中國數(shù)字金融反欺詐全景報告P PT

1、AI賦能，料敵于先，構(gòu)建生態(tài)中國數(shù)字金融反欺詐全景報告（2019）主講人：于百程零壹研究院院長數(shù)字技術(shù)推動金融行業(yè)發(fā)展，但數(shù)字技術(shù)也為金融欺詐帶來可乘之機，目前欺詐嚴重傷害用戶對金融科技的信任，成為阻礙數(shù)字金融行業(yè)發(fā)展的致命威脅。本報告聯(lián)合國內(nèi)分期消費行業(yè)的頭部企業(yè)樂信， 借助其全面的反欺詐技術(shù)體系與豐富的反欺詐實踐 經(jīng)驗，以及龐大的數(shù)據(jù)積累和翔實的反欺詐案例， 同時結(jié)合對業(yè)內(nèi)多家具有代表性的反欺詐機構(gòu)的深 度調(diào)研采訪，全面分析數(shù)字金融反欺詐新態(tài)勢以及 AI反欺詐系統(tǒng)的技術(shù)機制和實踐成效。PART1數(shù)字金融欺詐的過去及現(xiàn)狀欺詐進入數(shù)字金融時代根據(jù)欺詐手段和類型的不同，金融欺詐的發(fā)展歷程主要分為

2、三個階段：線下金融欺詐、互聯(lián)網(wǎng)金融欺詐和數(shù)字金融欺詐。線下金融欺詐手段：電信詐騙為主尚無技術(shù)化的作案工具互聯(lián)網(wǎng)金融欺詐手段：特點：數(shù)字金融欺詐手段：多重攻擊手段聯(lián)合作案特點：黑產(chǎn)成熟化、技術(shù)專業(yè)化、行為關(guān)聯(lián)化、高頻化新型數(shù)字金融欺詐的四大特征據(jù)零壹智庫與數(shù)字金融平臺及反欺詐第三方的調(diào)研顯示，數(shù)字金融欺詐普遍具有黑產(chǎn)化、專業(yè)化、高頻化、關(guān)聯(lián)化等四個典型特征黑色產(chǎn)業(yè)鏈成熟化、規(guī)模龐大欺詐團伙有專業(yè)組織并且分工明確，各環(huán)節(jié)具備特定職能。截至2018年我國黑產(chǎn)從業(yè)人員超過200萬人，黑產(chǎn)市場規(guī)模已達千億級別。欺詐技術(shù)專業(yè)化，快速更迭欺詐團伙借助大數(shù)據(jù)等前沿技術(shù)，精確識別“欺詐目標”并采取相應(yīng)措施，欺詐

3、手法通過各類軟件進行指數(shù)化傳播。欺詐事件高頻化，成本低廉?dāng)?shù)字金融欺詐呈現(xiàn)小額高頻的異地作案趨勢，給司法機關(guān)取證定罪帶來極大困難。同時作案成本低廉，可能只有數(shù)臺手機電腦和銀行卡。欺詐行為關(guān)聯(lián)化，異地高發(fā)在實施欺詐的過程中都會在地 址、戶籍、IP地址、交易時間 等多個維度上呈現(xiàn)明顯的聚集 完整的黑色產(chǎn)業(yè)鏈上游中游下游上游主要負責(zé)提供欺詐軟硬件設(shè)備和其他作案資源。包括：網(wǎng)絡(luò)黑客、欺詐軟件/ 腳本開發(fā)者、設(shè)備提供商、貓池廠商等。中游主要負責(zé)數(shù)據(jù)信息的獲取、偽造以及倒賣等.包括：卡商、個信批發(fā)商、接碼平臺、打碼平臺、群控平臺等。下游主要負責(zé)詐騙實施以及洗錢銷贓。包括：職業(yè)刷單、羊毛黨、代理工作室等薅羊毛

4、|網(wǎng)絡(luò)貸款詐騙|電信詐騙|套現(xiàn)|理財詐騙|虛假信息|賬號被盜|中介詐騙|交易詐騙|網(wǎng)絡(luò)刷單PART2數(shù)字金融時代下受欺詐人群深度畫像分析受欺詐人群畫像總體特征根據(jù)受欺詐人群畫像特征可以總結(jié)出：年輕男性更容易受騙欺詐金額小但欺詐發(fā)生頻率高中東部地區(qū)受欺詐嚴重欺詐時間集中于下午地域：中東部地區(qū)高發(fā)欺詐事件發(fā)生量排名前十省份的欺詐事件數(shù)量全國占比超50%。其中，從受欺詐人群的地域分布看，中東部地區(qū)的人群更易遭受欺詐行為。內(nèi)蒙古廣東省河南省山東省四川省圖：欺詐事件發(fā)生量全國占比排名TOP5省份2%9.4%7.5%6.6%4.7%4.7%4.6%4.6%4.4%4.1%3.9%內(nèi)蒙古廣東河南山東四川黑龍

5、江陜西湖南山西河北圖：欺詐事件發(fā)生量全國占比排名TOP10省份數(shù)據(jù)來源：樂信，零壹智庫欺詐損失：人均2000元左右100%90%12000以上80%10000-1200070%60%50%40%8000-100006000-80004000-6000從欺詐金額看，單筆欺詐金額在2000 元以下的占比逐漸升高，數(shù)字金融詐騙更加趨向小額高頻模式。30%20%10%2000-40000-20000%1月2月3月4月5月6月7月8月9月10月11月12月1月2月3月4月5月6月圖： 數(shù)字金融詐騙金額區(qū)間分布情況(2018.1-2019.6)數(shù)據(jù)來源：樂信，零壹智庫性別：“薅羊毛”詐騙最易盯上女性從性別

6、特征看，男性更易被騙，受害人數(shù)量約為女性的2在薅羊毛事件中，女性受欺詐概率更高，可能因為女性在電商網(wǎng)購優(yōu)惠活動下，更容易放松警惕女, 35.5%男, 中介詐騙收費代辦電信詐騙商戶集資薅羊毛男女圖：欺詐受害者性別分（2018.1-2019.6）圖：不同欺詐類型的性分布（2018.1-2019.6）數(shù)據(jù)來源：樂信，零壹智庫年齡：受騙者年輕化，90后最易中招年輕人是數(shù)字金融的主要客群，受欺詐人群也主要以90廣東省90后最易被騙，其次是湖南、河南與四川12%10%8%6%4%10.9%7.1%4.7%5.2%4.9%4.9%4.8%4.7%4.4%4.2%2%0%廣東湖南河南四川貴州江蘇江西湖北山東廣

7、西圖：欺詐受害者年齡段布（2018.1-2019.6）圖：90后受欺詐者地區(qū)布（2018.1-2019.6）數(shù)據(jù)來源：樂信，零壹智庫案發(fā)時間：下午為欺詐高發(fā)時間段1218點為欺詐事件高發(fā)時間段，超六成欺詐發(fā)生在這一時間段13.2%5.5%20.2%6,1212,1818,2323,661.1%圖：欺詐發(fā)生時間段分布（2018.1-2019.6）數(shù)據(jù)來源：樂信，零壹智庫PART3數(shù)字金融反欺詐的AI解決方案金融反欺詐的攻防博弈金融欺詐和反欺詐之間是一場曠日持久的“攻防戰(zhàn)”，欺詐方和反欺詐方始終處于動態(tài)博弈的過程中。線下欺詐：手段單一，電信詐騙為主互聯(lián)網(wǎng)欺詐：詐騙傳播快速化、手段信息化、行為趨于場

8、景化數(shù)字欺詐：人員組織化、手段技術(shù)化、行為場景化、方式隱蔽化RoundRound2Round 3傳統(tǒng)反欺詐：以黑白名單為主互聯(lián)網(wǎng)反欺詐：以規(guī)則引擎為主，將規(guī)則引擎和黑白名單相結(jié)合智能反欺詐：以有監(jiān)督機器學(xué)習(xí)為主， 無監(jiān)督機器學(xué)習(xí)、規(guī)則引擎和黑白名單為輔場景、數(shù)據(jù)和技術(shù)是AI反欺詐系統(tǒng)的三大核心要素人工智能反欺詐系統(tǒng)有效發(fā)揮作用的一個大前提是，任何反欺詐策略都要根據(jù)特定的場景和數(shù)據(jù)特征對癥下藥地制 定，脫離場景、數(shù)據(jù)而空談與反欺詐相關(guān)的技術(shù)優(yōu)勢是無法讓整套人工智能反欺詐技術(shù)順利地與需求方的業(yè)務(wù)場景對接的。通過對相關(guān)企業(yè)的調(diào)研，零壹智庫認為，場景、數(shù)據(jù)和技術(shù)是人工智能反欺詐系統(tǒng)的三大關(guān)鍵要素，其中

9、，技術(shù)要素是最能體現(xiàn)人工智能反欺詐系統(tǒng)有效性的基礎(chǔ)要素，算法模型和系統(tǒng)架構(gòu)又是技術(shù)要素的兩大核心。數(shù)字金融反欺詐的生態(tài)鏈 數(shù)據(jù) 業(yè)務(wù)場景銀行公安司法部門征 信 機 構(gòu)社 交 平 臺電 商 平 臺網(wǎng)貸平臺其他數(shù)據(jù)機構(gòu)銀行公安司法部門征 信 機 構(gòu)社 交 平 臺電 商 平 臺網(wǎng)貸平臺其他數(shù)據(jù)機構(gòu)銀行保 險汽車金融證券基金人工智能大數(shù)據(jù)云計算區(qū)塊鏈根據(jù)反欺詐體系完備性、反欺詐技術(shù)前沿性、反欺詐應(yīng)用廣泛性與反欺詐效果等維度劃分螞蟻金服、樂信等公司位于國內(nèi)數(shù)字金融反欺詐技術(shù)服務(wù)領(lǐng)域的第一陣營樂信：全AI反欺詐效率過去一年，幫助用戶規(guī)避2000余起欺詐案件單月攔截金額萬平均每天幫助用戶避免約100萬元損失

10、中國最佳信貸技術(shù)項目大獎亞洲銀行家2019.750人以上的團伙欺詐案件發(fā)生0起更低的欺詐風(fēng)險率從欺詐風(fēng)險率來看，樂信明顯低于行業(yè)平均水平，將欺詐風(fēng)險率控制在三百萬分之一VS欺詐風(fēng)險率:三百萬分之一（0.003BP）萬分之一左右（1.16BP）注：1個BP是萬分之一樂信：全AI反欺詐體系樂信反欺詐技術(shù)融合了互聯(lián)網(wǎng)的多樣性和金融業(yè)務(wù)的復(fù)雜性，針對數(shù)字金融欺詐新型特征形成了體系化、精準化、模塊化、實時化的解決方案模塊化精準化體系化AI技術(shù)貫穿反欺詐全業(yè)務(wù)鏈條實時化交易全程實時主動攔截欺詐技術(shù)成熟應(yīng)用場景廣泛準識別欺詐反欺詐輿論收集反欺詐規(guī)則引擎反欺詐實時排查全流程策略管理智能語音質(zhì)檢多平臺指數(shù)輿情監(jiān)

11、控樂信：全AI反欺詐框架反欺詐輿論收集反欺詐規(guī)則引擎反欺詐實時排查全流程策略管理智能語音質(zhì)檢多平臺指數(shù)輿情監(jiān)控樂信AI反欺詐框架提高了事前欺詐識別率、事中欺詐應(yīng)對效率以及事后欺詐案件挖掘效率。樂信全AI反欺詐體系應(yīng)用環(huán)節(jié)營銷注冊申請授信交易支付還款“黑科技”應(yīng)用復(fù)雜網(wǎng)絡(luò)收貨地址聚類分析LBS風(fēng)險評估用戶行為風(fēng)險分析應(yīng)用環(huán)節(jié)營銷注冊申請授信交易支付還款“黑科技”應(yīng)用復(fù)雜網(wǎng)絡(luò)收貨地址聚類分析LBS風(fēng)險評估用戶行為風(fēng)險分析框架系統(tǒng)反欺詐實時監(jiān)控反欺詐演算工具反欺詐信息庫框架系統(tǒng)反欺詐實時監(jiān)控反欺詐演算工具反欺詐信息庫策略體系事前欺詐識別事中欺詐監(jiān)控應(yīng)對事后欺詐追賠防治技術(shù)支撐：AI、大數(shù)據(jù)、區(qū)塊鏈、

12、云計算等前沿科技策略體系事前欺詐識別事中欺詐監(jiān)控應(yīng)對事后欺詐追賠防治技術(shù)支撐：AI、大數(shù)據(jù)、區(qū)塊鏈、云計算等前沿科技樂信全AI反欺詐六大模塊欺詐行為，協(xié)助研發(fā)人員提前部署防御措 施。反欺詐輿論收集反欺詐實時監(jiān)控整個體系的“數(shù)據(jù)“基礎(chǔ)，打擊欺詐的前提。實時監(jiān)控信貸全流程。數(shù)據(jù)信息的主要來源之一，主要儲存樂信基于業(yè)務(wù)積累的數(shù)據(jù)，并保持實時更新。反欺詐信息庫反欺詐實時排查整個體系的“數(shù)據(jù)”基礎(chǔ)，通過AI技術(shù)對全流程進行偵測分析和預(yù)警，一旦發(fā)現(xiàn)異常及時干預(yù)。.反欺詐演算工具反欺詐規(guī)則引擎整個體系的重要技術(shù)支撐與核心。通過前沿AI研究結(jié)合機器學(xué)習(xí)模型開發(fā)反欺詐應(yīng)用，裁定是否存在欺詐嫌疑。根據(jù)最新的欺詐形

13、勢構(gòu)建新的欺詐規(guī)則和特征，為反欺詐演算提供支持。樂信AI反欺詐“黑科技”復(fù)雜網(wǎng)絡(luò)輿情監(jiān)控收貨地址聚類分析樂信AI反欺詐“黑科技”LBS風(fēng)險評估用戶行為風(fēng)險分析多平臺指數(shù)樂信AI反欺詐“黑科技”應(yīng)用效果復(fù)雜關(guān)系網(wǎng)絡(luò)已經(jīng)全量覆蓋平臺用戶，同時涵蓋了百萬級的群組信息每日攔截欺詐風(fēng)險用戶500余人，每日攔截欺詐風(fēng)險訂單近千筆，每日攔截欺詐風(fēng)險訂單金額超300萬元。顯示為紅色的群組 ，存在欺詐嫌疑以復(fù)雜網(wǎng)絡(luò)為例：顯示為紅色的群組 ，存在欺詐嫌疑一般性的黑產(chǎn)大多是團伙作業(yè)。樂信平臺上已有一些黑產(chǎn)用戶，如果新用戶注冊或用戶下一筆新訂單時，系統(tǒng)發(fā)現(xiàn)該用戶與平臺上黑產(chǎn)用戶存在某種關(guān)聯(lián)關(guān)系（可能是同一個IP、局域

14、網(wǎng)，或者有共同的聯(lián)系人等），就會發(fā)出預(yù)警，轉(zhuǎn)人工處理或者直接拒絕。DataVisor：無監(jiān)督反欺詐機器學(xué)習(xí)DataVisor（維擇科技）是成立于2013監(jiān)督機器學(xué)習(xí)、規(guī)則引擎和全球智能信譽庫，為線上企業(yè)和金融公司提供一站式智能反欺詐檢測服務(wù)。DataVisor的反欺詐服務(wù)主要覆蓋金融、電商、社交、游戲/工具等四個領(lǐng)域。DataVisor 無監(jiān)督學(xué)習(xí)有監(jiān)督學(xué)習(xí)引擎客戶輸入DataVisor無監(jiān)督解決方無監(jiān)督機器學(xué)習(xí)引擎輸出DataVisor評分引擎?zhèn)€體異常檢測引擎規(guī)則引擎用戶行為信息等）有監(jiān)督機器學(xué)習(xí)引擎（）監(jiān)測評分和報表自動化規(guī)則（可選）可書畫平臺和用戶審核界面全球信譽庫Apache Spar

15、k、HDFS、Hadoop、Apache HBase和Elasticsearch等大數(shù)據(jù)基礎(chǔ)設(shè)施架構(gòu)中誠信征信：萬象智慧風(fēng)控體系中誠信征信AI反欺詐主要是基于自主研發(fā)的智能風(fēng)控平臺萬象智慧，該平臺強調(diào)對大數(shù)據(jù)的信用風(fēng)險解讀能力，涉及 的基礎(chǔ)技術(shù)包括知識圖譜、機器學(xué)習(xí)、人工智能、區(qū)塊鏈等。平臺基于數(shù)據(jù)倉庫、自動決策引擎和智能建模引擎，能實現(xiàn)數(shù)據(jù)的自動采集，業(yè)務(wù)的自動審批決策，模型的自動發(fā)布、應(yīng)用與監(jiān)控，從而形成系統(tǒng)的閉環(huán)自動學(xué)習(xí)迭代。中誠信反欺詐方案體系關(guān)聯(lián)風(fēng)險挖掘智能建模分析關(guān)聯(lián)風(fēng)險挖掘智能建模分析自動決策引擎?zhèn)€體信用風(fēng)險管理信息關(guān)聯(lián)自動特征工程特征引擎全信貸周期風(fēng)險管理聚團分析自動機器學(xué)習(xí)規(guī)

16、則引擎多維度三方數(shù)據(jù)集成圖特征計算模型學(xué)習(xí)迭代策略引擎多場景專家模型內(nèi)置景場資料虛假、隱瞞歷史、虛假聯(lián)系人、代辦包裝、履歷虛假、組團騙貸景案方設(shè)備反欺詐、資料反欺詐、交易反欺詐、團伙反欺詐等不同的解決方案案數(shù)據(jù)的自動采集數(shù)據(jù)的自動采集 模型自動發(fā)布、應(yīng)用與監(jiān)控 模型自動發(fā)布、應(yīng)用與監(jiān)控業(yè)務(wù)的自動審批決策 業(yè)務(wù)的自動審批決策 慧安金科：半監(jiān)督主動式機器學(xué)習(xí)2017年，基于人工智能、機器學(xué)習(xí)等技術(shù)為合作機構(gòu)提供人工智能解決方案。半監(jiān)督主動式機器學(xué)習(xí)與專家經(jīng)驗相融合，基于客戶場景和需求形成相應(yīng)預(yù)測模型，能幫助企業(yè)主動識別用戶行為和關(guān)聯(lián)的異常，實現(xiàn)提前預(yù)警和主動防范。同時，慧安金科為金融機構(gòu)提供數(shù)據(jù)參考，助力金融機構(gòu)智半監(jiān)督主動式機器學(xué)習(xí)對敏感數(shù)據(jù)需求不大，主要利用到的是用戶行為數(shù)據(jù)、環(huán)境數(shù)據(jù)等非敏感數(shù)據(jù)。反洗錢智決策及時發(fā)現(xiàn)羊毛黨、惡意刷單等各類風(fēng)險操作，并進行有效攔截報的經(jīng)驗與方法，全方位提取洗錢行為關(guān)聯(lián)信號，并對可疑交易進行排序風(fēng)決策及時發(fā)現(xiàn)羊毛黨、惡意刷單等各類風(fēng)險操作，并進行有效攔截報的經(jīng)驗與方法，全方位提取洗錢行為關(guān)聯(lián)信號，并對可疑交易進行排序風(fēng)數(shù)據(jù)輸入決策引擎結(jié)果輸出數(shù)據(jù)可視化系統(tǒng)險解決營銷反欺詐方案操作風(fēng)險識別預(yù)警和控制，及時攔截欺詐行為預(yù)警和控制，及時攔截欺詐行為分類、聚類算法+機器學(xué)習(xí)、異常檢測、圖分析等（包括：用戶分