【2018春运-AI大战黄牛党】智能抢票选座,机器学习阻击黄牛党

在线体验各类最新模型,更有模型 免费Token 额度领取!
立即体验
简介: 春运已到达高峰期,不少浏览器推出了人工智能抢票和选座功能。而黄牛党也与时俱进,用机器人和AI恶意刷票。如何应对这种现象?专家表示可利用机器学习来阻击黄牛党。

又到了一年一度的春运大战。与往年不同的是,AI在今年的春运大战中扮演了重要角色。

据悉,今年春运全国旅客发送量预计将达到30亿人次,预计铁路、民航分别增长8.8%和10%。如此庞大的返乡人群,加大了购票的难度。而12306利用稀奇古怪的图像验证码来防止黄牛党恶意刷票,结果却苦了正常购票的用户。


不断有网友吐槽,12306网站的图形验证码费令人抓狂,一旦选错,就得刷新重来。有网友抱怨说,“不是学霸都不敢上来抢票”、“抢过票,才知道自己见识少”。

据媒体报道,12306后台目前有581种图片验证码,用户将有机会尝试336980道不同验证码题目的机会,而一次性输入正确的仅为8%。

3aa701561106f0ea075af2e82d1bf08779b52d1f

521d46ea4d4eabc4f2f5e5adb998413d179870ac

浏览器和黄牛都用AI抢票

针对令人抓狂的图形验证码和一票难求的现象,一些浏览器推出了基于人工智能技术抢票、选座的新功能,帮助用户抢票。360浏览器应用人工智能自动识别验证码的功能,搜狗抢票也利用“双模加速”体系,构建了两重刷票智能算法。

然而道高一尺,魔高一丈。黄牛党抢票的手段也与时俱进。

据广东惠州铁路公安处12日通报,该处查获了一个用“机器人”抢票、高价倒卖火车票的火车票代售点。经查,庄某用半年时间,花费数千元研制了这台机器人键盘手,24小时每一秒敲击一次电脑键盘,代替人工刷新页面。自今年元旦以来,已成功抢票120多张,通过微信或qq将订票信息发送给旅客,然后通过微信收取20至100元不等的手续费。

bc082cea596dd160ebcba8c22282dbc49aee94ba

除了用机器人,黄牛党也与时俱进,用AI来抢票。马化腾在“2018守护者计划大会”上表示,国内的犯罪团伙已处于全球领先水平,AI技术正加快他们从企业数据库中窃取用户数据的速度。

据媒体报道,验证码自动识别在机器大规模训练后,变得火眼金睛; 从业人员在进行虚假注册后,通过AI辅助模仿正常用户来刷留存; 此外,AI还被用于自动生成所需的用户资料和虚假评论内容等等; 最后,AI还可以被用来探查某平台的风控规则、模型的边界和漏洞。

AI大战黄牛

那能否“以子之矛,攻子之盾”,用人工智能来打击黄牛党呢?慧安金科(北京)科技有限公司创始人CEO黄铃对新智元说,“能。”

黄玲对新智元表示,图形验证码现在基本防不住黄牛党。图形验证码给普通老百姓带来很多障碍,但黄牛党使用一系列的专业化的工具,包括基于深度学习图像识别方法,用编程的方式快速多次解码,迅速攻破图形验证码的防护目前有一些AI的技术,不依赖于图形验证码本身,而是建模这个识别图形验证码的过程和行为,来看它是机器编程识别的过程,还是普通人识别的过程;在此基础上,再加入买票过程的行为,来区分黄牛党(一次买很多张票)和普通公众(一次买少量票)。

他认为可以用机器学习来监测欺诈注册和欺诈交易,半监督机器学习方法会更好。在欺诈检测场景中,标签往往很稀少,所以光靠少量的标签是很难训练出一个高质量的模型;而且标签往往只代表历史,代表过去发生的欺诈活动,所以有监督机器学习在历史标签上训练的模型也只能检测过去发生的欺诈,不一定能防住以后会发生的欺诈。无监督机器学习方法一定会很有用,加上一些标签,和大量的无标签数据一起,使用半监督机器学习方法建模时,会取得最好的效果。

但是,黄牛党的欺诈手段也在与时俱进。如何来应对躲在暗处、欺诈能力不断增强的黄牛党呢?

黄玲表示,需要采用能够对抗欺诈对手的机器学习方法:采用半监督人工智能技术,生成高质量风险控制模型;这样的方法基于用户行为异常而不依赖于历史标签,能够提前预警欺诈攻击,自动发现新的欺诈手段;有机融合人工智能系统和风控业务专家经验,自动发现和追踪新的欺诈手段,对抗日益变化的欺诈分子。

而目前机器学习在反欺诈方面,也面临一些难点,主要在于三点:1)需要在标签很稀少的情况下生成高质量的模型;2)有海量的数据需要分析,需要有足够的算力;3)需要能够对抗专业化、团伙化、行为不断变化的欺诈分子。

但用AI打击黄牛党,仅在理论上可成立。目前还并未看到相关部门采用机器学习的方法,建立起一支AI技术队伍来阻击黄牛。所以,短期内,还是老老实实抢票吧。


原文发布时间为:2018-01-17

本文作者:常佩琦

本文来自云栖社区合作伙伴新智元,了解相关信息可以关注“AI_era”微信公众号

原文链接:【2018春运-AI大战黄牛党】智能抢票选座,机器学习阻击黄牛党

相关文章
|
10月前
|
人工智能 自然语言处理 IDE
模型微调不再被代码难住!PAI和Qwen3-Coder加速AI开发新体验
通义千问 AI 编程大模型 Qwen3-Coder 正式开源,阿里云人工智能平台 PAI 支持云上一键部署 Qwen3-Coder 模型,并可在交互式建模环境中使用 Qwen3-Coder 模型。
1456 109
|
机器学习/深度学习 人工智能 供应链
从概念到商业价值:AI、机器学习与深度学习全景指南
在这个科技飞速发展的时代🚀,人工智能正以惊人的速度渗透到我们的生活和工作中👀。但面对铺天盖地的AI术语和概念,很多人感到困惑不已😣。"AI"、"机器学习"、"深度学习"和"神经网络"到底有什么区别?它们如何相互关联?如何利用这些技术提升工作效率和创造价值?
703 0
|
12月前
|
机器学习/深度学习 人工智能 监控
AI 基础知识从0.1到0.2——用“房价预测”入门机器学习全流程
本系列文章深入讲解了从Seq2Seq、RNN到Transformer,再到GPT模型的关键技术原理与实现细节,帮助读者全面掌握Transformer及其在NLP中的应用。同时,通过一个房价预测的完整案例,介绍了算法工程师如何利用数据训练模型并解决实际问题,涵盖需求分析、数据收集、模型训练与部署等全流程。文章适合初学者和开发者学习AI基础与实战技能。
1385 25
AI 基础知识从0.1到0.2——用“房价预测”入门机器学习全流程
|
机器学习/深度学习 数据采集 人工智能
智能嗅探AJAX触发:机器学习在动态渲染中的创新应用
随着Web技术发展,动态加载数据的网站(如今日头条)对传统爬虫提出新挑战:初始HTML无完整数据、请求路径动态生成且易触发反爬策略。本文以爬取“AI”相关新闻为例,探讨了通过浏览器自动化、抓包分析和静态逆向接口等方法采集数据的局限性,并提出借助机器学习智能识别AJAX触发点的解决方案。通过特征提取与模型训练,爬虫可自动推测数据接口路径并高效采集。代码实现展示了如何模拟AJAX请求获取新闻标题、简介、作者和时间,并分类存储。未来,智能化将成为采集技术的发展趋势。
426 1
智能嗅探AJAX触发:机器学习在动态渲染中的创新应用
|
人工智能 监控 测试技术
云上AI推理平台全掌握 (1):PAI-EAS LLM服务一键压测
在AI技术飞速发展的今天,大语言模型(LLM)、多模态模型等前沿技术正深刻改变行业格局。推理服务是大模型从“实验室突破”走向“产业级应用”的必要环节,需直面高并发流量洪峰、低延时响应诉求、异构硬件优化适配、成本精准控制等复杂挑战。 阿里云人工智能平台 PAI 致力于为用户提供全栈式、高可用的推理服务能力。在本系列技术专题中,我们将围绕分布式推理架构、Serverless 弹性资源全球调度、压测调优和服务可观测等关键技术方向,展现 PAI 平台在推理服务侧的产品能力,助力企业和开发者在 AI 时代抢占先机,让我们一起探索云上 AI 推理的无限可能,释放大模型的真正价值!
|
机器学习/深度学习 PyTorch API
昇腾AI4S图机器学习:DGL消息传递接口的PyG替换
DGL (Deep Graph Learning) 和 PyG (Pytorch Geometric) 是两个主流的图神经网络库,它们在API设计和底层实现上有一定差异,在不同场景下,研究人员会使用不同的依赖库,昇腾NPU对PyG图机器学习库的支持亲和度更高,因此有些时候需要做DGL接口的PyG替换。
|
机器学习/深度学习 PyTorch API
昇腾AI4S图机器学习:DGL图构建接口的PyG替换
本文探讨了在图神经网络中将DGL接口替换为PyG实现的方法,重点以RFdiffusion蛋白质设计模型中的SE3Transformer为例。SE3Transformer通过SE(3)等变性提取三维几何特征,其图构建部分依赖DGL接口。文章详细介绍了两个关键函数的替换:`make_full_graph` 和 `make_topk_graph`。前者构建完全连接图,后者生成k近邻图。通过PyG的高效实现(如`knn_graph`),我们简化了图结构创建过程,并调整边特征处理逻辑以兼容不同框架,从而更好地支持昇腾NPU等硬件环境。此方法为跨库迁移提供了实用参考。
|
机器学习/深度学习 人工智能 安全
探索AI的未来:从机器学习到深度学习
【10月更文挑战第28天】本文将带你走进AI的世界,从机器学习的基本概念到深度学习的复杂应用,我们将一起探索AI的未来。你将了解到AI如何改变我们的生活,以及它在未来可能带来的影响。无论你是AI专家还是初学者,这篇文章都将为你提供新的视角和思考。让我们一起探索AI的奥秘,看看它将如何塑造我们的未来。
547 3
|
机器学习/深度学习 人工智能 算法
探索AI的魔法:机器学习与深度学习的奥秘
【8月更文挑战第27天】在这篇文章中,我们将深入探讨人工智能的两个重要分支:机器学习和深度学习。我们将首先理解它们的基本概念,然后通过Python代码示例,展示如何应用这些技术解决实际问题。无论你是AI新手,还是有经验的开发者,这篇文章都将为你提供新的知识和启示。让我们一起开启这场AI的魔法之旅吧!