒内看懂核心结论”“面对不同数据类型该怎么选 ...
2026-09-02在数据驱动决策的体系中,数据分析按照分析目的可分为描述性分析、诊断性分析、预测性分析与指导性分析四大类型。其中,诊断性分 ...
2026-09-01网络请求是Python爬虫开发、接口测试、数据拉取的核心基础功能,Python生态中主要依靠 urllib 和 requests 两大库实现HTTP请求操 ...
2026-09-01 很多数据分析师面对业务问题时,常常感到“知道要分析,却不知道用什么方法”。其实,数据分析并非无章可循——从三大基础范 ...
2026-09-01在数据库设计与业务数据维护中,自增ID是数据表最常用的主键字段,用于唯一标识每一条业务数据,正常状态下ID应保持连续递增。但 ...
2026-08-31在数理统计、数据分析、经济测算与日常量化评估中,平均值是刻画数据集中趋势、反映整体水平的基础核心指标。在实际应用中,最常 ...
2026-08-31在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-08-31