而随着外卖的火热，外卖刷单乱象严重损害了消费者利益，成为媒体和社会关注的焦点。据了解，外卖刷单背后隐藏着一条地下黑色产业链，从机器刷单到人肉刷单，再到多角色串通联合刷单，刷单手段越来越多样化。
废弃的手机卡(包括实名在内)，只要能接收短信或者语音电话，就会被卡商收购“养”起来，与接收验证码的平台进行对接，再卖给刷单者，提供所谓的“新用户身份”，从而享受外卖平台的新用户优惠福利。此外，有些中介将刷单经验制作成教程兜售，少则几十元，多则卖到上千元。更有甚者，刷单者还成立专门的“刷单公司”，通过QQ群、微信群、论坛等进行“有组织有纪律”的人肉刷单。
销量造假、虚假好评等刷单行为严重影响了消费者对商家客观准确的认知，为无良商家套取平台补贴，既损害消费者利益，又破坏商家之间的公平竞争秩序，从而严重影响了平台乃至整个行业的绿色健康发展。
百度外卖拥有行业领先的风控技术体系
百度外卖平台每天交易额巨大，交易频次非常高，交易场景复杂，每天会遇到各种各样的突发风险事件，风控中心运用事前、事中、事后等完善的风险控制手段，为公司业务快速健康发展保驾护航。
为了应对刷单行为，百度外卖风控体系依靠其强大的技术壁垒和大数据优势，打造了一套完善的风控技术体系，能够准确识别出刷单行为，并根据其所造成的影响采取不同的处罚措施，有效打击了刷单“黑产”。截止目前，百度外卖已经处理了数千个刷单商户，追回因刷单产生的扣款一千多万元，因刷单而被处理的“虚假用户”更是不计其数。此外，在各大刷单群、刷单论坛中，提及刷百度外卖的信息数量几乎为零。
和大多数行业相比，外卖行业的反作弊实际上是一个更为复杂且要求更高的工作，虽然从表面看，用户只要下单就完成了一次需求，但背后却涉及了一个链条的经济行为——销售人员签约商户入驻外卖平台、商户上传菜品、配置活动、用户下单、物流配送等等，每个环节都有刷单风险的可能，因此，百度外卖的风控体系考虑的不只是用户下单这一个环节，而是从全局出发，信息覆盖更完善，识别才会更精准。
百度外卖风控负责人表示，基于百度大数据和外卖自身业务数据，百度外卖的风控体系充分挖掘用户行为，通过精准的“设备指纹技术”，并利用机器学习和数据挖掘，对用户建模分析，可精确识别包括机器刷单、人肉刷单在内的各种刷单等恶意行为。该体系以订单和行为为核心，覆盖了从销售签店、商户入驻、用户下单、物流配送各个环节，并对每个环节中涉及的每个角色进行建模分析，做到全过程全方位的监控。
完备的风控体系可以做到事前预防、事中识别、事后挖掘
“以是否完成下单为界限，在这之前我们称为事前防御，这时候我们主要依靠设备指纹进行身份识别。设备指纹技术是通过用户的非敏感设备信息，并结合其他环境因素，经过复杂计算，为每一个百度外卖用户生成独有的身份标识。刷单者通过作弊手段更改部分设备信息并不会对设备指纹产生影响，并且无法伪造，因此可以有效防止技术刷单，目前该技术处于业界领先水平。”百度外卖风控负责人表示。
在下单之后，一般称为事后挖掘。基于机器学习技术，百度外卖风控在事后挖掘方面建立了以健康度为核心的多角色模型，每个角色模型有上千个多维特征，用来识别用户、商户、骑士、销售的各种风险行为，并基于聚合知识图谱有效识别一人伴多角等恶劣行为。在识别用户刷单上，以用户健康度模型为主，辅以自然人识别模型、抱团用户识别模型，能够准确识别一人多号、一人多设备，通过QQ群、微信群有组织的刷单等多场景行为，大大打击了团伙作案。
基于百度数十款产品的数据资源，打造健康生态
风控依赖于数据，想要在外卖领域建立起全面的风控体系，必须要有大数据的支持，从数据中挖掘出丰富的信息，才可以让系统更容易更准确地判断出可疑用户和订单。“数据正是百度外卖的优势所在，我们不仅拥有自身的数据积累，同时还可共享百度系数十款产品的数据资源，从而能够快速进行数据抽取、特征计算，结合数据挖掘、神经网络等多种算法识别，以提高准确率。”
目前，百度外卖风控除了在反作弊领域识别刷单减少用户、商户及平台的直接或间接经济损失外，已开始注重服务于业务发展，控制各环节风险行为，比如对资源利用率的高要求，提高商户品控环节的审核效率，打击资质造假行为等等。“风控是业务产品的必要属性，对于风控而言，要做好服务者，把业务痛点降到最低，防范和处理业务风险，打造百度外卖健康生态，确保业务安全且迅速的发展。”百度外卖风控负责人表示。
