【待继续研究】解析机器学习技术在反欺诈领域的应用

反欺诈简单说，就是：根据借款人提供的信息，查找多方面资料，进行不同属性的比对，从而发现“羊群中的狼”。这种工作复杂而枯燥，为了识别团伙欺诈，往往需要收集、整理、分析各种维度的数据，工作量更是成倍增加。但是枯燥的工作往往是单纯且有乐趣的。

举个栗子：

一个客户A来信贷公司进件，说他的妻子是B。另外一个客户C来进件，说他的姐姐是D。分别去看A和C的进件，我们发现不了任何的异常情况。但是把A和C放在大数据系统（需要模型支撑）搜索里面，就发现问题了：A的妻子B的电话和C的姐姐D的电话是一样的，但是名字不一样。

看到这个信息，我们肯定会思考到底B和D是不是同一个人？所以我们要调查一下，假如我们通过打电话来做调查，发现两个人的声音竟然是一样的，但是针对不同的调查，她所描述的个人信息是不一样的，所以我们确定B和D是同一个人，且她在撒谎。那么A和C也在撒谎，所以他们有很大的欺诈风险。

然后在系统中看到，有一个客户E，他和客户A的工作单位是一样的。继续对他们所在的工作单位进行调查，发现分别调查的时候，两人提到的公司的详细信息不一样。再后来，发现A和E所说的这个工作单位是一个中介公司包装的，并不真实存在。所以，现在可以确定：A、E是欺诈客户，那么和A通过B（D）关联起来的C也是欺诈客户；所有和A、E是同一个工作单位的客户都是欺诈客户。

这是一个典型的通过个别客户的异常信息逐步发现欺诈客户甚至欺诈团伙的案例。在这些风险用户组成的关系网中，含有欺诈可能的信息，都会被标注出来，业务人员可以直观地发现它们，从而降低欺诈风险。

反欺诈一直是风控的核心，事实上，根据相关第三方数据调查统计显示，消费金融以及互联网金融公司的坏账中有超过50%来自于欺诈。对于消费金融公司来说，欺诈风险远远大于信用风险。

欺诈者以非法牟利为目的，在真实交易方不知情的情况下，采取盗取账号、伪造身份、提供虚假信息、进行虚假交易等行为，给正常提供交易的各方造成损失，对互联网消费金融业务提供机构造成严峻的挑战。

什么是机器学习？

广义：作为人工智能最重要的技术——机器学习(Machine Learning, ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研