0
本文作者: 周蕾 | 2019-03-12 18:13 |
(圖片來源網(wǎng)絡(luò))
央行新版?zhèn)€人征信報告目前已經(jīng)投入查詢試運行階段,并將于今年5月進行正式切換。據(jù)悉,新版?zhèn)€人征信報告長達15頁, 除了將還款記錄保留期限從2年拉長到5年、新增還款金額和非信貸交易信息明細等變化以外,此次個人征信報告也首次將防欺詐納入其中,新增了防欺詐警示,目的是為了防止個人信息被人盜用,方便授信機構(gòu)掌控個人的動態(tài)真實征信情況。
眾所周知,在剛過去的2018年,互金領(lǐng)域的暴雷潮使得行業(yè)陷入前所未有的信用危機,今年的政府工作報告也因此反復(fù)金融風(fēng)險的防范,強調(diào)建立結(jié)構(gòu)性的監(jiān)管框架,梳理、化解跨業(yè)態(tài)的各類金融風(fēng)險和更加高效、透明、有序的行業(yè)運行秩序。
而在各類金融風(fēng)險中,金融欺詐的形勢變得越發(fā)嚴峻。一方面因為金融欺詐涉及的業(yè)務(wù)環(huán)節(jié)較多、手段多樣、隱蔽性強,中國銀行業(yè)協(xié)會就在其《中國銀行業(yè)產(chǎn)業(yè)發(fā)展藍皮書》中列舉了多種形態(tài)的金融欺詐手段:
賬戶注冊:偽造身份注冊、冒用他人身份注冊、偽造身份注冊;
賬戶登錄:賬戶盜用與冒用、賬戶異常共享等;
貸款申請:提供虛假申請信息、同時向多個金融平臺申請超過自身償還能力的貸款;
貸中管理:惡意拖欠;
支付:利用非法獲得的信用卡交易;
……
另一方面,金融欺詐的移動化程度不斷增加 ,也呈現(xiàn)出組織化、產(chǎn)業(yè)鏈化的特征。據(jù)了解,數(shù)十億對賬號密碼關(guān)系為地下黑色產(chǎn)業(yè)鏈所掌握,通過撞庫、刷庫造成的賬號被盜,占到整體被盜賬號的80%,而盜號所衍生的黑產(chǎn)業(yè)鏈年獲利超百億元。據(jù)《電子商務(wù)生態(tài)安全白皮書》,中國“網(wǎng)絡(luò)黑產(chǎn)”從業(yè)人員已超過150萬,市場規(guī)模高達千億級別。
抵御金融欺詐的難度日漸提高,基于線性模型的傳統(tǒng)風(fēng)控也很難關(guān)聯(lián)關(guān)系對風(fēng)險的影響,精細化、專業(yè)化的反欺詐能力因此成為越來越多金融機構(gòu)和互金公司著重考量的技術(shù)能力之一,一批專注反欺詐的企業(yè)也應(yīng)運而生。雷鋒網(wǎng)注意到,這些玩家已在這一領(lǐng)域有所表現(xiàn),并各自擁有不同的技術(shù)亮點。
市場上現(xiàn)有的風(fēng)控產(chǎn)品通常采用黑白名單、信譽庫、規(guī)則系統(tǒng)等傳統(tǒng)方法,傳統(tǒng)風(fēng)控模型需要大量的標簽進行訓(xùn)練,并以此預(yù)測新的樣本。但過多的標簽就意味著過多的數(shù)據(jù)搜集,數(shù)據(jù)更新費時費力,很難對未知欺詐行為有所察覺,成本增加的同時也會增加用戶隱私泄露的危險。而無監(jiān)督的機器學(xué)習(xí)不需訓(xùn)練數(shù)據(jù),可自動挖掘和檢測各種已知、未知的欺詐行為,自動產(chǎn)生標簽,用于模型檢測,自動產(chǎn)生規(guī)則,免除耗時的人工規(guī)則調(diào)試,主要適用于欺詐團伙的檢測。
在一些金融場景當中,解決方案往往需要把無監(jiān)督機器學(xué)習(xí)和有監(jiān)督機器學(xué)習(xí)相結(jié)合,將無監(jiān)督輸出的群組特征作為有監(jiān)督機器模型的輸入,另外,還可以將無監(jiān)督模型的聚類理由變成一種業(yè)務(wù)的規(guī)則,部署到客戶的規(guī)則系統(tǒng)中,去提升檢測的效率。
DataVisor
總部位于美國的DataVisor專注提供在線欺詐和金融犯罪檢測服務(wù),其技術(shù)核心之一正是無監(jiān)督學(xué)習(xí)算法。據(jù)雷鋒網(wǎng)了解,DataVisor以高精度和十億賬戶處理規(guī)模為欺詐和金融犯罪提供了無監(jiān)督機器學(xué)習(xí)(UML)檢測的成熟應(yīng)用,以無監(jiān)督機器學(xué)習(xí)引擎為核心,并結(jié)合有監(jiān)督機器學(xué)習(xí)和全球智能信譽庫為關(guān)鍵組件,無需標簽和訓(xùn)練數(shù)據(jù)即可檢測欺詐行為,并且能做到提前檢測。
無監(jiān)督學(xué)習(xí)引擎能同時處理所有事件和賬戶活動,分析數(shù)以億計的賬戶行為模式,以檢測到惡意帳戶之間的可疑連接。而自動規(guī)則引擎成功地將人工智能與機器學(xué)習(xí)的功能與規(guī)則引擎的可解釋性相結(jié)合,借助無監(jiān)督機器學(xué)習(xí)引擎的檢測結(jié)果,自動規(guī)則引擎提供了卓越的檢測性能,同時顯著降低了對規(guī)則調(diào)整和維護的需求。
全球智能信譽庫是DataVisor基于IP地址、地理位置定位、電子郵件域名、移動設(shè)備類型、操作系統(tǒng)、瀏覽器代理、電話前綴等做全量分析后,輸出的數(shù)字信號,可以用來增強規(guī)則引擎和機器學(xué)習(xí)解決方案的能力。
慧安金科
反欺詐領(lǐng)域的新晉玩家慧安金科也將半監(jiān)督主動式機器學(xué)習(xí)技術(shù)作為其主要技術(shù)優(yōu)勢,同樣只需要少量標簽就可以建立模型。具體來說,半監(jiān)督主動式機器學(xué)習(xí)技術(shù)可以根據(jù)少量的歷史標簽進行特征提取,訓(xùn)練自身模型,進而將標簽遷移、擴散至其他沒有標簽的用戶。
當模型預(yù)測失準時,風(fēng)控專家給予模型反饋,讓模型重新學(xué)習(xí),為互聯(lián)網(wǎng)、金融機構(gòu)和信息安全等其他領(lǐng)域提供更準確、更全面、更詳實的數(shù)據(jù)參考,輔助企業(yè)做出風(fēng)控決策。可以在欺詐行為尚未發(fā)生之前,在無預(yù)知風(fēng)險類型和特點的前提下,基于用戶行為數(shù)據(jù)進行建模分析,主動識別用戶行為和關(guān)聯(lián)的異常,自動響應(yīng)新的威脅和攻擊,實現(xiàn)提前預(yù)警和主動防范;并且不使用用戶的身份信息等敏感數(shù)據(jù),而是基于用戶注冊、登錄、瀏覽、下單等行為數(shù)據(jù)進行建模分析。
同盾科技
2013年成立的同盾科技,將目光聚焦在團伙欺詐,通過部署復(fù)雜網(wǎng)絡(luò)來應(yīng)對這一挑戰(zhàn),自2015年推出以來已進行多次迭代。復(fù)雜網(wǎng)絡(luò)即是針對復(fù)雜對象的關(guān)聯(lián)關(guān)系進行非線性建模,由節(jié)點(實體)和節(jié)點之間錯綜復(fù)雜的關(guān)系(實體之間關(guān)系)構(gòu)成拓撲網(wǎng)絡(luò),當異常關(guān)系聚集出現(xiàn)時,即可識別欺詐行為。同盾融合了自身大數(shù)據(jù)和外部數(shù)據(jù),提供實時可視化關(guān)聯(lián)分析,將規(guī)則、關(guān)系及變量通過關(guān)系網(wǎng)絡(luò)表現(xiàn),通過更深層信息挖掘和推理,提供動態(tài)分析和監(jiān)測,并應(yīng)用至實時團伙檢測等。
360金融
剛完成上市動作的360金融,旗下技術(shù)團隊同樣采用了復(fù)雜關(guān)系網(wǎng)絡(luò)分析作為反欺詐的重要工具。360金融向雷鋒網(wǎng)表示,他們已經(jīng)將關(guān)系網(wǎng)絡(luò)開發(fā)提到了最優(yōu)先級,目前能做到實時計算關(guān)系網(wǎng)絡(luò),其關(guān)系網(wǎng)絡(luò)有11多億個關(guān)系節(jié)點和140多億的關(guān)系邊,輔以千萬級別的黑名單和白名單作為復(fù)雜關(guān)系網(wǎng)絡(luò)分析的基礎(chǔ)。此外,360金融也在算法層面引入了無監(jiān)督機器學(xué)習(xí)。
猛犸反欺詐
猛犸反欺詐成立于2014年11月,目前關(guān)注的則是設(shè)備風(fēng)險和交互行為風(fēng)險。其中設(shè)備風(fēng)險是后面四層的基礎(chǔ),也為行為分析提供了數(shù)據(jù)集,貫穿于Gartner五層風(fēng)險結(jié)構(gòu)。其做法是通過設(shè)備指紋識別來控制欺詐風(fēng)險。與其它廠商通過SDK等方式獲取用戶信息,然后生成設(shè)備指紋不同,猛犸是基于通信協(xié)議棧分析欺詐行為,能實現(xiàn)APP和移動端H5網(wǎng)頁間,不同瀏覽器之間的設(shè)備識別。目前,猛犸已積累了超過3億的設(shè)備指紋。
雷鋒網(wǎng)小結(jié): 借助移動互聯(lián)網(wǎng)等多項技術(shù)蓬勃發(fā)展的新金融,實際正面臨著更嚴峻的考驗。這些金融業(yè)務(wù)交易頻繁、實時性強、數(shù)據(jù)量大、客群下沉,往往更容易受到欺詐組織的攻擊;同時這類攻擊除了技術(shù)以外,還會掩蓋聯(lián)網(wǎng)設(shè)備,偽裝身份和信用信息。正如DataVisor中國區(qū)首席戰(zhàn)略官鄭駿所言,在反欺詐中要擁有高質(zhì)量的數(shù)據(jù)和不斷更新的技術(shù),將黑名單、設(shè)備指紋、規(guī)則引擎、有監(jiān)督機器學(xué)習(xí)、無監(jiān)督機器學(xué)習(xí)等各種技術(shù)手段有機結(jié)合,并且具備情報偵察的邏輯,只有知道欺詐分子的技術(shù)手段、攻擊手段,才能更好地、有針對性地進行防范金融欺詐行為。
雷峰網(wǎng)原創(chuàng)文章,未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。