从校园实验室到京东零售：一位算法工程师的风控实战录
💡
原文中文，约3500字，阅读约需9分钟。
📝
内容提要
王晓婷探讨了从学术到工业界的转变，分享了在广告反作弊技术中的挑战与创新。通过深度学习和大模型，她优化了京东的反作弊系统，提高了识别能力并降低了误判率。她强调技术与业务的平衡，以及跨领域思考，以应对不断升级的作弊手段。
🎯
关键要点
- 王晓婷探讨了从学术到工业界的转变，分享了在广告反作弊技术中的挑战与创新。
- 通过深度学习和大模型，优化了京东的反作弊系统，提高了识别能力并降低了误判率。
- 强调技术与业务的平衡，以及跨领域思考，以应对不断升级的作弊手段。
- 在清华园求学期间，接触数据挖掘竞赛，认为模型指标是解决问题的关键。
- 毕业后加入京东，面对实际流量和虚假流量的挑战，重新审视技术应用的边界。
- 京东的反作弊系统通过多维度打击作弊行为，保障广告主的利益。
- 黑灰产利用复杂的暗号隐藏在地址信息中，给传统检测方法带来挑战。
- 引入大模型进行地址异常检测，提升了识别能力和准确性。
- 通过强化学习框架，模型逐渐学会根据上下文判断地址的异常性。
- 反作弊技术面临不断升级的作弊手段，传统防御体系逐渐力不从心。
- 采用蒸馏技术实现大模型与小模型的精度与速度平衡。
- 技术创新需要在学术前沿与工业实践之间找到平衡点。
- 技术人需关注成本意识，综合评估模型的应用价值。
- 持续进化知识体系，熟悉业务以快速应用前沿技术。
- 跨领域思考，利用博弈论和复杂系统理论应对黑产攻击。
- 技术人需构建T型能力，具备技术深度与广度，确保技术应用符合伦理规范。
❓
延伸问答
王晓婷在文章中提到的从学术到工业界的转变有哪些挑战？
王晓婷提到的挑战包括面对实际流量和虚假流量的冲击，以及需要在技术应用的边界、业务价值和实施成本之间找到平衡。
京东的反作弊系统是如何提高识别能力的？
京东的反作弊系统通过引入深度学习和大模型，优化了异常检测，提升了识别能力并降低了误判率。
王晓婷如何看待技术与业务的平衡？
她强调技术与业务的平衡是关键，技术人需要关注成本意识，综合评估模型的应用价值。
在反作弊技术中，黑灰产使用了哪些新型作弊手段？
黑灰产利用复杂的暗号隐藏在地址信息中，设计出各种伪装地址，给传统检测方法带来挑战。
王晓婷提到的蒸馏技术在反作弊系统中有什么作用？
蒸馏技术用于将大模型的经验传授给小模型，实现精度与速度的平衡，提升反作弊系统的效率。
王晓婷在文章中提到的跨领域思考是如何帮助应对黑产攻击的？
她利用博弈论和复杂系统理论预测黑灰产的攻击模式，提前调整检测策略，从而保持主动应对。
➡️
