大数据是如何扫黄的,给你举个例子!

大数据是如何扫黄的,给你举个例子!

大家网上购物多了,知道了大数据杀熟,你还知道大数据能扫黄吗?

每个人的日常生活现在都离不开银行卡。不管是信用卡,储蓄卡,还是微信支付,支付宝支付,最终都是走的银行卡的结算途径,都会形成一份详细的收支明细电子数据。这份收支数据汇总起来,利用大数据分析,就可以解读出非常多的信息。这里就拿扫黄举例来说明,如何高效利用大数据扫黄。

1、通过大数据分析,先标记出来在晚上10点以后到次日凌晨4点这个时间段有交易的账户。然后放大到一定的时间段里面,比如一个季度,有多次交易。那么就标注出来此类用户。

2、分析此类用户交易中有特征点的交易。比如消费“398元”“598元”等等情况,这种金额的交易重点标记出来。是重点排查的可能涉黄交易。

3、反向标记这类交易对应的商户信息。如果在一定的时间段里面,比如一个月,该商户有大量的此类交易,不管这个商户是什么注册名称,有超过60%的交易都符合这类金额特点。那么大概率这个商户所对应的真实经营者涉黄。

4、公安就可以根据银行大数据整理出来的这份重点涉黄经营者名单进行实体排查。

需要说明的是,现在涉黄的经营者也没有那么傻,用自己真实经营的场所名称注册商户信息。比如”某某养生会馆“很可能在收款机系统里面注册的名称是”某某建材批发店“。没有大数据分析,就很难从面上分别出来这类涉黄经营者。

所谓大数据,直面的意思就是巨量数据,如果利用高速计算机,对大数据进行分析,按照特设逻辑导向出规律倾向,就可以得出相应的结论。

比如,一个女性,年龄在20-40岁之间,没有固定工作,而且还能规律收款,如果这些款项的数额有特定的规律,比如498,598,收款地点还大都在高档酒店,而且每次都是到酒店或者到酒店前就有人打款,打款的人还不规律,这时候,大数据分析系统就会给这个女性做一个标记,列为了可疑人员。同理,所有给这名女生转帐的人员,也列入了可疑人员,重点观察,这样一个巨大的信息链就形成了,只要其中一个链条上有了确凿证明,系统就可以做一个判断了,剩下的工作就是由具体人员线下找证据了,一个也跑不了。

再比,一个商家,名字也有可能是什么什么店,一到晚上就交易活跃,短时间收到大量款项,每笔款项符合一个特征,比如X98,什么店,你明白了吧

古人常说,天网恢恢,疏而不漏,还有人说,人在做,天在看。天在哪里,怎么看,现在有了大数据,大家知道了什么是天。信息时代,每个人的在做事,都有无形的眼睛盯着你,还是不做坏事为好。

本站部分文章来自互联网,文章版权归原作者所有。如有疑问请联系QQ:3164780!