“用专业机器设备薅羊毛的羊毛党目前在我们这儿数量不多，抓取难度也不大。”借点钱CEO张建梁告诉第一财经记者，即使对于不断转型升级的羊毛党们，他也很有自信。
猛犸反欺诈研究团队在反欺诈实践中发现，从网络及设备终端、用户行为信息、业务事件频次，欺诈网络图谱这四大维度提取特征，并在此基础上对有组织的薅羊毛行为层层筛查，对风险加以甄别，就能让羊毛党无所遁形。而本质上，这一过程就是利用了人工智能最重要的技术之一——机器学习。
张克向记者详细解释了三个步骤：首先，通过设备指纹技术识别羊毛党的终端设备，因为即使养卡上万，但操作这些卡的手机或者电脑可能是同一台，由此便可识别出所有这台设备发出的申请存在欺诈嫌疑。
第二步是将第一步中采集到的多维度数据进行“特征工程”，也就是对原始数据包括设备本身数据(手机价格、是否越狱等)、用户本身数据(姓名、邮箱地址等)以及交易数据(金额、物品种类等)进行加工，转换成精确的、可量化的特征数据。
第三步则是要运用人工智能的机器学习技术，将所有特征数据放入机器学习的模型中进行分析评估，常用的模型有深度神经网络、随机森林，在异常检测方面通常还会用到深度生成式模型。
由于每个设备都有其专属的特征，即使在一键新机、触摸精灵等软件的掩盖下，还是可以利用设备指纹技术很快识别出来。因此，即使拥有上万个手机号，只要是从一台终端设备进行操作，就能精确识别。设备指纹技术可以在终端发起欺诈行为的时候，就判断是否为异常的、恶意的设备终端。比如单终端单日内申请较多，或者多设备的关联识别为同一用户行为。
记者从同盾科技处了解到，他们帮助平台阻击羊毛党运用的方法也如出一辙。总结来看就是，针对批量操作的刷单式羊毛党通过基础的设备指纹技术进行识别，再结合调用行为分析包括时间、频率等维度的数据，来分析是否是羊毛党。针对批量操作刷单式的羊毛党，通过从IP地址、身份证、手机号码、邮箱等多维度检测，帮助平台识别借贷申请资料中的虚假信息，以过滤羊毛党。
