本文是根据10月28日,Galaxybase 图创课堂-图技术在申请反欺诈的应用整理,错过的小伙伴可以观看回放:https://uao.so/pct823760
精彩回顾
随着我国数字经济发展迅速,在数字化转型大潮下,金融业务模式更加灵活、开放,在为客户提供更加优质服务体验的同时,也客观上给网络黑产滋生提供了更加有利的条件。近年来,数字金融欺诈技术造成的损失和影响不断扩大,不仅作案手段不断翻新,甚至出现成熟的黑色产业链条,比如,2020年上海警方破获一起金融诈骗案件:横跨全国12个省市涉及46名犯罪嫌疑人,该起案件涉事非法套现近1亿元。犯罪团伙通过线上/线下等方式,招揽有套现需求的信用卡持卡人,虚构交易,进行异地欺诈套现。专业化、产业化的欺诈链条给金融机构风险防控、公安机关追查打击带来更大的难度。然而,欺诈案件并非无懈可击。
在破获的案例中我们发现欺诈人员体现出几个共性。欺诈案件并非由单独人员完成,而是由团伙作案,呈现出规模性。欺诈者使用伪造或盗取的虚假信息,具有隐蔽性。最后,犯罪分子会不断更新自己的犯罪手段,从而躲避专家规则的识别,有很强的动态性。金融机构现行的专家规则、机器学习和人工审查等手段,由于数据质量、技术局限、成本限制等原因无法针对反欺诈的特点做出高效有针对性的反制。
针对现有问题,知名咨询机构Gartner在研报中指出,银行反欺诈需要在针对异常值的离散分析之上构建出跨渠道的实体关联监测,做到全维度的关联分析。
创邻科技Galaxybase提供的图技术是一种可以把线索进行关联,把复杂关系进行有组织,把现实世界的关系进行灵活抽取的革命性技术。反欺诈涉及复杂的信息关联,而图技术在面临海量的复杂关联数据时具有天然的优势。反欺诈实际上就是一个图问题。虽然欺诈团伙具备规模性、隐蔽性、动态性,但通过图模型的构建可以将其挖掘出来。欺诈团伙的目的是通过成团作案去形成规模经济,那么他们使用的资源会被重复使用,从而在不同申请间留下隐形关联。图技术正是识别这些隐性关系的有效手段。比如,四个申请人分别提交了不同的申请件, 单独来看提交的信息都是没有问题的,但是通过图技术发现这些申请件存在共用IP,相同联系人手机等申请自研共享情况,存在团伙欺诈风险。
相比于其他图数据库,Galaxybase采用原生分布式架构,真正做到了大规模数实时决策,高效完成多度风险特征计算,进行实时的欺诈风险拦截。目前,创邻科技的信用卡申请反欺诈已经在多个头部银行落地使用,通过整合行内申请、信审等系统的多源数据,构建全方位用户申请图谱,利用多维交叉关联信息深度刻画申请行为,自动化识别多种复杂的规模化、隐蔽性欺诈,申请信息实时组网、实时智能预警潜在欺诈团伙。 为银行节省90%人力成本,提升300%欺诈识别率。真正做到事前发现风险,防范于未然,让欺诈无所遁形。