大数据是如何扫黄的?

如果一个女性,年龄在20-35岁之间,没有固定的工作,但是每天微信总是在晚上10点至凌晨4点之间有收款,收款的地点又总是在高档的酒店,或者高档的社区,这时系统就会给她一个标记,列为可疑人员 。

大数据是如何扫黄的?

文章插图
文章插图
所有跟她微信有转账记录的人,同时会被列入监控名单,如果每次都有人给这个女性打款 , 同时这个人还会给其他的有类似特征的女性打款,并且这个人每天还会收到不同的男性打的、几乎相同金额的款项,那这个人就可以被认为是老鸨 , 而这些给老鸨打款的男性,也同时会被标记 。
大数据是如何扫黄的?

文章插图
文章插图
凡是出现以下三点情况,大数据就会盯上你:
① 那些晚上10点至凌晨4点仍有活跃交易的账户;
② 交易金额符合某一类似的特征 , 比如398、498……那就把这笔交易标记为可能涉黄;
③ 一个商家一个月有大量的交易,并且60%以上的交易都符合上述特征,那么不管这个商家是叫某某养生馆 , 还是叫某某建材批发,大概率这个商家就是涉黄的 。
大数据是如何扫黄的?

文章插图
文章插图
大数据时代,不管你是如何隐藏,通过数据分析都可以被解读出来,那么怎么才能避免被大数据扫黄扫到呢?
一句话:若要人不知,除非己莫为!只要你不干坏事,警察叔叔是不会找你麻烦的 。
大数据是如何扫黄的?

文章插图
文章插图
【大数据是如何扫黄的?】