公司预计今年实现盈亏平衡。

　　今日，“Maxent猛犸反欺诈”正式对外宣布已于2017年3月完成由DCM领投的5000万元A+轮融资，A轮投资方祥峰投资此轮继续跟投。本轮融资将用于技术投入，以及市场营销团队的搭建，公司预计今年实现盈亏平衡。

　　Maxent猛犸反欺诈的主要应用场景在线上可以产生交易的环节，这里的交易是泛指，包括从最前端的注册开始，再到登陆，最后到支付等步骤，尤其是在互联网金融、电商、游戏等行业，“离钱越近就越危险”。Maxent猛犸创始人兼CEO张克估算，反欺诈是几百亿的市场规模，拿坏账来举例，假设100亿中坏账率在10%，企业愿意支付3亿去规避。也就是说，用30%解决100%的坏账。

　　而反欺诈这件事情的关键在于标示出问题用户。

　　张克归纳了反欺诈发展经历的阶段：

　　最初是建立黑名单，维度可能是人、电话号码、IP地址等，局限性在于不能做预防欺诈，并且也不能保证黑转白。

　　接下来演变出专家规则，即对过去已知的欺诈模式做总结，遇到符合特征的就识别定性。不过，企业业务转变很快，对于复杂未知的欺诈手法，专家规则就收效甚微。

　　再之后针对未知的动态欺诈手段，推出了异常检测。假设用户在半夜2-3点外卖，很不合常理，若结合他历史的交易行为发现都是如此，则风险较小，负责风险较大。当然，时间在该案例中只是一个数据维度，实际上每次判定都需要同时监测多个维度。

　　而Maxent猛犸反欺诈的做法就是结合了上述三种方法，重心在最后的异常检测，通过机器学习建模，用数据反应复杂的欺诈场景，在大量维度都出现异常时，做出预警提示。

　　这里，Maxent猛犸有三个核心技术。第一个是全栈被动式设备指纹技术，对每个设备有唯一的识别方法;第二个是时空动能模型，可以通过机器学习建模，来对时间、空间、发生频次三个维度进行分析判断用户的行为是否异常;第三个是关联图谱，即手机、用户、交易本身进行关联，可以把欺诈场景展现出来。

　　此外张克还强调，Maxent猛犸的一点核心优势是，反欺诈监测中仅需要用客户的第一方业务数据，并不依赖运营商等外部数据。Maxent猛犸更多是在帮企业了解用户，起到“查验观色”的作用。

　　而在反欺诈行业，同盾算是赛道上跑在前面的选手，还有36氪此前报道过一家硅谷反欺诈公司DataVisor，她们是通过数据聚类分析，“坏人的行为都是聚合的，好人的行为都是分散的”，从而进行判断。当问及各家使用方法的差异点，张克告知，同盾可能侧重对已知欺诈的监测。而相较DataVisor，Maxent猛犸是先做监测，发现异常后在做聚类，这时候需要多因子验证，比如，100个用户行为分了3类，A类50个，B类20个，C类30个，这时候并不能判断谁有问题，但如若C类中有5-10单已判定为欺诈，那么可认为C类都是“坏人”。

　　既然如此，有没有数据来衡量反欺诈公司的效果?张克告知，通常体现在两个指标——识别准确度、查全率，但实际上客户更关心的是自身业务的数据变化。拿金融行业的贷款来说，客户看的是人工审核成本有没有下降，坏账率有没有下降，通过率有没有上升之类。

　　据悉，Maxent猛犸反欺诈公司于2014年11月在上海成立，团队有52人，其中70%为技术人员。获客推广多是通过展会等传统渠道，根据用户数或者访问次数收费，平均客单价在50万元/年。

　　截至2017年2月，Maxent猛犸反欺诈提供服务的各类企业机构已超过300家，主要分布在风险集中区互联网与金融行业，合作客户有交通银行、恒丰银行、包商银行、中国银联、招联金融、众安科技、联动优势、还呗、现金卡、萨摩耶金融等。