基于大数据技术的手机用户画像及征信研究报告.pdfVIP

---..

基于大数据技术的手机用户画像及征信研究

随着计算机网络技术的不断发展，“数据即资源”的大数据时代已经来临。用户画像是电信

运营商为了避免管道化风险，实现“数据驱动业务与运营”的重要举措。用户画像与应用大数据

技术对客户分类密切相关，是单个客户的众多属性标签的累积；另一方面，在运营商涉足的消费

金融领域，对手机用户所进行的个人信用评价，是对手机用户画像中的诸多特征实施再组合与分

类的应用过程。

1.手机用户画像与隐私保护

所谓用户画像，是指单个用户所有信息标签的集合，即通过收集与分析用户的人口属性、社

会交往、行为偏好等主要信息，将用户所有的标签综合起来，勾勒出该用户的整体特征与轮廓。

在互联网经济条件下，满足消费者个性化需求成为运营商差异化竞争的主要手段，用户画像可以

较为精准地发现客户类型，成为电信运营商避免管道化风险，实现“数据驱动业务与运营”的重

要助力。

用户画像是个形象的比喻。在大数据技术的帮助下，我们可以了解手机用户的更多信息，但

由于实施成本和隐私保护的限制，这个画像其实不是全息的“照相”或“录像”，是按需设计的，

不可能无限细化，即用户“画像”不考虑成本与需求而具有超高“像素”是不现实的。一般而言，

用户画像与客户分类密切相关。在大数据分析中对客户群进行分类，如聚类分析、判断逻辑分析

等，可以按特征将用户划分为不同的类别；这些多维角度的客户分类，形成了一系列不同的属性

标签。对于单个客户，正是这些分类X围的相互交集，即是单个客户身上的众多标签的累积，

使得客户形象逐渐丰满，依稀呈现。同时，众多特征的迭加也可视同从量变到质变的“涌突”现

象，在标签信息的基础上，可以再从各项特征中重新按需组合，形成相对完整的“大属性”标签，

实施进一步的分类。从这个角度来看，手机用户的个人信用评价，也是个手机用户画像中的诸多

特征再组合分类的应用过程。

就电信运营商而言，应本着风险防X原则，首先加强系统安全的日常管控与监查，具体包

括：流程规划、权限分级、下载监控、合规巡检等内容（见表1）。其次，利用大数据技术做好

威胁情报与安全数据的解析工作。近年来，随着网络安全攻防技术的不断演化，出现了依托社会

工程学等方法的APT（AdvancedPersistentThreat，高级持续威胁）方式，APT不单针对用户信息，

而是出于特定目标长期地威胁整个网络系统的安全。APT的出现，促使电信运营商的数据安全理

念从以漏洞为中心的实时防御，发展到以威胁情报为中心的安全解析管理。安全解析管理要利用

大数据技术，着重分析挖掘业务系统中：①业务流程类数据：包括企业组织结构、业务环节构成、

业务链关联、员工层级与分工权责、出勤在岗记录等，这些数据往往难以从机器中直接获取，且

有助于对潜在威胁点的搜索与定位；②网络数据：包括FPC（fullpacketcapture）PSTR(Packet)，

会话或flow数据；③设备、主机及应用的日志：包括WEB代理日志、路由器、防火墙日志、VPN

日志、windows安全及系统日志等；④报警数据：即检测工具发现异常而发出的通知等。通过全

面的数据解析，可以及时发现入侵迹象，力争在攻击者完成使命前成功地阻止其活动并完成溯源。

当然，前面提及的日常实时防御仍是安全管理的基础，构成了安全防守的纵深，否则后面的安全

解析也无从谈起。

蕞后，出于保护个人数据隐私的目的，做好数据脱敏工作。数据脱敏主要对应于数据分析应

用与发布的环节，目前主要技术有：水印、泛化、加密、失真、归并等。其中，水印是指对局部

信息的掩遮；失真是指采用添加噪声等方法对原始数据进行扰动处置，但还要保持原有的数据统

计方面的性质不变；加密是应用密码技术对数据进行封装，这种方法保护效果蕞好但开销较大；

泛化是对数据进行更概括、更抽象的描述，如对于年龄18岁，可以泛化为年龄取值区间为[14，

25]；归并则是将量化的数值指标按一定的标准进行分类，形成属性指标参数，如价值5000元以

--总结资料

---..

上手机型号，被划