零壹財經：中國數字金融反欺詐全景報告（2019）(32頁).pdf

1、中國數字金融反欺詐全景報告（2019） 主講人：于百程 零壹研究院院長 *本報告由零壹智庫與樂信聯合發布 AI賦能，料敵于先，構建生態 數字技術推動金融行業發展，但數字技術也為金融 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，成為阻礙數字金融行業發展的致命威 脅。 本報告聯合國內分期消費行業的頭部企業樂信， 借助其全面的反欺詐技術體系與豐富的反欺詐實踐 經驗，以及龐大的數據積累和翔實的反欺詐案例， 同時結合對業內多家具有代表性的反欺詐機構的深 度調研采訪，全面分析數字金融反欺詐新態勢以及 AI反欺詐系統的技術機制和實踐成效。 數字金融欺詐的過去及現狀 PART1PART1 根據欺

2、詐手段和類型的不同，金融欺詐的發展歷程主要分為三個階段： 線下金融欺詐、互聯網金融欺詐和數字金融欺詐。 欺詐進入數字金融時代 線下金融欺詐 手段：電信詐騙為主 特點：人員數量有限， 尚無技術化的作案工具 互聯網金融欺詐 手段：冒充他人、釣魚網站 特點：詐騙傳播快速化、手 段信息化、行為趨于場景化 數字金融欺詐 手段：多重攻擊手段聯合作案 特點：黑產成熟化、技術專業 化、行為關聯化、高頻化 新型數字金融欺詐的四大特征 黑色產業鏈成熟化、規模龐大 欺詐團伙有專業組織并且分工 明確，各環節具備特定職能。 截至2018年我國黑產從業人 員超過200萬人，黑產市場規 模已達千億級別。 欺詐技術專業化，快

3、速更迭 欺詐團伙借助大數據等前沿技 術，精確識別“欺詐目標”并 采取相應措施，欺詐手法通過 各類軟件進行指數化傳播。 欺詐事件高頻化，成本低廉 數字金融欺詐呈現小額高頻的 異地作案趨勢，給司法機關取 證定罪帶來極大困難。同時作 案成本低廉，可能只有數臺手 機電腦和銀行卡。 欺詐行為關聯化，異地高發 在實施欺詐的過程中都會在地 址、戶籍、IP地址、交易時間 等多個維度上呈現明顯的聚集 關聯現象，并以異地作案為主。 據零壹智庫與數字金融平臺及反欺詐第三方的調研顯示，數字金融欺詐普遍具有黑產化、專業化、 高頻化、關聯化等四個典型特征 完整的黑色產業鏈 薅羊毛 | 網絡貸款詐騙 | 電信詐騙 | 套現

4、 | 理財詐騙 | 虛假信息 | 賬號被盜 | 中介詐騙 | 交易詐騙 | 網絡刷單 上游中游下游 上游主要負責提供欺詐軟硬 件設備和其他作案資源。 包括：網絡黑客、欺詐軟件/ 腳本開發者、設備提供商、 貓池廠商等。 中游主要負責數據信息的獲 取、偽造以及倒賣等. 包括：卡商、個信批發商、 接碼平臺、打碼平臺、群控 平臺等。 下游主要負責詐騙實施以及 洗錢銷贓。 包括：職業刷單、羊毛黨、 代理工作室等 數字金融時代下受欺詐人群 深度畫像分析 PART2PART2 受欺詐人群畫像總體特征 根據受欺詐人群畫像特征可以總結出： 年輕男性更容易受騙 欺詐金額小但欺詐發生頻率高 中東部地區受欺詐嚴重 欺

5、詐時間集中于下午 欺詐事件發生量排名前十省份的欺詐事件數量全國占比超50%。 其中，從受欺詐人群的地域分布看，中東部地區的人群更易遭受欺詐行為。 地域：中東部地區高發 9.4% 7.5% 6.6% 4.7%4.7% 4.6%4.6% 4.4% 4.1% 3.9% 0% 2% 4% 6% 8% 10% 內蒙古廣東河南山東四川黑龍江陜西湖南山西河北 圖：欺詐事件發生量全國占比排名TOP10省份 圖：欺詐事件發生量全國占比排名TOP5省份 內蒙古廣東省 河南省 山東省四川省 數據來源：樂信，零壹智庫 欺詐損失：人均2000元左右 0% 10% 20% 30% 40% 50% 60% 70% 80%

6、90% 100% 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 12000以上 10000-12000 8000-10000 6000-8000 4000-6000 2000-4000 0-2000 從欺詐金額看，單筆欺詐金額在2000 元以下的占比逐漸升高，數字金融詐 騙更加趨向小額高頻模式。 圖： 數字金融詐騙金額區間分布情況 (2018.1-2019.6) 數據來源：樂信，零壹智庫 從性別特征看，男性更易被騙，受害人數量約為女性的2倍，這可能與數字金融用戶中男性占比較高有關。 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購優惠活動下，更容易放

7、松警惕 性別：“薅羊毛”詐騙最易盯上女性 圖：欺詐受害者性別分布（2018.1-2019.6）圖：不同欺詐類型的性別分布（2018.1-2019.6） 0.00% 5.00% 10.00% 15.00% 20.00% 25.00% 30.00% 35.00% 40.00% 45.00% 中介詐騙收費代辦電信詐騙商戶集資薅羊毛 男女 男, 64.5% 女, 35.5% 數據來源：樂信，零壹智庫 年輕人是數字金融的主要客群，受欺詐人群也主要以90后居多 廣東省90后最易被騙，其次是湖南、河南與四川 年齡：受騙者年輕化，90后最易中招 圖：欺詐受害者年齡段分布（2018.1-2019.6）圖：90后

8、受欺詐者地區分布（2018.1-2019.6） 10.9% 7.1% 6.7% 5.2% 4.9%4.9% 4.8% 4.7% 4.4% 4.2% 0% 2% 4% 6% 8% 10% 12% 廣東湖南河南四川貴州江蘇江西湖北山東廣西 數據來源：樂信，零壹智庫 1218點為欺詐事件高發時間段，超六成欺詐發生在這一時間段 案發時間：下午為欺詐高發時間段 20.2% 61.1% 13.2% 5.5% 6,12 12,18 18,23 23,6 圖：欺詐發生時間段分布（2018.1-2019.6） 數據來源：樂信，零壹智庫 數字金融反欺詐的AI解決方案 PART3PART3 金融欺詐和反欺詐之間是一

9、場曠日持久的“攻防戰”，欺詐方和反欺詐方始終處于動態博弈的過程中。 金融反欺詐的攻防博弈 Round 1 Round 2 Round 3 傳統反欺詐：以黑白名單為主 互聯網反欺詐：以規則引擎為主，將規 則引擎和黑白名單相結合 智能反欺詐：以有監督機器學習為主， 無監督機器學習、規則引擎和黑白名單 為輔 線下欺詐：手段單一，電信詐騙為主 互聯網欺詐：詐騙傳播快速化、手段信 息化、行為趨于場景化 數字欺詐：人員組織化、手段技術 化、行為場景化、方式隱蔽化 人工智能反欺詐系統有效發揮作用的一個大前提是，任何反欺詐策略都要根據特定的場景和數據特征對癥下藥地制 定，脫離場景、數據而空談與反欺詐相關的技術

10、優勢是無法讓整套人工智能反欺詐技術順利地與需求方的業務場景對 接的。 通過對相關企業的調研，零壹智庫認為，場景、數據和技術是人工智能反欺詐系統的三大關鍵要素，其中，技術要素 是最能體現人工智能反欺詐系統有效性的基礎要素，算法模型和系統架構又是技術要素的兩大核心。 場景、數據和技術是AI反欺詐系統的 三大核心要素 數字金融反欺詐的生態鏈 銀行 公安司法部門 征信機構 社交平臺 電商平臺 網貸平臺 其他數據機構 數據 銀行 保險 非銀信貸 消費金融 第三方支付 汽車金融 證券基金 業務場景 根據反欺詐體系完備性、反欺詐技術前沿性、反欺詐應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

11、數字金融反欺詐技術服務領域的第一陣營 人工智能大數據云計算區塊鏈 樂信：全AI反欺詐效率 過去一年，幫助用戶規避 2000余起欺詐案件 單月攔截金額 約3000萬 平均每天幫助用戶避免 約100萬元損失 50人以上的團伙欺詐案件 發生0起 中國最佳信貸技術項目大獎 亞洲銀行家 2019.7 從欺詐風險率來看，樂信明顯低于行業平均水平，將欺詐風險率控制在三百萬分之一 更低的欺詐風險率 VS 欺詐風險率: 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 交易全程實時主動 攔截欺詐 技術成熟應用場景 廣泛 多維度數據分析精 準識別欺詐 AI

12、技術貫穿反欺詐 全業務鏈條 體系化 精準化 模塊化 實時化 樂信反欺詐技術融合了互聯網的多樣性和金融業務的復雜 性，針對數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 樂信AI反欺詐框架提高了事前欺詐識別率、事中欺詐應對效率以及事后欺詐案件挖掘效率。 樂信：全AI反欺詐框架 樂信全AI反欺詐體系 事前欺詐識別事中欺詐監控應對事后欺詐追賠防治 反欺詐實時排查 反欺詐實時監控 反欺詐規則引擎 反欺詐演算工具 反欺詐輿論收集 反欺詐信息庫 輿情監控 復雜網絡 多平臺指數 收貨地址聚類分析 智能語音質檢 LBS風險評估 全流程策略管理 用戶行為風險分析 營銷注冊申請授信交易支付還

13、款應用環節 “黑科技”應用 框架系統 策略體系 技術支撐：AI、大數據、區塊鏈、云計算等前沿科技 樂信全AI反欺詐六大模塊 進行外部情報搜集，搜尋潛在的網絡攻擊和 欺詐行為，協助研發人員提前部署防御措 施。 反欺詐實時監控 反欺詐實時排查 反欺詐規則引擎反欺詐演算工具 反欺詐信息庫 反欺詐輿論收集 根據最新的欺詐形勢構建新的欺詐規則和 特征，為反欺詐演算提供支持。 整個體系的“數據”基礎，通過AI技術對 全流程進行偵測分析和預警，一旦發現異 常及時干預。. 數據信息的主要來源之一，主要儲存樂信 基于業務積累的數據，并保持實時更新。 整個體系的重要技術支撐與核心。通過前沿AI研究 結合機器學習模

14、型開發反欺詐應用，裁定是否存在 欺詐嫌疑。 整個體系的“數據“基礎，打擊欺詐的前 提。實時監控信貸全流程。 樂信AI反欺詐“黑科技” 復雜網絡 收貨地址聚類分析 用戶行為風險分析 輿情監控 LBS風險評估 多平臺指數 樂信AI反欺詐“黑科 技” 樂信AI反欺詐“黑科技”應用效果 復雜關系網絡已經全量覆蓋平臺用戶，同時涵蓋了百萬級的群組信息 每日攔截欺詐風險用戶500余人，每日攔截欺詐風險訂單近千筆，每日攔截欺詐風險訂單金額超300萬元。 顯示為紅色的群組 ，存在欺詐嫌疑 以復雜網絡為例： 一般性的黑產大多是團伙作業。樂信 平臺上已有一些黑產用戶，如果新用 戶注冊或用戶下一筆新訂單時，系統 發現

15、該用戶與平臺上黑產用戶存在某 種關聯關系（可能是同一個IP、局域 網，或者有共同的聯系人等），就會 發出預警，轉人工處理或者直接拒絕。 DataVisor（維擇科技）是成立于2013年的第三方反欺詐企業。其核心技術為獨創的無監督反欺詐機器學習，同時融合有 監督機器學習、規則引擎和全球智能信譽庫，為線上企業和金融公司提供一站式智能反欺詐檢測服務。 DataVisor的反欺詐服務主要覆蓋金融、電商、社交、游戲/工具等四個領域。 DataVisor：無監督反欺詐機器學習 DataVisor 無監督學習 引擎 有監督學習 引擎 個體異常檢 測引擎 規則引擎 客戶填寫信息和 用戶行為信息（ 注冊、登陸、

16、交 易、發帖、轉錢 等） 無監督機器學習引擎 有監督機器學習引擎（可選） 自動化規則（可選） 監測評分和報表 可書畫平臺和用戶審 核界面 客戶輸入DataVisor無監督解決方案輸出DataVisor評分 全球信譽庫 Apache Spark、HDFS、Hadoop、Apache HBase和Elasticsearch等大數據基礎設施架構 中誠信征信AI反欺詐主要是基于自主研發的智能風控平臺萬象智慧，該平臺強調對大數據的信用風險解讀能力，涉及 的基礎技術包括知識圖譜、機器學習、人工智能、區塊鏈等。 平臺基于數據倉庫、自動決策引擎和智能建模引擎，能實現數據的自動采集，業務的自動審批決策，模型的自

17、動發布、應 用與監控，從而形成系統的閉環自動學習迭代。 中誠信征信：萬象智慧風控體系 數據的自動采集 數據倉庫 自動決策引擎 智能建模引擎 業務的自動審批決策 模型自動發布、應用與監控 中誠信反欺詐方案體系 資料虛假、隱瞞歷史、虛假聯系人、代辦包裝、履歷虛假、組團騙貸 設備反欺詐、資料反欺詐、交易反欺詐、團伙反欺詐等不同的解決方案 自動決策引擎 特征引擎 規則引擎 策略引擎 個體信用風險管理 全信貸周期風險管理 多維度三方數據集成 多場景專家模型內置 關聯風險挖掘 信息關聯 聚團分析 圖特征計算 智能建模分析 自動特征工程 自動機器學習 模型學習迭代 相 關 子 平 臺 場 景 方 案 慧安金

18、科成立于2017年，基于人工智能、機器學習等技術為合作機構提供人工智能解決方案。 慧安金科將其自主研發的半監督主動式機器學習與專家經驗相融合，基于客戶場景和需求形成相應預測模型，能幫助企業 主動識別用戶行為和關聯的異常，實現提前預警和主動防范。同時，慧安金科為金融機構提供數據參考，助力金融機構智 能風控體系搭建。半監督主動式機器學習對敏感數據需求不大，主要利用到的是用戶行為數據、環境數據等非敏感數據。 慧安金科：半監督主動式機器學習 智 能 風 險 解 決 方 案 反洗錢 交易反欺詐 營銷反欺詐 操作風險識別 可疑交易識別模型：自動學習資深反洗錢專家對可疑案宗的等級分類和排序上 報的經驗與方法

19、，全方位提取洗錢行為關聯信號，并對可疑交易進行排序 針對欺詐交易特點進行深入分析，通過多維衍生特征提升機器學習效果，降低 規則系統導致的誤報率，實時判斷交易行為的風險性，在事中對風險交易進行 預警和控制，及時攔截欺詐行為 有效識別用戶之間的異常關聯信息，準確區分正常用戶和風險用戶，實時風險 決策及時發現羊毛黨、惡意刷單等各類風險操作，并進行有效攔截 操作風險識別模型采用高維數據入模，參考審計專家經驗設計特征變量，分析 員工操作風險案例揭示復雜關聯關系，借助機器學習技術發現高風險交易記錄 分類、聚類算法 +機器學習、異 常檢測、圖分析 等 數據可視化系統 （包括：用戶分 布、行為分布、 風險高低

20、、行為 特點、欺詐分子 決策路徑等） 用戶行為數據 環境數據等 數據輸入決策引擎 結果輸出 數字金融反欺詐的挑戰及建議 PART4PART4 數字金融反欺詐的挑戰及建議 用戶 注意個人數據隱私保護， 增加欺詐防范意識； 配合監管執法部門及企 業的反欺詐行動。 金融機構及相關企業 加強內部反欺詐管理； 持續反欺詐前沿技術研 發； 加強外部合作，構建聯 防聯控體系。 社會輿論 傳達最新欺詐事件，提 高受眾警惕性； 傳播反欺詐成果，震懾 欺詐分子。 監管執法部門 健全反欺詐法律法規； 加強聯合懲治，增強威 懾； 普及反欺詐常識，加強 用戶安全意識。 數字金融反欺詐是一項任重而道遠的工作。構建完整、有

21、效的反欺詐體系， 離不開數據、技術與場景，也需要平臺用戶、金融機構和相關企業、監管 及執法部門以及社會輿論力量的全方位參與。 數字金融 反欺詐 技術 關于零壹智庫 北京 上海 廣州 深 圳 成都 武漢 服務近300客戶 家 獨立的新金融知識服務機構，建立了媒體+數據+研究+智庫+學院的獨立 第三方服務平臺，覆蓋新金融生態的各個細分領域，提供研究、咨詢、品 牌、培訓、傳播等服務。已經服務超過300家機構。 零壹財經是中國互聯網金融協會成員、北京市互聯網金融行業協會發起單 位并任投資者教育與保護專委會主任單位、中國融資租賃三十人論壇成員 機構、湖北融資租賃協會副會長單位。 媒體數據研究智庫學院 免責聲明 本報告研究過程和研究結論均保持獨立，零壹智庫對本報告的獨立性負責。本 報告中信息均來源于公開信息及相關行業機構提供的資料，零壹智庫對這些信 息的準確性及完整性不作任何保證。報告中的信息或所表達意見并不構成任何 投資建議。本報告的完整著作權為零壹智庫信息科技（北京）有限公司所有， 未經本公司書面許可，任何機構和個人不得以任何形式使用，包括但不限于復 制、轉載、編譯或建立鏡像等。 + + 2019.08.22 Thanks