AI赋能,料敌于先:零壹智库即将发布《中国数字金融反欺诈报告(2019)》
互联网+ 赵越 零壹财经 2019-08-20 阅读:22105
如今,在金融数字化的背景之下,反欺诈就更显重要和紧迫。数字化技术的发展提升了金融行业服务效率,加强了金融行业服务能力,同时,也为欺诈分子带来可乘之机。
欺诈分子利用数字化技术迅速变换诈骗手段,从传统的线下金融欺诈演变到了数字金融欺诈,欺诈行为呈现黑产化、专业化、高频化、关联化等特征。
欺诈和反欺诈像一场旷日持久的攻防战,欺诈方和反欺诈方始终处于动态博弈的过程中。
如何才能料敌于先,变被动为主动,提前识别欺诈行为?
零壹财经·零壹智库联合乐信将在8月22日零壹财经新金融夏季峰会上发布《中国数字金融反欺诈报告(2019)》(以下简称“报告”)。《报告》借助乐信庞大的数据体系和详实的反欺诈案例,并调研业内多家代表性机构,从欺诈方、受欺诈方和反欺诈方三大维度全面分析了数字金融欺诈新特点、数字金融反欺诈新形势,阐述如何用AI技术赋能数字金融反欺诈,提前、精准识别欺诈行为。
《报告》同时根据反欺诈体系完备性、反欺诈技术前沿性、反欺诈应用广泛性与反欺诈效果等多个维度分析,将蚂蚁金服、乐信等公司评为国内数字金融反欺诈技术服务领域的第一阵营。
一、数字金融欺诈四大特征、十大手段
《报告》显示,目前,数字金融欺诈普遍具有黑产化、专业化、高频化、关联化等四个典型特征。
1、黑色产业链成熟化、规模庞大
欺诈团伙有专业组织并且分工明确,各环节具备特定职能。截至2018年我国黑产从业人员超过200万人,黑产市场规模已达千亿级别。
欺诈技术专业化,快速更迭。欺诈团伙借助大数据等前沿技术,精确识别“欺诈目标”并采取相应措施,并通过各类软件进行指数化欺诈行为传播。
欺诈发生高频化,成本低廉。数字金融欺诈呈现小额高频的异地作案趋势,给司法机关取证定罪带来极大困难。同时作案成本低廉,可能只有数台手机电脑和银行卡就可实施欺诈。
欺诈行为关联化,异地高发。欺诈团伙在地址、户籍、IP地址、交易时间等多个维度上呈现明显的聚集关联现象,并以异地作案为主。
此外,《报告》通过对近几年数字金融领域欺诈案例的梳理以及与行业专家的交流,总结出欺诈分子惯用的十种诈骗手段,分别是电信诈骗、网络贷款诈骗、高利理财诈骗、虚假交易套现、薅羊毛、黑中介、刷单骗局、虚拟货币交易、消费返利骗局、伪众筹诈骗,欺诈分子手段变幻莫测,利用多重诈骗手段联合作案。
二、数字金融受欺诈人群精准画像
人群画像,能够清晰地描述受欺诈人群的基本特征。画像清晰,有助于反欺诈机构有的放矢地建立反欺诈模型,降低欺诈行为的发生概率。零壹智库根据乐信监测的欺诈数据,从地域分布、年龄、性别、学历和受欺诈时间段五个维度进行了数字金融受欺诈人群的特征分析。
根据受欺诈人群画像特征可以总结出:年轻男性更容易受骗、欺诈金额小但欺诈发生频率高、中部地区受欺诈严重、欺诈时间集中于下午。
三、AI赋能数字金融反欺诈
在数字金融反欺诈的技术选择上,以云计算和大数据技术为基础的人工智能技术是主流选项,据零壹智库不完全统计,在数字金融反欺诈技术的介绍中提及“人工智能”的企业比例达67.86%。
人工智能反欺诈系统有效发挥作用的一个大前提是,任何反欺诈策略都要根据特定的场景和数据特征对症下药地制定,脱离场景、数据而空谈与反欺诈相关的技术优势是无法让整套人工智能反欺诈技术顺利地与需求方的业务场景对接的。
通过对相关企业的调研,零壹智库认为,场景、数据和技术是人工智能反欺诈系统的三大关键要素,其中,技术要素是最能体现人工智能反欺诈系统有效性的基础要素,算法模型和系统架构又是技术要素的两大核心。
目前,在数字金融反欺诈的实践中,人工智能更多地体现为机器学习概念下的模型算法及相关应用。机器学习模型可以处理非结构数据,即使有成千上万的输入信息特征,也可以自动识别复杂的欺诈模式,从而可实现对小额高频欺诈行为的有效识别。以有监督机器学习为主,无监督机器学习为辅的智能反欺诈体系是目前反欺诈主流。
从数字金融反欺诈的整个生态链来看,上游是反欺诈系统的数据源,中游是反欺诈技术服务开发商,下游是反欺诈业务的需求方。根据反欺诈体系完备性、反欺诈技术前沿性、反欺诈应用广泛性与反欺诈效果等维度划分,蚂蚁金服、乐信等公司位于国内数字金融反欺诈技术服务领域的第一阵营。
相关文章
用户评论
所有评论
主编精选
more专题推荐
more第四届中国零售金融发展峰会(共15篇)
资讯排行
- 48h
- 7天
-
首页
-
评论
-
回顶部
游客
自律公约