金融反欺詐的底層邏輯

金融反欺詐的底層邏輯

稻盛和夫說(shuō)過(guò)：傾聽(tīng)產(chǎn)品的聲音，用心觀察產(chǎn)品的細(xì)節(jié)，就能自然而然地明白出

現(xiàn)問(wèn)題和差錯(cuò)的原因。

金融產(chǎn)品創(chuàng)新終究要回歸到最初的本質(zhì)，即以金融業(yè)務(wù)的某個(gè)核心功能為切入

點(diǎn)，用底層思維去思考產(chǎn)品的底層邏輯，用同理心去洞察人性。

金融產(chǎn)品經(jīng)理可以從第一I生原理出發(fā)，使用演繹邏輯，倒推金融反欺詐的業(yè)務(wù)邏

輯，從而培養(yǎng)底層思維。

銀行圍繞核心企業(yè)，管理上下游中小企業(yè)的信息流、資金流、商流、物流，并把

單個(gè)企業(yè)的不可控風(fēng)險(xiǎn)轉(zhuǎn)變?yōu)楣?yīng)鏈企業(yè)整體的可控風(fēng)險(xiǎn),通過(guò)全鏈路獲取各類(lèi)

信息，將風(fēng)險(xiǎn)控制在副氐。這種金融服務(wù)就是供應(yīng)鏈金融。

數(shù)字供應(yīng)鏈金融是金融企業(yè)數(shù)字化轉(zhuǎn)型的必然趨勢(shì)之一。依托大數(shù)據(jù)風(fēng)控和數(shù)字

化技術(shù)，鏈接資金端和資產(chǎn)端，供應(yīng)鏈金融業(yè)務(wù)形態(tài)逐漸數(shù)字化，并以"KYB/C+

數(shù)據(jù)管理+數(shù)字金融+消費(fèi)場(chǎng)景"的方式提供數(shù)字化供應(yīng)鏈金融解決方案。

供應(yīng)鏈金融數(shù)字化主要包括打造數(shù)字化金融產(chǎn)業(yè)鏈、構(gòu)建數(shù)字化金融生態(tài)圈等。

上游供應(yīng)商

數(shù)字化供應(yīng)鏈金融

一■■小■■貸■■■■■)I

KYB/C+數(shù)據(jù)管理+數(shù)字金融+消費(fèi)場(chǎng)景二藏二工

--佶托

二鯉二二

核心企業(yè)

資產(chǎn)標(biāo)準(zhǔn)化氟i濟(jì)初1

自金融

資金方

F游經(jīng)銷(xiāo)商

資產(chǎn)端一區(qū)塊鏈…智能風(fēng)控…決策引擎…資產(chǎn)匹配-資金端

在數(shù)字時(shí)代，金融企業(yè)憑借數(shù)字化應(yīng)用來(lái)打破信息和信用不對(duì)稱(chēng)的問(wèn)題，并改善

供應(yīng)鏈金融的生態(tài)，進(jìn)而成為供應(yīng)鏈金融"新貴"，其中螞蟻金服、京東教科、

蘇寧金融等都是典型代表。

都說(shuō)場(chǎng)景在前，金融在后。供應(yīng)鏈金融的應(yīng)用場(chǎng)景有貿(mào)易融資、墊資采購(gòu)、融資

租賃、倉(cāng)儲(chǔ)金融、企業(yè)信用卡、保理融資、承兌匯票、商票貼現(xiàn)等。然而，面對(duì)

供應(yīng)鏈金融的各種應(yīng)用場(chǎng)景，企業(yè)首要的問(wèn)題是金融欺詐。

一、反欺詐數(shù)據(jù)層

金融欺詐是指借款人用虛構(gòu)數(shù)據(jù)、隱瞞事實(shí)的方式來(lái)騙取貸款，且在申請(qǐng)貸款后

主觀上沒(méi)有還款意愿，或客觀上沒(méi)有償還能力，可能造成出借人資金損失的行為。

常見(jiàn)的金融欺詐類(lèi)型有虛假用戶注冊(cè)、企業(yè)欺詐、金融釣魚(yú)網(wǎng)站、病毒木馬程序、

賬戶隱私竊取、融資套現(xiàn)、他人冒用等。

身份欺詐

虛假用戶注冊(cè)賬戶隱私竊取虛假銀行卡號(hào)I虛假手機(jī)號(hào)

行為欺詐

金融釣魚(yú)網(wǎng)站病毒木馬程序模擬指紋設(shè)備

金融反欺詐模型的底層為數(shù)據(jù)層，即數(shù)據(jù)來(lái)源。反欺詐建模需要從不同數(shù)據(jù)源采

集多維度數(shù)據(jù)，目數(shù)據(jù)源越多越好，特別是做支付、助貸、征信類(lèi)的大數(shù)據(jù)公司。

以企業(yè)數(shù)字融資為例，在完成金融貸款業(yè)務(wù)的申請(qǐng)、授信、建額、提款、還款等

過(guò)程中，欺詐者可以通過(guò)信息流、業(yè)務(wù)流、數(shù)據(jù)流等信貸欺詐的手段來(lái)獲得銀行

的申請(qǐng)授信，從而獲得銀行的放款。

拖庫(kù)、撞

庫(kù)、洗庫(kù)

信貸窮舉規(guī)則

企業(yè)數(shù)字融資

欺詐命中決策

虛構(gòu)信息

虛增數(shù)據(jù)

1）信息流欺詐

欺詐者以"拖庫(kù)"的形式入侵有價(jià)值的網(wǎng)絡(luò)站點(diǎn)，把注冊(cè)用戶的資料數(shù)據(jù)庫(kù)全部

盜走；以"撞庫(kù)”的形式用獲得的用戶名和密碼在其他網(wǎng)站批量嘗試登錄，進(jìn)而

盜取更有價(jià)值的東西；以"洗庫(kù)”的形式通過(guò)一系列技術(shù)手段和黑色產(chǎn)業(yè)鏈得到

有價(jià)值的用戶數(shù)據(jù)并變現(xiàn)。

2）業(yè)務(wù)流欺詐

欺詐者基于變量和模型輸出，窮舉范圍內(nèi)變量的不同取值，判斷所取的值是否滿

足授信模型中的條件，若命中多條規(guī)則，則做出決策改變和風(fēng)險(xiǎn)判斷，直到找到

全部符合條件的值為止。

3）數(shù)據(jù)流欺詐

按欺詐主體、欺詐途徑、欺詐階段等維度，欺詐者采取不同的欺詐行為，比如通

過(guò)虛構(gòu)企業(yè)規(guī)模、經(jīng)營(yíng)范圍、貸款用途信息，虛增固定資產(chǎn)、交易流水、項(xiàng)目利

潤(rùn)等數(shù)據(jù)，使自身符合政策準(zhǔn)入條件或通過(guò)系統(tǒng)規(guī)則檢測(cè)。

因此，我們做反欺詐時(shí)需要獲得數(shù)據(jù)層的黑名單、多頭借貸等信息，以做貸前風(fēng)

控和貸中預(yù)警，提高企業(yè)融資申請(qǐng)的準(zhǔn)入門(mén)檻，實(shí)時(shí)判斷每一筆交易行為的風(fēng)險(xiǎn)。

二,反欺詐規(guī)則層

反欺詐規(guī)則建立的目的就在于識(shí)別出惡意騙貸的用戶與真正借款的用戶，以及預(yù)

測(cè)騙貸的風(fēng)險(xiǎn)。根據(jù)業(yè)務(wù)模式和場(chǎng)景的不同，金融反欺詐可以分為基于規(guī)則的反

欺詐和基于模型的反欺詐。

供應(yīng)鏈金融欺詐就是借款人利用金融的規(guī)則漏洞，將虛假交易數(shù)據(jù)與虛構(gòu)經(jīng)營(yíng)數(shù)

據(jù)作為供應(yīng)鏈金融的額度授信的依據(jù)。比如，欺詐者在於易融資環(huán)節(jié)，重復(fù)質(zhì)押

或偽造合同等相關(guān)憑證，來(lái)騙取銀行信用證、承兌匯票，進(jìn)而套取供應(yīng)鏈金融融

資款。

規(guī)則引擎規(guī)則觸碰

供身份百用

應(yīng)

鏈虛假準(zhǔn)入

金

略認(rèn)證策略融

信用欺詐,

虛假交易數(shù)據(jù)虛構(gòu)經(jīng)營(yíng)數(shù)據(jù)

面對(duì)金融欺詐風(fēng)險(xiǎn)，首要任務(wù)是配置反欺詐規(guī)則。以企業(yè)融資申請(qǐng)環(huán)節(jié)的人臉識(shí)

別為例，我們會(huì)對(duì)人臉進(jìn)行身份驗(yàn)證、屬性分析、特征對(duì)比、臉庫(kù)搜索、活體檢

測(cè)等規(guī)則校驗(yàn)來(lái)預(yù)防申請(qǐng)授信欺詐，即做貸前申請(qǐng)準(zhǔn)入的"前置擋板".

在人臉識(shí)別中，我們通過(guò)決策變量建立預(yù)測(cè)模型來(lái)識(shí)別客戶的臉，其中的機(jī)器學(xué)

習(xí)算法會(huì)涉及一些人臉識(shí)別的模型參數(shù)。

序號(hào)變量名稱(chēng)名稱(chēng)字段調(diào)用節(jié)點(diǎn)

人臉識(shí)別.兩張照片是同

1facebrief^confidenceLOAN_APPLY_SET

一人置信度

人臉識(shí)別.身份證號(hào)碼是

2否曾被冒用來(lái)攻擊Faceid活face_brief_id_attackedLOAN_APPLY_SET

體檢測(cè)

人臉識(shí)別.數(shù)據(jù)源人像照f(shuō)ace_brief^id_photo_

3LOAN_APPLY_SET

片的色彩判斷monochrome

人臉識(shí)別.人臉照片為屏face_brief_screen_

4LOAN_APPLY_SET

幕翻拍的置信度replayconfidence

人臉識(shí)別.人臉照片為面face_brief_mask_

5LOAN_APPLY_SET

具的置信度confidence

人臉識(shí)別.人臉照片為軟face_brief_synthetic_

6LOAN_APPLY_SET

件合成臉的置信度f(wàn)aceconfidence

人臉識(shí)別.人臉照片為屏face_brief_screen_

7LOAN_APPLY_SET

幕翻拍的置信度閾值replaythreshold

人臉識(shí)別.人臉照片為面face_brief_mask_

8LOAN_APPLY_SET

具的置信度閾值threshold

人臉識(shí)別.人臉照片為軟face_brief^synthetic_

9LOAN_APPLY_SET

件合成臉的置信度閾值facethreshold

反欺詐是供應(yīng)鏈金融必不可少的TB分，而反欺詐規(guī)則是供應(yīng)鏈金融企業(yè)的核心

內(nèi)容。貸款審核規(guī)則主要包括直接拒絕規(guī)則、反欺詐規(guī)則與信用評(píng)分規(guī)則，可根

據(jù)公司業(yè)務(wù)制定具體規(guī)則內(nèi)容。

我們可制定政策準(zhǔn)入條件和系統(tǒng)檢測(cè)規(guī)則，來(lái)采集用戶的基本信息、貸款數(shù)據(jù)和

交易數(shù)據(jù)，通過(guò)決策樹(shù)可視化模型，提取決策變量組合，從而構(gòu)建反欺詐規(guī)則集。

比如我們將年齡不符合要求、高風(fēng)險(xiǎn)地區(qū)人士、歷史貸款申請(qǐng)命中黑名單等作為

貸款直接拒接規(guī)則，對(duì)企業(yè)貸款做"申請(qǐng)準(zhǔn)入條件"校臉，將不符合規(guī)則的借款

人排除在申請(qǐng)之外。

決策代碼規(guī)則類(lèi)型規(guī)則命名是否觸發(fā)

HCWKLOANOOOI不符合政策準(zhǔn)入條件年齡不符合要求觸發(fā)

IICWKJGAN0002不符合政策潛入條件本地黑名單拒絕觸發(fā)

HCWK_LOAN0003不符合政策準(zhǔn)入條件高風(fēng)險(xiǎn)地區(qū)人士觸發(fā)

HCWK_LOAN0004不符合政策準(zhǔn)入條件收入不符合要求觸發(fā)

HCWK_LGAN0005未通過(guò)系統(tǒng)規(guī)則檢測(cè)歷史申請(qǐng)命中黑名單觸發(fā)

HCWK_LOAN0006未通過(guò)系統(tǒng)規(guī)則檢測(cè)復(fù)貸客戶條件不符觸發(fā)

HCWK_LOAN0007未通過(guò)系統(tǒng)規(guī)則檢測(cè)活體檢測(cè)不通過(guò)觸發(fā)

HCWK_LOAN0008未通過(guò)系統(tǒng)規(guī)則檢測(cè)證件識(shí)別不通過(guò)觸發(fā)

此外，我們可在貸前、貸中、貸后對(duì)借款人發(fā)起檢測(cè)，精準(zhǔn)識(shí)別多頭申請(qǐng)、多次

放款、貸款被拒、貸款逾期等行為，從而判斷客戶是否獲得貸款授信。

比如我們將企業(yè)的申請(qǐng)總次數(shù)、放款總次數(shù)、被拒貸總次數(shù)、申請(qǐng)總機(jī)構(gòu)數(shù)、放

款總機(jī)構(gòu)數(shù)、被拒貸總機(jī)構(gòu)數(shù)、近30/90/180/360天逾期總筆數(shù)等作為反欺詐

規(guī)則，對(duì)企業(yè)授信做預(yù)審批，對(duì)用戶評(píng)分做規(guī)則校驗(yàn)，避免多頭借貸或申請(qǐng)次數(shù)

過(guò)多。

序號(hào)變量名稱(chēng)名稱(chēng)字段調(diào)用節(jié)點(diǎn)

1近7天申請(qǐng)息次數(shù)7d_apply_total_cntLOAN_DUOTOU_SET

2近7天放款總次數(shù)7d_loan_total_cntLOAN_DUOTOU_SET

3近7天被拒貸總次數(shù)7d_refuse_total_cntLOAN_DUOTOU_SET

4近15天申請(qǐng)總次數(shù)15d_apply_total_cntLOAN_DUOTOU_SET

5近15天放款總次數(shù)15d_loan_total_cntLOAN_DUOTOU_SET

6近15天被拒貸總次數(shù)15d_reftise_total_cntLOAN_DUOTOU_SET

7近30天申請(qǐng)總次數(shù)30d叩plytotalcntLOAN_DUOTOU_SET

8近30天放款總次數(shù)30d_loan_total_cntLOAN_DUOTOU_SET

9近30天被拒貸總次數(shù)30d_refuse_total_cntLOAN_DUOTOU_SET

10近60天申請(qǐng)總次數(shù)60d_apply_total_cntLOAN_DUOTOU_SET

11近60天放款總次數(shù)60d_loan_total_cntLOAN_DUOTOU_SET

12近60天被拒貸總次數(shù)60d_refuse_total_cntLOAN_DUOTOU?SET

13近90天申請(qǐng)總次數(shù)90d_apply_total_cntLOAN_DUOTOU_SET

14近90天放款總次數(shù)90d_loan_total_cntLOANDUOTOUSET

15近90天被拒貸總次數(shù)90d_rcfuse_total_cntLOANDUOTOUSET

)6近180天申請(qǐng)總次數(shù)180d_applytotalcntL()AN_DU()T()U_SET

17近180天放款總次數(shù)180d_loan_total_cntL()AN_DU()T()U_SET

18近180天被拒貸總次數(shù)180d_rcfusc_total_cntLOANDUOTOUSET

19近7天申請(qǐng)總機(jī)構(gòu)數(shù)7d_apply_total_cnt_comLOAN_DUOTOU_SEr

20近7天放款總機(jī)構(gòu)數(shù)7d_loan_total_cnt_comLOAN_DUOTOU_SET

21近7天拒貸總機(jī)構(gòu)數(shù)7d_rcfusc_total_cnt_comLOANDUOTOUSET

22近15天申請(qǐng)總機(jī)構(gòu)數(shù)15dapplytotalcntcomL()AN_DIJ()T()U_SET

23近15天放款總機(jī)構(gòu)數(shù)15d_loan_total_cnt_comLOANDUOTOUSET

24近15天拒貸總機(jī)構(gòu)數(shù)15d_rctuscjotal_cnt_comLOANDUOTOUSET

25近30天用請(qǐng)總機(jī)構(gòu)數(shù)30d_apply_total_cnt_comL()AN_DUOTOU_SET

26近30天放款總機(jī)構(gòu)數(shù)30d_loan_total_cnt_comLOANDUOTOUSET

27近30天拒貸總機(jī)構(gòu)數(shù)30d_rcfuse_total_cnt_comL()AN_DU()T()U_SET

28近60天申請(qǐng)總機(jī)構(gòu)數(shù)60dapplytotaicntcomL()AN_DU()T()U_SET

29近60天放款總機(jī)構(gòu)數(shù)60d_loan_totai_cnt_comLOAN_DU()T()U_SET

30近60天拒貸總機(jī)構(gòu)數(shù)60d_rctuse_lotal_cnt_comLOAN_DUOTOU_SET

31近90天申請(qǐng)總機(jī)構(gòu)數(shù)90d_apply_total_cntcomL()AN_DU()T()U_SET

32近90天放款總機(jī)構(gòu)數(shù)90d_loan_total_cnt_comLOANDUOTOUSET

33近90天拒貸總機(jī)構(gòu)數(shù)90d_rciuse_total_cnt_comLOAN_DUOTOU_SET

34近180天申請(qǐng)總機(jī)構(gòu)數(shù)180d_apply_total_cnt_comL()AN_DUOTOU_SET

35近180天放款總機(jī)構(gòu)數(shù)180d_loan_total_cnt_comLOANDUOTOUSET

36近180天拒貸總機(jī)構(gòu)數(shù)180d_rctusc_total_cnt_comL()AN_DUOTOU_SET

37當(dāng)前逾期總筆數(shù)currcntovdcntLOANDUOTOUSET

38近30天逾期密數(shù)his_ovd_cnt_30dLOANDUOTOUSET

39近90天逾期筆數(shù)his_ovd_cnt_90dLOAN_DUOTOU_SET

40近180天逾期筆數(shù)his_ovd_cnt_]80dLOAN_DU()TOU_SET

41近360天逾期筆數(shù)his_ovd_cnt_360dL()AN_DIJOT()U_SET

42圻180天厚否出現(xiàn)M3+is_m3_180dL()AN_DUOT(MJ_SET

43近90天是否出現(xiàn)M2+is_m2_90dLOAN_DUOTOU_SET

反欺詐就是通過(guò)對(duì)內(nèi)外部數(shù)據(jù)的采集與分析構(gòu)建規(guī)則弓擎，從中找出觸碰準(zhǔn)入規(guī)

則的欺詐信息，從而預(yù)防欺詐行為的發(fā)生。

三、反欺詐配置層

對(duì)于供應(yīng)鏈金融而言，我們?cè)诮鉀Q上下游企業(yè)融資難的問(wèn)題時(shí)，也要確保隨之而

來(lái)的金融欺詐風(fēng)險(xiǎn)可控。這關(guān)鍵在于反欺詐風(fēng)控系統(tǒng)的規(guī)則配置。我們可以通過(guò)

配置系統(tǒng)規(guī)則，比如審核流程的配置、產(chǎn)品參數(shù)的配置、業(yè)務(wù)表單的配置、規(guī)則

引擎的配置等來(lái)實(shí)現(xiàn)。

進(jìn)入數(shù)字金融時(shí)代，數(shù)字化技術(shù)支撐供應(yīng)鏈金融構(gòu)建"數(shù)據(jù)、技術(shù)與場(chǎng)景"三位

一體的反欺詐系統(tǒng)。數(shù)字金融反欺詐從數(shù)據(jù)采集、數(shù)據(jù)清洗、特征工程、算法研

究、決策引擎、監(jiān)控迭代等方面，通過(guò)數(shù)字技術(shù)實(shí)現(xiàn)規(guī)則配置的線上化、流程化

和數(shù)字化，從而降低開(kāi)發(fā)成本。常見(jiàn)的反欺詐系統(tǒng)有用戶行為風(fēng)險(xiǎn)識(shí)別引擎、人

行征信系統(tǒng)、黑名單管理系統(tǒng)等。

特征工程算法研究

用戶畫(huà)像、標(biāo)簽體系03授信模型、貨后模型

數(shù)據(jù)清洗決策引擎

0205

數(shù)據(jù)倉(cāng)庫(kù)、數(shù)字金融額度決策、催收決策

數(shù)據(jù)集市反欺詐

申清數(shù)據(jù)、授信數(shù)據(jù)分析結(jié)果、模型迭代

以黑名單管理系統(tǒng)為例，我們可以靈活配置黑名單隔離規(guī)則，比如設(shè)備黑名單、

IP及LBS黑名單、中介黑名單、手機(jī)號(hào)碼黑名單、法院黑名單、逾期黑名單等

決策。

數(shù)字金融反欺詐策略可分為數(shù)據(jù)采集、數(shù)據(jù)清洗、特征工程、算法研究、決策引

擎、監(jiān)控迭代等，并在規(guī)則配置后對(duì)參數(shù)進(jìn)行動(dòng)態(tài)優(yōu)化，供應(yīng)鏈金融欺詐歸根到

底就是企業(yè)經(jīng)營(yíng)行為的欺詐。

以汽車(chē)融資租賃為例，整人交易環(huán)節(jié)涉及出租人和承租人的投融資、供應(yīng)商的設(shè)

備促銷(xiāo)、租賃資產(chǎn)交易、資產(chǎn)后續(xù)處置等，從形式上看確實(shí)存在交易，但沒(méi)有實(shí)

際的產(chǎn)業(yè)輸出。汽車(chē)融資租賃的欺詐風(fēng)險(xiǎn)包括申請(qǐng)欺詐、信用低和壞賬。

PCPCPC

資而假身而用

用途不明

個(gè)人和團(tuán)伙

■■PC

多頭借貸創(chuàng)薪唳虛酸易

PCPCPC

融資企業(yè)壞賬人籟蹤經(jīng)甌常惡確欠

?申請(qǐng)欺詐：資料