共享安全就是把团队做业务安全的经验以模型的方式输出出去，从而构建出一个通用型的模型，给到每一家企业，这个模型已经包含了大量的实战对抗经验，能够抵御常见的各种攻击。然后每一家企业再基于这个通用型的模型，结合自身数据和特定应用场景，变为自己的专有模型，等于既站在了巨人的肩膀上，又能跟自己的业务变化紧密相连。

　　以刷单为例：基于账户ID 、设备、环境、操作、行为等数据，通过智能风控引擎进行多维度建模分析，提供实时的恶意请求识别与阻断，以及离线的综合分析报告，从而发现并阻断刷单、作弊等行为，精确区分黑灰产和正常用户，当这些建模的“原料”越来越丰富，这个安全模型的准确度也会越来越高，也就是产生“1+1>2”的效果。

　　陈树华向猎云网介绍说，顶象技术提供基于人工智能的模型共享，包含黑产对抗经验、各行业的防御策略、不同的攻击场景。也就是将顶象技术与黑灰产对抗的经验、维护安全的’攻略’共享给企业，让客户也拥有这些防御黑灰产的实战经验。

　　“共享安全”是在2017年5月份由顶象技术提出的， 越来越多的公司开始按照这个思路来设计产品和方案。几乎在同一时间，也就是2017年6月1日，《网络安全法》正式实施，其对于数据的存储、读取、共享有严格规定。“共享安全”良好地满足网络安全法对数据的保护需要，又满足了安全的实时更新需求。

　　基于人工智能打造了新一代风控智能平台大脑

　　顶象技术凭借其在图像识别、自然语言处理和深度学习上的多年积累，在数据技术和人工智能领域取得了重大突破，打造了新一代风控智能平台大脑。同时，通过大规模的企业间的模型和经验的迁移共享来打造适合“克隆防御”和“自我进化”的深度模型。

　　陈树华以无感验证为例向猎云网进行了相关介绍：“顶象技术的无感验证，从传统的识别验证方式升级到了基于人的行为来进行判断，结合风控引擎的风险识别能力，构建了多层安全防护，对识别出的攻击者可以直接拦截，有效保障账户注册、登录安全。”

　　无感验证依托于顶象技术在现实业务攻防中积累下来的数据，经过特征工程和深度学习算法，可以得到大量的特征。利用多种无监督学习模型发现可疑和异常行为并标记为黑样本，其余为白样本，并选取行为特征和黑白样本训练有监督学习模型，用于线上的实时流量数据的识别。基于每日的增量数据，对无监督学习和有监督学习模型快速迭代训练，可有效与快速变异的恶意行为进行强对抗。