金融反欺诈常用特征处理方法

####用户基本属性
phone_number

• 前缀是否相同

• 手机号归属地是否相同

• 是否是虚拟运营商

• 流量卡还是通话卡
  nickname

• 昵称符合固定的规律（中文+数字）

• 备注是否符合某种亲密的称呼
  birthday
  -年纪
  -星座
  -生肖
  sex
  -性别是否失衡
  password
  -是否都相同
  身份证号码
  -年龄 核对
  -性别 核对
  -城市
  邮箱
  -是否是一次性邮箱
  -username 满足规律
  -是否同一邮箱服务商
  -邮箱里面的数据（账单）
  学历
  -相似性
  住房
  -租房情况是否相同
  积分
  -是不是超过某个阈值
  签到
  -相似性
  ip
  -是否是同一个号段
  -每次登录ip地址是否相同
  -是不是临时ip
  -ip和gps是否能对的上
  gps
  -经纬度相似性分析
  -国家 省份 城市 相似性
  -ip和gps是否能对的上
  wifi
  -ssid
  -wifi list
  -贷款前的几分钟有没有切换过wifi
  appllication time
  -时间切片
  -注册用了多长时间（太快太慢都有问题）
  -一共申请了几次
  login time
  -时间切片
  -登录了几次、频率、最后一次登录时间距离贷款时间的间隔
  -同一时间登录做一个校验（同一时间多人登录）
  ua(user agent)
  -每次打开是否是同一个ua
  渠道
  -app/H5/微信
  -渠道ID属于违规渠道
  app version
  -每次app的版本号是否相同
  -app版本会不会太老了（老版本的app有bug,可能会被黑中介来攻击我们）
  推荐人/联系人
  -名字匹配
  -手机号匹配
  ###设备指纹
  imei
  -是否都相同
  -每次登录的imei号是否都相同
  device id
  -是否都相同
  -每次登录的device号是否都相同
  分辨率
  -手机型号和屏幕分辨率是否一致
  mobile type
  -手机品牌
  -手机型号
  os（operating system)
  -每次打开操作系统是否都相同
  -来申请的人是否OS都相同
  -os的版本是否太久
  ###中文错别字可以考虑换成拼音做相似度匹配
  address
  -地址要标准化
  -模糊匹配
  -相似度计算（余弦距离）
  company
  -正则
  -字节拆分
  -关键字提取
  -相似度计算
  -错别字/同音字识别
  ###第三方数据
  人行征信
  -公司信息是否一致
  -学历是否一致
  -居住地址是否一致
  -手机号码是否一致
  -逾期数据
  运营商
  -是否有相同的联系人
  -是否有黑名单客户在通讯录中
  -通话最频繁的几个人（所在地是否和他相同）
  社保公积金
  -工资
  -社保
  -公积金