反作弊工作属于数据分析的一个分支，即用数据分析（包括数据挖掘/机器学习/深度学习等)解决业务发展中遇到的作弊（spam）问题，具体哪些问题属于spam，需要根据实际业务的需求来定。常见的有批量机器账号刷单，虚假注册套现，批量虚假账号粉丝，关注，点赞，色情/涉政/版权类别的视频、图片，音频，文本等内容。反作弊数据分析的工作就是要采用数据分析方法，结合业务的实际场景挖掘出这些作弊的用户或者内容，维护产品的健康发展，降低公司的损失。
当然，数据分析能做的事情太多太多了，除了反作弊，还可以在用户画像，信息流推荐，商品推荐，页面排序，订单分发等等场景进行使用。但是万变不离其宗，只要是数据分析的工作，都有一整套科学完整的数学理论和方法指导。
这些方法是非常非常重要的，我遇到一些刚入门的同学（其实我最初工作的时候也是一样），非常努力的在实践中总结经验，经过反复试错得到了一套自以为还不错的分析方法（这一点我是赞同的）。其实个方法并不是最优的，而且解决这个问题已经有比较完整的科学理论指导。 所以我想说的是，数据分析是一门科学，相关从业者要有敬畏之心，最好能进行一些系统性的学习。其实大部分自己总结出来的经验，已经在书本里写好了你只需要学会就行了。举个例子来说，你想学乘法，没有必要自己探索着去编一个乘法口诀，只需要把9*9乘法表背会就可以啦。
这里没有针对新同学的意思（大家都是从新人过来的），只是强调科学的严谨性和基础的重要性
当然有很多从业者是不是学相关专业的（比如我），这就需要抽更多的时间去进行学习，如果把相关的统计学，线性代数，机器学习等知识尽早补充，会对今后的工作有非常大的帮助。当然在学习这条道路上，我也还有很长的路要走，学习是一件终身的事情，与各位共勉。
推荐学习材料：
书籍类
SQL必知必会（初学者sql入门经典） | 谁说菜鸟不会数据分析（入门） | 深入浅出统计学 | 深入浅出数据分析 | 数据挖掘导论 | 机器学习（西瓜书）| SPSS统计分析与行业应用案例详解（对于不会编程又需要进行数据分析的同学，spss是一个不错的选择） | 利用Python进行数据分析（经典） | 统计学习方法（个人感觉有点难度）
以上只是我看过的，觉得非常好的的一些书籍，其他的欢迎大家补充。
视频类我首推吴恩达的机器学习课程，无论是高级还是入门的同学都可以听，讲的非常基础，非常友好（大神总是能通过简单明了的方式让人掌握很抽象的知识，我等只能膜拜）；Python学习的话，推荐小甲鱼的系列课程，做的非常不错
另外推荐一篇论文：
Facebook的反作弊团队写的论文：facebook-immune-system
下载链接http://www.owasp.org.cn/OWASP_Events/download/FacebookImmuneSystem.pdf/view
另外我想说：最好的学习方法是在工作中遇到问题，根据实际问题不断去学习找到解决方法，各种大神在CSDN，博客园，简书都有很多技术博客，只要你想学，没有学不到的。
