前言

反欺诈的本质更多的是校验借款人的身份,也就是证明你就是你,我就是我。反欺诈也有很多金融术语(参见:https://zhuanlan.zhihu.com/p/26197949),也便于我们更清楚欺诈风险点。针对信贷业务,主要有两种风险,欺诈风险和信用风险,从造成的损失来看欺诈风险是公司损失的主要风险;当前网络的欺诈从业人数超过200万,网络诈骗的市场规模约1200亿,因为骗贷、套现等手段造成倒闭的机构超过2000家。

欺诈风险分类大致有两种:

第一方欺诈——相似地址伪装、本人手机号小号、高级欺诈.....

第三方欺诈——团伙欺诈、身份冒用、养资料(设备农场、猫池)...

我们常用的手段有:策略反欺诈,直接欺诈类用户通过策略拒绝掉;反欺诈评分,信用风险向欺诈风险转移的用户通过反欺诈评分卡模型来搞定,模型能解决策略的局限性。

反欺诈模型实施要点

1.  特征选择

    1. 个人欺诈特征:比如命中法院执行名单、三方黑名单、三方欺诈分;详单数据(通话次数、详单中授信人数占比,一度、二度联系人数占比)

    2. 团伙欺诈特征:比如设备关联了多少身份证;IP登录异常、通讯录数据(e.g:通讯录中名字涉及到“贷款”的个数、通讯录中命中黑名单的人数)

    3. 特征细分类

      1. 基础信息:如年龄、申请授信次数

      2. 设备信息:如借款人对应手机个数

      3. 时间相关:如授信申请时间在0-6点

      4. 运营商相关:近180天通话时长(通讯录、通话详单可以单独挖掘,构建子模型)

      5. 三方:蜜罐手机灰度值、前海好信度评分等等

      6. 行为相关:7天内登录次数;首次点击到申请授信时长、一天内最多的session数、申请授信前一周的行为统计等

      7. 复杂网络:借款人一度、二度联系人个数等

  1. Label定义

    1. 黑名单用户

    2. 首单逾期用户

    3. 策略拒绝用户

    4. 人工标记用户

  2. 模型评估

    1. 线下表现

      1. p值和分数的分布

      2. 训练集和测试集的AUC、KS

      3. 拒绝率:如果阈值设置高于某个值,则拒绝的人数占总人数的占比(主要用于对比线上情况是否一致,类似分层的概念)

    2. 线上评估(同线下)

常用个人(C端)反欺诈体系

身份信息校验——人脸比对、ocr、活体识别、人证比对、虹膜识别

手机号验证与识别——短信验证码、语音验证码、图形验证码、拖动滑块式验证码、运营商、二次放号,虚假,未实名等等

地址定位——验证居住地和工作地真实性和真假,申请地址GPS和手机设备GPS地址是否匹配

设备指纹——其他设备指纹相关的规则(白骑士)、设备关联不同姓名(年龄,地区)的身份证等

银行卡——三要素验证、四要素验证、银行卡号归属地在高危地区、银行卡号命中盗卡黑名单等

多头检测——检测申请人最近是否多次申请贷款,外部都头数据,同盾、百融、极光、聚信立等

风险名单库——内外部黑名单,司法数据,逾期名单,失联名单,贷款黑中介名单是否命中,公检法公开的失信、申诉、被执行、吸毒、涉黄,各类征信数据联盟的不良名单等

知识图谱——联系人是否命中黑名单,通讯录涉黑、涉黄等

人工交叉电核——经验性话术设计、勾稽比对、交叉检验等

贷中监控反欺诈——行为数据,手机使用状况、出行记录、电商平台交易数据、还款行为数据、短时间频繁交易,大额交易,补卡盗刷等

如下是反欺诈在全流程信贷中的关键指标:

一、注册

二、登录

三、实名认证

四、绑卡

五、授信

六、放款

七、提现

参考文章1:https://zhuanlan.zhihu.com/p/29068100

参考文章2:https://zhuanlan.zhihu.com/p/43785235

参考文章3:https://mp.weixin.qq.com/s/mBUAcAVaS8h66DvwzXUtHQ

大数据风控---身份反欺诈信贷全流程常用指标及策略相关推荐

  1. 【采用】大数据风控---身份反欺诈信贷全流程常用指标及策略

    原文地址:https://blog.csdn.net/qq_32123787/article/details/97933493 前言 反欺诈的本质更多的是校验借款人的身份,也就是证明你就是你,我就是我 ...

  2. 大数据风控实践 - 反欺诈之设备指纹

    很多人看见指纹两个字,认为是有特定的设备仪器来采集,类似人的指纹. 设备指纹里的指纹换成ID(唯一标识)更合适. 强ID-手机出厂/使用自带的唯一标识 设备指纹-弱特征生成唯一标识 设备指纹生成 在g ...

  3. 应用大数据助力车险反欺诈

    自1988年起,车险一直是我国财产保险第一大险种.仅2017年,我国保险业为全国2.07亿机动车辆提供风险保障,年度受理车险理赔案件近8000万笔,赔款3500亿元以上.机动车的高流动性.车险赔付对象 ...

  4. 基于大数据的银行反欺诈的分析报告

    from--http://www.cnblogs.com/yueyebigdata/p/5893454.html 基于大数据的银行反欺诈的分析报告 (备注,本人主要是整理,学习他人的博客.由于大量的资 ...

  5. MobTech出席人工智能创想论坛,分享AI+大数据在营销反欺诈场景下的应用

    4月23日,"智见智能•筑梦花桥"2021花桥人工智能创想论坛在沪举办.本次活动由花桥科学技术局与COCOSPACE(花桥)长三角大数据产业创新中心主办.MobTech袤博科技受邀 ...

  6. 大数据中的反欺诈,平台与羊毛党的攻防恶战

    新的2017年,大家鸡年快乐 有句古话,"有人的地方就有江湖,是江湖就会有争斗".对于互联网金融平台来说,有实惠的活动中必定有这样一群人出现,大家戏称他们为"羊毛党&qu ...

  7. 应用大数据和机器学习技术实现车险全流程智能化的方案(上)

    应用大数据和机器学习技术实现车险全流程智能化的方案(上) -承保流程智能化改造 一.简要说明 以技术替代人力的思路对车险全业务流程改造,即应用车险大数据和机器学习技术全部或部分替代承保理赔管理相关业务 ...

  8. 基于大数据的银行反欺诈的分析报告 【转载,可用于风控系统架设借鉴】

    转载至 https://www.cnblogs.com/yueyebigdata/p/5893454.html  Growth跃爷Hacker (怕收藏至浏览器文件夹有天会有遗漏,转至自己博客中,推荐 ...

  9. 大数据成保险反欺诈新突破口

    大数据不仅提高了保险业经营服务效率,也成为保险业防范违法违规行为的重要武器.11月21日,中国保信联手蚂蚁金服共同防范保险欺诈,并将以车险和健康险为突破口,建立反欺诈平台. 在财产险保费占比中,车险的 ...

最新文章

  1. uniapp自定义导航栏样式,自定义导航栏组件使用说明,兼容小程序和H5及各端
  2. js 回车触发点击事件
  3. #修改margin_springboot+jpa+tymeleaf实现信息修改功能
  4. 定义一个大整数类,并重载乘法*运算符
  5. xml配置linux启动脚本,linux中利用Shell脚本实现自动安装部署weblogic服务
  6. 打羽毛球如何提高手腕的爆发力
  7. centos7安装Java
  8. java 页面输出一个页面_java学习之:一个完整页面输出信息的过程(以输出Doctor表中信息为例)...
  9. 【java并发编程艺术学习】(四)第二章 java并发机制的底层实现原理 学习记录(二) synchronized...
  10. html编辑器后怎么使用,html在线编辑器怎么用
  11. Window CE 驱动开发流程(Windows CE.5.0系统、pxa270平台)
  12. js获取页面 窗口的宽高
  13. 再议FastReport.NET(转)
  14. Leetcode: One Edit Distance
  15. net导出到excel数字变为科学技术法
  16. python程序实例 100-python办公实例100例
  17. Spss乱码问题的解决方法
  18. USBoot /WinHex恢复故障U盘的数据文件
  19. 虚拟局域网软件开源_基于开源AUTOSAR的高级驾驶员辅助系统的设计与实现过程...
  20. 大学计算机信息技术教程电子书资源,教与学中用好教材《大学计算机信息技术教程》.pdf...

热门文章

  1. 最优控制理论 七、关于数值求解算法的总结及软件分享
  2. B - Triple Shift(偶排列)
  3. 硬件接口–内修篇:eDP
  4. java图片转二进制
  5. xp安装64位vista_使用Vista 64作为打印服务器的其他自动打印机驱动程序安装
  6. 怎么才能做好采购管理?
  7. kali安装w3af
  8. python 移动一个文件或目录
  9. ffmpeg学习 源代码编译、英伟达硬件加速
  10. math@python双阶乘@累乘的多种实现方式