用机器学习来优化网络欺诈监测和排查模型，“网络欺诈斗士”Sift Science 获1800万美元B轮融资
Sift Science 用网站提供的用户数据来计算出用户的可疑分值，厉害之处在于它用机器学习的方式不断地补充并修正它的整个欺诈监测模型。例如电商公司先把Sift Science 的API嵌入自己...
“如果哪位顾客电子邮件的姓或名与其账单地址姓名不一致，那么与那些姓名一致的顾客相比，这个人是诈骗犯的可能性要高12倍。”这个很有意思的说法来自Sift Science（以下简称Sift）。
Sift 是36氪此前报导过的一家用机器学习来优化网络欺诈监测和排查模型的反网络欺诈公司，日前它在B轮融资1800万美元，资金将用于强化公司产品，帮助用户辨别和防止网络诈骗。该轮融资由Spark Capital 领投，Sift 的早期投资者Union Square Ventures，First Round Capital，以及Max Levchin 跟投。领投方GP Mo Koyfman 将加入Sift 董事会。
Sift 由一群前Google 工程师于2011年在旧金山创立，一年前获得Y Combinator 孵化（YC S11），并募得种子基金和A轮资金共550万美元。其CEO Jason Tan 表示，目前公司每月处理的在线交易涉及金额为15亿美元，经手6亿在线“活动”（“events”），为用户避免的欺诈损失达400万美元，总用户群体已遍及7个大陆。
其产品将API 嵌入用户的网站，并运用机器学习，不断完善辨识和屏蔽欺诈的技术。大体上，Sift 提供服务的方式分为自动和手动两类。前者依靠技术系统自我辨别欺诈行为，后者则允许用户在控制板查看并手动管理监测情况。关于Sift 的特点和商业模式，可查看36氪此前的详细报道。
目前市面上除Sift 外，还有不少致力于反网络欺诈交易的创业公司，比如：Riskified，Signifyd。另外，像RSA 这样的大型网络安全公司也涉足了该领域。
