顶象学院首页>文章详情

关联网络应用观察:团伙欺诈的防控技术及思路

2019-07-26|小智 6926

近年来屡屡发生的团伙欺诈事件,给金融机构、互联网企业带来诸多新挑战。由于欺诈团伙有明确的分工和计划,熟悉目标平台的各项业务流程,能够娴熟运云计算、人工智能等新技术,而且欺诈手法复杂多变,导致传统的反欺诈手段无法做到科学精准的发现与防控。 

关联网络的出现为团伙欺诈防控提供良好的思路。本期“关联网络应用观察”,小智将介绍防控团伙欺诈的新技术和应用场景。

关联网络的技术原理

关联网络是融合大数据、图挖掘和神经网络技术的创新方案,基于图对数据的表示,利用图算法、图数据挖掘、图神经网络等解决具体的问题。

关联网络能够基于业务数据提取出个体和群体的特征,构建起多维度关联结构,清晰的刻画出个体的特征、个体间之间关系、群体的画像,进而对个体或群体进行深度挖掘、特征衍生及应用机器学习。

undefined

通俗来讲,每个人都是社会共同场景中共同生活的人群,个体的生产、生活、消费、交际、出行、沟通等活动都是相互依赖、相互作用而产生,这就导致个体与个体的之间有很多关联或共性。比如,小王与小李都在A公司,可以说两者相互关联;小李与小张在一个小区居住,可以说两者相互关联;而小张与小马一起打羽毛球,两者也有关联.....这种关联是一种结构型的信息。

关联网络在金融反欺诈上应用

日常生活中,最常见的关联网络应用是透过层层嵌套的复杂资本运作,挖掘出公司实际控制人。在金融反欺诈的应用上,关联网络的优势更加明显。

金融机构拥有庞大的数据信息,数亿计的企业、个人、账户信息中,隐藏许许多多不同类型的关系,以及数十亿的结点和边。有些是相对静态的关系,如企业之间的股权关系、个人客户之间的亲属关系;有些则是不断地在动态变化的关系,如转账关系、贸易关系等等。无论静态或者动态的关系背后,隐藏着大量未知的关联关系。

在金融反欺诈中,关联网络的应用场景包含以下几类:

发现并定位团伙欺诈

基于关联网络完整刻画企业客户之间、企业与自然人之间的社会关系、经济往来关系,构建全方位的风险图谱,帮助金融机精准有效的发现个体之间隐藏的共同特征,从而定位识别到有团伙性质的欺诈成员。

undefined

对未知风险的防范

反欺诈比较依赖历史样本标注,而新风险却极少有样本供标注。关联网络可以利用少量欺诈标注样本产生出更多的标注,让欺诈标注会沿着网络里的边从一个节点传播到另一个节点,将有效欺诈样本扩大化,有效防范新的欺诈风险。

undefined

数据的深度挖掘

小王和小张是两个正常借款,各项信息非常完美。通过关联网络发现交叉验证发现,两人填写了同一个办公电话,但两人填写的公司却完全不同。再借助其他分析和验证,可以判断他们二人至少有一人的信息是虚假或存在欺诈行为。

借助关联网络,金融机构能快速发现欺诈团伙,有效挖掘新型欺诈手段,增强未知风险的防范能力,进一步提高金融机构的风险管理的可靠性和准确率。

加入社群

扫码进群领
【业务安全】资料礼包

在线咨询
400-878-6123