随着互联网的蓬勃发展以及大数据时代的到来，新的欺诈安全问题不断涌现，这也诞生了一个新的概念——大数据安全。大数据安全指的是针对大数据时代背景下的安全风险，使用大数据、人工智能等新兴技术建立对抗体系，进而进行安全治理与防范。本书旨在对大数据时代背景下的欺诈安全问题、大数据平台工具、反欺诈对抗技术和系统进行全面的阐释，以帮助读者全面学习大数据安全治理与防范的背景、关键技术和对抗思路，并能够从0到1搭建一个反欺诈对抗系统。
本书作为入门大数据安全对抗的理想读物，将理论与实践相结合，既能加强读者对大数据安全对抗的安全场景和技术原理的理解，又能通过复现反欺诈实战中的内容帮助读者培养业务中的安全对抗能力。无论是大数据、信息安全相关从业人员，还是有志于从事大数据安全方向相关工作的初学者，都会在阅读中受益匪浅。

第1部分 大数据安全基础
第1章 绪论
1.1 大数据时代的兴起
1.2 安全风控新挑战
1.3 大数据安全治理架构
1.4 本章小结
第2部分 黑灰产洞察
第2章 黑产现状与危害
2.1 电信网络诈骗
2.1.1 诈骗的类型及危害
2.1.2 诈骗的特点
2.2 营销欺诈
2.2.1 欺诈的类型及危害
2.2.2 欺诈的特点
2.3 金融欺诈
2.3.1 欺诈的类型及危害
2.3.2 欺诈的特点
2.4 其他类型
2.4.1 网络色情
2.4.2 网络赌博
2.4.3 诱导引流
2.4.4 网络洗钱
2.5 本章小结
第3章 产业工具
3.1 养号工具
3.1.1 猫池
3.1.2 接码平台
3.1.3 打码平台
3.1.4 群控和云控系统
3.2 设备工具
3.2.1 改机工具
3.2.2 多开软件
3.2.3 虚拟定位工具
3.2.4 全息备份
3.3 IP工具
3.3.1 代理IP
3.3.2 秒拨IP
3.3.3 IP魔盒
3.4 自动化脚本工具
3.4.1 按键精灵
3.4.2 Auto.js
3.5 本章小结
第3部分 大数据基础建设
第4章 大数据治理与特征工程
4.1 大数据平台
4.1.1 计算框架
4.1.2 存储方式
4.1.3 计算模式
4.2 大数据治理
4.2.1 数据模型
4.2.2 元数据管理
4.2.3 数据质量管理
4.2.4 数据生命周期管理
4.2.5 数据安全
4.3 数据清洗
4.3.1 缺失值处理
4.3.2 异常值处理
4.3.3 归一化与标准化
4.4 特征工程
4.4.1 特征提取和构建
4.4.2 特征学习
4.4.3 特征评估与选择
4.5 本章小结
第4部分 大数据安全对抗技术与反欺诈实战案例
第5章 基于流量的对抗技术
5.1 人机验证
5.1.1 字符验证码
5.1.2 行为验证码
5.1.3 新型验证码
5.2 风险名单
5.2.1 风险名单的意义
5.2.2 风险名单的设计
5.2.3 风险名单的管理
5.3 规则引擎
5.3.1 基础通用规则
5.3.2 业务定制规则
5.4 异常检测模型
5.4.1 传统统计检验
5.4.2 无监督模型
5.4.3 半监督模型
5.5 多模态集成模型
5.5.1 多模态子模型
5.5.2 多模态集成模型
5.6 新型对抗方案
5.6.1 小样本场景问题
5.6.2 跨平台联防联控问题
5.7 本章小结
第6章 基于内容的对抗技术
6.1 业务场景与风险
6.2 标