
大数据显示高知人群已成大额诈骗重灾区
临近春节,发年终奖、抢红包、置办年货......手机上一点就全办了,但节前通常也是网络违法犯罪的高发时段,也可能就是这么“一点”让你钱财两空。
相隔仅一天,腾讯连发两份基于网络诈骗的大数据报告。整合这两份大数据分析的数据报告后发现,我们对“易受害人群”的很多固有认知其实是错的。
别以为只有老人才会上当
你才是骗子最喜欢的“傻白甜”
通常我们总以为爷爷奶奶辈触网少,较容易被骗子钻空子。但根据腾讯综合多个平台的大数据分析统计,结合公安部门反信息诈骗的实战经验发现,“智商低、经验少才被骗”完全是对信息诈骗的认知误区,“高知人群”已成为大额诈骗的重灾区。
《2015反信息诈骗大数据报告》显示,如果我们给典型受害者“画像”,大概是这样的:性别男;年龄40岁以上;事业单位职工或无业、退休人员;性格易轻信、嫌麻烦、好面子;较少上网,文化水平往往较高。根据数据分析师的数据分析,此类人群占受骗者总数的62%,而且他们多数被骗也不愿声张。尤其是在损失超过5万元的诈骗案中,中老年男性比例达75%。
而典型作案者的“画像”则呈现年轻化态势:“90后”占犯罪人数的八成以上;他们大多操着一口不标准的南方普通话;常用400或17x开头的电话号码或假冒运营商客服电话;活跃时间在上午11点和下午4点,常出没在法定假日、寒暑假和“双11”、“双12”;目的性明确,通常三五句话就会提出汇款要求。
40岁以下的人觉得可以松口气了?还有支付陷阱等着你呢。根据腾讯方面的数据统计,2015年移动支付安全领域,七成以上被侵害的用户为男性,且年龄集中在19~35岁。你才是骗子最喜欢的“傻白甜”。
你以为点一点有福利拿
免费WiFi坑深得爬都爬不出来
亲朋好友聚餐,连接免费公共WiFi很常见。这个习惯性动作,分分钟都可能把你银行卡里的钱送到骗子的口袋里。根据腾讯首度发布的《移动支付网络黑色产业链研究报告》(以下简称《报告》)显示,每天大约有60万人次连接了存在安全风险的WiFi。
不法分子通过搭建与公共WiFi相近名字的伪冒WiFi局域网,诱使智能手机用户连接。用户的传输数据可被黑客监视,黑客从数据包里盗取各类用户登录信息,例如网银和支付账号、密码等,从而盗取用户资金。
另外,不法分子还经常用恶意二维码伪装成活动福利,在公共场所引导用户扫描。这些二维码背后很可能是手机木马。去年3月,李先生在某电商网站购物时,看中一家网店的液晶电视,价格比市面便宜近千元。李先生通过手机扫描店主的二维码,进入一个支付界面,输入银行账号和密码后点击支付,但发现支付失败。店主说可能系统故障,让他重试。李先生先后扫描七次,都失败。后来发现自己银行卡被扣17000余元。
你以为冒充房东骗术老套
诈骗团伙在用大数据找“猎物”
或许你也收到过“请把房租打到我老婆卡上”这类诈骗信息,也取笑过骗子“智商欠费”。实际上,这正是诈骗团伙通过大数据筛查“猎物”的手段。腾讯安全云部副总经理李旭阳解释说,由于网民的防骗意识参差不齐,这类诈骗手段仍有生存空间。
这些诈骗团伙的手段主要有三种:第一种是通过“手机木马”定向劫持。第二种获取用户信息的方式,俗称“拖库”。第三种是由于网络服务平台自身安全策略不足或管理不到位,往往会造成用户注册账户等隐私信息流失,这些信息往往会通过“地下黑市”交易到诈骗团伙手中。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29