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
长短期记忆网络(LSTM)作为循环神经网络(RNN)的重要改进模型,凭借其独特的门控机制(遗忘门、输入门、输出门),有效解决了 ...
2026-04-08在数据分析全流程中,数据质量是决定分析结论可靠性的核心前提,而异常值作为数据集中的“异类”,往往会干扰统计检验、模型训练 ...
2026-04-08在数字经济飞速发展的今天,数据已渗透到各行各业的核心场景,成为解读趋势、优化决策、创造价值的核心载体。而数据分析,作为挖 ...
2026-04-08在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07在数据分析与统计推断中,p值是衡量假设检验结果显著性的核心指标,其本质是在原假设(通常为“无效应”“无差异”)成立的前提 ...
2026-04-07在数字经济深度渗透的今天,数据已成为企业生存发展的核心资产,企业的竞争本质已转变为数据利用能力的竞争。然而,大量来自生产 ...
2026-04-07Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01在数据驱动决策的时代,企业与从业者每天都会面对海量数据——电商平台的用户行为数据、金融机构的信贷风险数据、快消品牌的营销 ...
2026-04-01在数字化转型的浪潮中,企业数据已从“辅助运营的附属资源”升级为“驱动增长的核心资产”,而一套科学、可落地的企业数据管理方 ...
2026-04-01在数字化时代,每一位用户与产品的交互都会留下可追溯的行为轨迹——电商用户的浏览、加购、下单,APP用户的注册、登录、功能使 ...
2026-03-31在日常数据统计、市场调研、学术分析等场景中,我们常常需要判断两个分类变量之间是否存在关联(如性别与消费偏好、产品类型与满 ...
2026-03-31在CDA(Certified Data Analyst)数据分析师的职场实战与认证考核中,“可解释性建模”是核心需求之一——企业决策中,不仅需要 ...
2026-03-31多层感知机(MLP,Multilayer Perceptron)作为深度学习中最基础、最经典的神经网络模型,其结构设计直接决定了模型的拟合能力、 ...
2026-03-30在TensorFlow深度学习实战中,数据集的加载与预处理是基础且关键的第一步。手动下载、解压、解析数据集不仅耗时费力,还容易出现 ...
2026-03-30