因為支付中的“黑卡”問題，公司在銀行的客戶投訴率遠遠超過警戒線，這使得公司馬上重視起支付安全問題，我也擺脫了“光杆司令”的狀態。
也就是從那個時候開始，我就要獨立創建團隊了，這也是老板當時給我的重要任務。但一開始是根據虛擬貨幣的發展狀況慢慢摸索。起初，使用虛擬貨幣支付的應用還很少，支付問題不是很大。但隨著虛擬貨幣的迅猛發展，情況就變了。2009年底，公司發生了一件事情，也可以稱作一次危機，讓支付安全團隊的迅速擴展成為當務之急。那是一個欺詐事件。中國台灣有很多人在Facebook上玩遊戲，有一個印度尼西亞的網站，隻要你把自己Facebook的用戶名、密碼告訴它，它登錄後可以給你充值，當然收費要比官方便宜，比如說價值100美元的虛擬貨幣，它隻要50美元就賣給你。它為什麼可以這麼做？很簡單，因為它用的是“黑卡”，就是非法盜用的信用卡。互聯網上有線下 “黑卡”交易體係，你可以去購買大量的信用卡信息，有些丟失信用卡的人還沒來得及注銷，就仍然可以使用，“黑卡”體係就是利用這樣的時間縫隙，賺取差價。等到信用卡真正的主人發現被盜後，就要向信用卡公司申請賠償，而信用卡公司一般會直接將損失退回，然後向最終的收款方索賠（比如Facebook）。在這種情況下，Facebook不僅要退回相關款項，還要支付罰款。那段時間，Facebook收到的用戶投訴率相當高，遠高於銀行能夠承受的1%。一般來說，投訴率1%是個閾值，如果在一段時間內一直高於這個閾值，就會被銀行警告。若持續不改善，甚至可能被取消支付許可——那就是一場災難了，這意味著Facebook不能從任何人那裏通過信用卡收取任何款項，包括公司的支柱——廣告業務也會受到致命打擊。公司絕對無法接受。
經過這麼一次危機，公司決定在支付安全上下力氣做好，這個機會讓我招到了最初的兩個人。一個是從新兵訓練營裏招的烏克蘭人，是個代碼狂，曾經是編程大賽的得獎專業戶，比如Top Coder開發部分的第一名，2004～2005年度ACM（美國計算機協會）東南歐地區冠軍，微軟Imagine Cup（微軟“創新杯”全球學生大會）冠軍等。另外從科學組裏招了一個，更準確地說是說服了他老板，讓他先花30%時間幫我們做數據分析和挖掘之類的事情，因為這會成為我們下一個長遠的目標，機器學習是必走的一條路。我一開始主導的係統主要是人工規則，但整個架構已經設計好了，人工規則、機器學習都能夠嵌在裏麵。在虛擬貨幣逐步發展的初期，人工係統是成本更低、更有效的一套做法。一開始還沒有那麼多相關機器學習的工作，所以就先說用30%時間。隨著我們的合作，逐步加深了解，後來這位很不錯的數據科學家也全職到我們組來了。加上我，初步有了這麼兩三個人之後，我們把人工規則這套係統變得相對完整，也鋪平了通向機器學習的道路。