扫黄、大数据、国安 滴滴能做的事惊掉你的下巴

网信部一纸檄文，将滴滴推上了风口浪尖。

我有个朋友从事银行数据科学工作，对大数据隐私比较敏感。

银行辅助进行黄赌毒排查工作。

以黄为例，聊聊大数据如何用最基本的信息和最简单的手段，找出LSP和不法分子。

每个银行都有一张最基本的用户收支明细表，记录每个用户的每一笔收支记录。

如【时间】2021年7月5日8点15分，【持卡人】Jack在【商家】永和豆浆早餐店花【金额】5.5元买了一杯豆浆、一根油条和一个荷包蛋。

这份数据可以用来解读非常多的信息。

如何扫黄？

第一步，找出那些晚上11点至凌晨3点仍有活跃交易的账户；

第二步，如果这些金额也符合金额特征如”398元”、”498元”等，那就把这笔交易标记为可能涉黄；

这里需要特别指出的是为什么不用商家名称，因为有些搞黄色的按摩会所非常狡猾，很少有使用直接商户名的（如”红浪漫按摩养生会所”的收款名称可能摇身一变成了”永久便利店”）;

第三步，假设一个商家1个月有1万笔交易，且70%的交易都符合上述特征。那么大概率这个商家就是涉黄的。

银行会把这批名单输送到公安，至于公安下一步怎么做那就不知道了。

一个特别搞笑的事情是4月份月度排查的时候，名单里居然出现了一家”榆林市解放路空气净化器”的商家，我们觉得不可思议，是不是数据搞错了。

再次核实后确认，这个商家4月份共有989笔交易，有304笔交易是398元，483笔交易是698元，而且交易发生的时间都是在凌晨。 

后来同事们笑称，这哪里是空气净化器，明明是前列腺净化器。

回到滴滴，滴滴掌握的是用户出行数据。

何为用户出行数据？从数据库的角度，至少可以拆解成三张表。

1.用户出行记录表，Linda早上8:00从科苑路打车到科技园； 

2.底层LBS表。精确到经纬度的位置映射，如北京动物园，116.344765，39.941026;

3.地理名词标签表。如科技园西南门-高档写字楼；红浪漫KTV-休闲娱乐；凑凑火锅（大悦城店）-餐饮火锅。

这三张表可以用来干什么坏事儿？我脑补如下：

1.用户隐私角度。 

还是搞黄色，拿搞黄色的为例，近半年内去过5次以上休闲娱乐场所的标记为可能搞黄色；

当然了，滴滴不拿搞黄色盈利，推送贷款才是主要用途。

这里从风控角度可以衍生非常多的标签；如经常往返机场，说明你是有一定消费能力的差旅人士；半年前就注册了但是一直没用，最近开始使用打车软件并且去了好几趟趟家居城。

那么你极有可能被推送贷款。

因为你还得起且有贷款需求。

2.国家安全角度。

2.1暗杀大人物。

北京大院住了很多大人物，当然这些住所很隐蔽，就算你是FBI，也不能挨个排查。因为工作量大。

如果有了滴滴大数据，就可以用排除法了。

首先这些大人物大院子不可能有人经常坐滴滴，人员活动受到限制。搞清楚打车热力图就可以极大减少排除工作量。然后展开暗杀行动。

2.2策反小人物。 

从差旅人士里面找策反对象。

比如禄口机场-南京核工业集团、中川国际机场-兰州核工业基地。

有人会问了，这么级别的人物还需要打车？派奔驰接送不就完了么？

有一类群体是管理咨询顾问。他们经常出入各个国企，自己打车…十四五战略规划项目接触到保密材料绰绰有余。

大数据时代，每个人都在裸奔。

怎么把裤子穿好？几个tips送给大家

1.笛卡尔集支付。3张银行卡、3种支付方式（微信 支付宝 银联），比如今天用微信建行卡吃饭，明天用支付宝招行卡网购。

当然，现金最安全。 

2.不使用真实地址。如想打车去红浪漫ktv，那最好是定位终点为附近100米的鸡公煲或者肯德基。

3.不作恶。人在做，天在看，数在记。

（全文转自微信公众号慕云朝伟）