别忘记了修正反欺诈中的这些内容
互金中做的较多的是贷前反欺诈相关内容，贷前反欺诈也是在整个风控环节中最关键和核心的部分。
反欺诈策略，跟所有的策略类似，都需要一套完整的反馈与修正机制，今天我们也稍微谈谈这套与反欺诈策略修正相关的内容。反欺诈策略相关的流程（含修正策略），我们建议从以下整个流程中着手：
一.风险触发
首先，在整个策略流程中，最先触发的就是反欺诈规则，反欺诈策略中相关的规则主要有哪些内容？我们总结了以下一些较为常见的策略规则。
1.1击中欺诈监控预警规则
进件量时间监控（24小时为单位，近7天/14天通过率均值波动值）
进件量地址监控（全国省/市/区/县/乡镇进件量波动值（营业部））
通过率时间监控（时段/地域/营业部通过率波动）
反欺诈规则拒量监控（申请机审规则单一拒量/组合拒量）
交易频率监控（客户借款习惯异常）
交易地点监控（客户借款习惯异常）
交易时间监控（客户借款习惯异常）
交易金额监控（客户借款习惯异常）
这个策略规则的监控规则，除了现金贷产品外，因为策略中涉及了营业场景数据，所以也适用于各大银行的信用卡反欺诈场景。如果在信用卡场景中选取测试样本的话，建议采用以下的数据样本：
a.样本集，信用卡线下交易（包括芯片交易和过磁交易）作为全集
b.黑样本，欺诈核实人员确定的欺诈交易
c.白样本，其他交易样本
1.2.弹出告警提示
用各种提示软件提示：邮件、办公IM软件(叮叮等)、企业微信用于告警提示
二.风险监控——定义风险
当有了风险触发后，便是风险判断的内容，相关内容有：
2.1.数据校准
风控介入的第一步，从通过率、规则命中率分析，各种黑名单告警等规则，看命中的数据是否准确命中或者存在误报的情况，这里需要查看各种规则策略是否都合理设置，是否错误设置等。
2.2.数据分析&情形分析
对风险数据进行分析、校准，即使告警，在告警中也有对告警分级，看各类告警是处于提醒、中度预警，还是重度预警的范围内，进一步查看告警是否可控范围内。
2.3.必要电核
对于某些存疑告警，必要可以电话客户，并核查信息是否准确。电核都是通过沟通，去更好地定义风险。以上电核主要靠专家判断，需要欺诈核实人员进行外拨确认或依靠经验确认
三.处理建议
通过第二步的风险数据分析后，这里我们需要进一步对风险行为进行处理建议。对于欺诈风险中的行为，可以通过以下几个方面的处理进行干预。
a.终止进件，排查风险后，如果确认客户是处于高风险客群，即可进行终止进件处理。
b.特殊限制，特别去处理那一条风险。
c.暂停支付，对于某一类客户，可以仅限制产品的支付消费动作，待风险解除后再进一步停止干预；
d.冻结卡片，冻结交易是对暂停支付更升级的风控动作，冻结即完成禁止客户在目前的一切行为动作；
e.欺诈排疑
以上这些处理的风控干预措施，确认周期为1天～1周，很少量1个月，目前规则的欺诈侦测覆盖率基本为100%
四.执行/修复
在进行以上风控的规则干预后，需要排查后续是否仍有告警。这里需要我们再进一步去做就是本次内容中需要提到的修复影响。特别是大型机构，执行修复风控后的动作也是必要操作。
4.1.执行/释放风险管理指令
排除是否的确是真的风险，是风险都应该去排除，特别是大的机构。
4.2.修复影响
无论是什么机构，都需要去做修复影响。特别是大型机构，需要操作的修复动作更多些。如果是真实的反馈行为，影响还小些，但现在互联网传播速度快，一些微小的动作都有可能引发较大的蝴蝶效应，所以在这中间需要处理的修复影响需要考虑的内容更多一些。
反欺诈是目前大家比较关注的内容，在知识星球社区，关于反欺诈的相关的内容也不少，相关的课题还有以下内容：
1.反欺诈埋点的这些页面，风控人都应知悉
2.恶意攻击防范之信用卡业务的计数器反欺诈
3.数据埋点与设备指纹/设备反欺诈的区别与联系是什么？
4.反欺诈之设备指纹（上篇）
5.反欺诈之设备指纹（下篇）
别忘记了修正反欺诈中的这些内容相关推荐
- 【统计技术】数据挖掘在反欺诈中的应用
数据挖掘在反欺诈中的应用 目录 应用场景 Dr. Lightman 的方法 我们的方法 Dr. Lightman:主要根据社会学和心理学知识,通过分析对方的(微)表情.肢体动作.说话方式和语音语调等, ...
- 图模型在反欺诈中的应用
最近在研究图模型在反欺诈中的应用,综合整理相关资料.在目前的工作中,线上用的是fast unfoloding社区发现算法. 1.阿里团队公开了用无监督模型,防范信用卡欺诈(autoencoder)(非 ...
- DataFun Talk之算法架构系列活动 ——AI在反欺诈中的应用实践
随着大数据的普及应用,大数据风控的概念随之而生,它是指通过运用大数据构建模型的方法对作弊和欺诈方进行风险控制和风险提示.大数据风控通过采集各项指标进行数据建模分析,不仅提高了效率,还使统计结果变得更加 ...
- 反欺诈中所用到的机器学习模型有哪些？
作者 | 微调(知乎ID微调,普华永道高级数据科学家) 反欺诈方向的实际应用很多,我有做过保险业反欺诈和零售快消业的欺诈检测,抛砖引玉的谈谈反欺诈项目的"道"和"术&qu ...
- 【采用】无监督学习在反欺诈中的应用
一.反欺诈技术的发展历程 反欺诈技术的的发展经历了四个阶段,第一阶段黑名单.信誉库和设备指纹:第二阶段规则系统:第三阶段有监督的机器学习:第四阶段无监督的大数据欺诈检测.目前来说,前三种还是大家应用最 ...
- 无监督学习应用在反欺诈中
传统对于欺诈行为的几种处理方式: 黑名单.信誉库和设备指纹,这种方法的缺点是覆盖率和准确率有限,而且虚拟机等可逃避设备指纹监测: 规则系统,这种方法需要深入了解欺诈模式,但不能够有效应对不断变化的欺诈 ...
- 关于小微商户反欺诈监控指标的内容参考
还款计划的相关的监控是整个信贷中非常核心的关键指标,通过还款计划表的观测我们不单单能了解客户的还款情况,还能通过还款计划表来做一些反欺诈的监控,这个具体的落地是怎么样的? 今天再来看看由番茄风控带来的 ...
- 聚类分析在用户行为中的实例_基于行为数据的消费信贷反欺诈方案
随着技术的革新,金融行业的新模式.新业态不断涌现,对公共安全和社会治理也提出了诸多新挑战,如何有效管控这些新模式.新业态,使其朝着正确的轨道稳步前进,是摆在行业和监管部门面前的共同难题.近年来,数字金 ...
- 【总结】反欺诈(Fraud Detection)中所用到的机器学习模型
反欺诈(Fraud Detection)是指识别和预防欺诈行为的过程,通常是通过监视和分析数据来识别异常行为和模式.机器学习在反欺诈中发挥了重要作用,可以使用各种机器学习算法来建立预测模型.下面列举了 ...
最新文章
- 推荐 | 几个最有价值的科研学术类资源
- TouTiao开源项目 分析笔记10 实现通用普通文章片段页面
- 如何更有效使用 Rational AppScan 扫描大型网站，第 2 部分: 案例分析
- harmonyos消息服务器,第三方纯HarmonyOS应用太少，你还愿意升级吗？
- 评分9.3，你想要的那本书，来了！
- 2020年最快的dns_2020年哪里换旅行证最快取证？需要几天？
- python hashlib_python hashlib模块及md5() 、sha()
- H618B刷了tomato0530版本 呵呵，测试一下
- pytorch搭建TextRCNN模型与使用案例
- 前端使用AngularJS的$resource,后端ASP.NET Web API，实现增删改查
- QQ浏览器下拉词推广是什么？
- 20172329 2017-2018-2 《程序设计与数据结构》第五周学习总结
- 决策树归纳一般框架（ID3，C4.5，CART）
- npm 更新_npm 的安全困扰：仅有 9.27% 的 npm 开发者使用 2FA
- win10字体大小_暴露年龄警告！Win10干掉了多少装机必备？
- 搭建一个简单的Pascal脚本开发环境
- linux打印机无法识别usb设备,linux支持usb打印机，不用驱动
- 数据库简单查询——查询的条件
- pycharm破解补丁激活
- 《算法竞赛入门经典(第2版)》——学习记录