再说规则的反欺诈

关注 “番茄风控大数据”，获取更多数据分析与风控大数据的实用干货。  

反欺诈模块也有两个具体的面涉及，一个是基于规则的反欺诈，一个是基于模型反欺诈。我们上周两篇文章提到关于设备指纹的反欺诈也是基于规则的反欺诈策略，今天这篇文章再继续梳理下其他关于基于规则的反欺诈点。

首先,来回答下有位同学对各类名单不理解,这里我先把定义贴出来,各位一看便知:

上周,我们提到了,反欺诈里的设备指纹的文章,设备指纹参数只是我们反欺诈流程里小小的一个部分,具体的案例下面我们展开谈一次： 比如,我们想获取一种客户是否存在欺诈行为，就在某一终端设备上埋设捕抓设备指纹的数据。假设这台相同的设备存在大量不同客户登入,那这个设备很明显是存在一对多的关系，存在重大的欺诈嫌疑。

如果这台设备，我们继续捕抓到这台设备存在极少出现登入成功的情形，也即大部分登入因密码或认证工具错误导致登入失败的情况，我们在此时就可以对该设备进行封锁。

而在整个反欺诈的流程里,是有很多流程点可以做把控的,今天我们再来介绍其他反欺诈方面的覆盖点：

1、客户基本属性
通过在我们曾经存留的历史的客户基本信息、家庭情况、职业情况、住址信息、资信情况、经营情况 , 跟与各渠道获取数据是否一致进行校验。当然如果某些信息的真正性很难获取到，但最基本的姓名、身份证号、手机号这些信息是必须校验的。

2、交易频次
监察用户的状态。一般不是现金类产品，使用的一般为信用卡类的产品居多，这个用在贷中监控中居多。我们会对账户的安全属性进行分类，比如对账户属性不正常的我们会以挂失、止付、冻结、磁道损坏、多头帐户、睡眠账户，这类的账户的风险属性偏低；

而如果是基于历史数据，我们判断长期不动的账户突然大量发生大量的交易，我们有可能怀疑该账户存在较大的风险嫌疑。

3、账户状态
一般我们再进一步将交易状态细分为以下内容分别是；交易时间、地点、金额、使用设备标识比如用户在贷前或者贷中表现中，我们如果发现该交易经常发生在深夜，经常发生凌晨0点之后的深夜行为。如果对于此种行为的再叠加上，经常性的变化不同的交易地点、跟使用的不同渠道终端进行的交易，这个交易行为就需要引起来相当强烈的关注。

当然我们也可以对客户在经常使用的设备的频率进行打分，客户在经常使用的设备上发生交易时得分较高，而在从未使用的终端设备上发生的交易得分肯定低。如果经常发生后一种情况，可能就需要降额或者干脆拒绝收入。

4、交易对象

客户行为涉及的资金转入与转出,也是中重点关注的要素。一般交易对象的研究和分析也被用作反洗钱交易的监控上。商业银行与上级监管机构、同业之间进行的风险客户信息交叉与共享,甚至于与公安联网追逃通辑系统、法院审判系统网,或者与其他电信、证券、保险等行业实现欺诈数据或名单客户资源的共享和对应的风险提示。

5.小微企业
如果是小微企业申请的情况，我们会以下两个认证：
a.申请人提供的本人名下企业税务登记证编码与税务信息查询结果是否一致
b.申请人提供的本人名下企业组织机构代码与相关信息查询结果是否一致

要实施一套反欺诈系统,最重要的一项工作即是在充分搜集、获取渠道欺诈行为特点的基础上,再结合具体的业务流程进行定义跟场景仿真。最好，我们还需要对整一个规则行为一个风险规则库，它形成的规则与实际欺诈行为模拟的越相近,越能有效地挡住欺诈份子。在目前技术水准和系统条件允许的情况下,建立一套完整、精确、合理、参数化的规则模型库,是实施该项目的重心所在。

---------------------- --------------------- ------------------------------------- ----------------------
十年职场生涯，这个长期混迹在风控界和科技界，摸爬滚打的大叔，曾经就职于全国最大的固网运营商平台、国内最大的ERP软件公司和一家老牌的互金公司，如果你想了解他，欢迎关注 “番茄风控大数据”一起学习一起聊！