Centauri:设备指纹识别新方法

对于反欺诈从业者来说,关注新技术很重要,因为新进展可能影响系统防护方式。近期受到关注的一项技术是Centauri。本文介绍 Centauri 值得关注的原因。

认识 Centauri

Centauri是一种新的设备指纹识别方法。传统指纹识别根据硬件和软件差异,为设备生成唯一标识。但设备日趋标准化,软件也越来越难以检查,这些方法的效果随之下降。Centauri 提供了另一种思路。

Centauri 如何工作?

Centauri 关注的是设备内部的特征,而非可见的硬件和软件信息。它利用设备在制造过程中形成的差异。每台设备的内存模块,也就是DRAM,都存在细微且独特的差异。这些差异会在Rowhammer 引发的位翻转中形成不同模式。Centauri 根据这些模式生成可识别的指纹。

Centauri 的特点

Centauri 无需特殊访问权限,也不需要复杂配置。它能够绕过内存限制,也不需要「root 权限」。它的处理速度快,识别准确率也高。在一项涉及约 100 个内存模块的测试中,Centauri 用时不到 10 秒,准确率达到99.91%。这些指纹在一段时间内也保持一致,因此识别结果精确且稳定。

将这些审核规则纳入决策流

制定信贷、反欺诈或催收规则,并用于实际决策。

Centauri 的实际应用

评估一种新方法,离不开对实际应用的考察。它能否用于日常业务?能否从学术研究走向商业应用?

Centauri 可能改变反欺诈领域的设备识别方式。即使设备的硬件和软件配置相同,它也能为设备生成独特且稳定的指纹,从而改进现有的指纹识别方法。这有助于识别设备,改善欺诈活动追踪,并加强安全控制。

总结

Centauri 利用Rowhammer 的副作用所具有的不可预测性,生成有效的设备指纹。这种方法可能改变人们对设备安全的看法,在效率和准确性方面表现突出,也为设备指纹识别带来了有意义的进展。

不过,Centauri 能否奏效,取决于它能否利用 Rowhammer 漏洞。如果制造商从源头消除这一漏洞,Centauri 可能会失去效果。在此之前,这项技术仍值得关注。

常见问题

放贷机构或商户应把 Centauri 用作主要设备标识,还是额外的欺诈信号?

在针对业务实际接触的设备和流量完成验证前,应把 Centauri 作为额外信号。独特的内存指纹有助于关联来自同一设备的活动,但不能据此认定某笔交易存在欺诈。应保留现有决策规则,并评估加入 Centauri 后误拒率和欺诈损失如何变化,再决定是否提高该信号的权重。

风控团队在将 Centauri 用于交易决策前,应如何测试?

在有代表性的流量样本上以影子模式运行 Centauri,将设备匹配结果与现有信号及已确认的欺诈结果进行对比。按设备类型评估覆盖率、重复性、误匹配情况和性能,再统计该信号改变决策的频率。所报告的 99.91% 准确率来自对约 100 个内存模块的测试,并非在放贷机构或商户的交易数据中测得。

应设置什么阈值,才能根据 Centauri 匹配结果拦截交易?

不要仅凭设备匹配结果直接拦截交易。阈值应根据自身已确认的欺诈数据和正常交易数据设定,并同时考虑误拒成本和欺诈损失。可以先将该信号用于人工复核,或让它在现有风险评分中占较小权重。只有实际结果支持时,才调整其权重。

哪些情况可能导致 Centauri 无法继续用于欺诈检查?

Centauri 依赖 Rowhammer 漏洞产生的内存模式。如果制造商消除了这一漏洞,该方法可能失去依据。因此,应持续检查 Centauri 在客户使用的设备上是否仍然有效,并在相关硬件或软件发生变化后重新评估。还应在自身环境中确认设备覆盖情况,不要假设所有设备都能生成指纹。

将这些审核规则纳入决策流

制定信贷、反欺诈或催收规则,并用于实际决策。