中国数字金融反欺诈全景报告（ 2019）主讲人于百程 零壹研究院院长*本报告由零壹智库与乐信联合发布AI赋能，料敌于先，构建生态数字技术推动金融行业发展，但数字技术也为金融欺诈带来可乘之机，目前 欺诈 严重伤害用户对金融科技的信任，成为阻碍数字金融行业发展的致命威胁。本报告联合国内分期消费行业的头部企业 乐信 ，借助其全面的反欺诈技术体系与丰富的反欺诈实践经验，以及庞大的数据积累和翔实的反欺诈案例，同时结合对业内多家具有代表性的反欺诈机构的深度调研采访，全面分析数字金融反欺诈 新态势 以及AI反欺诈系统的 技术机制 和 实践成效 。数字金融欺诈的过去及现状PART1根据欺诈手段和类型的不同，金融欺诈的发展历程主要分为三个阶段线下金融欺诈、互联网金融欺诈和数字金融欺诈。欺诈进入数字金融时代线下金融欺诈手段 电信诈骗为主特点 人员数量有限，尚无技术化的作案工具互联网金融欺诈手段 冒充他人、钓鱼网站特点 诈骗传播快速化、手段信息化、行为趋于场景化数字金融欺诈手段 多重攻击手段联合作案特点 黑产成熟化、技术专业化、行为关联化、高频化新型数字金融欺诈的四大特征黑色产业链成熟化、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 ， 欺诈手法通过各类软件进行指数化传播 。欺诈事件高频化，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 。欺诈行为关联化，异地高发在实施欺诈的过程中都会在地址 、 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 。据零壹智库与数字金融平台及反欺诈第三方的调研显示，数字金融欺诈普遍具有 黑产化 、 专业化 、高频化 、 关联化 等四个典型特征完整的黑色产业链薅羊毛 | 网络贷款诈骗 | 电信诈骗 | 套现 | 理财诈骗 | 虚假信息 | 账号被盗 | 中介诈骗 | 交易诈骗 | 网络刷单上游 中游 下游上游主要负责提供欺诈软硬件设备和其他作案资源 。包括网络黑客 、 欺诈软件 /脚本开发者 、 设备提供商 、猫池厂商等 。中游主要负责数据信息的获取 、 伪造以及倒卖等 .包括卡商 、 个信批发商 、接码平台 、 打码平台 、 群控平台等 。下游主要负责诈骗实施以及洗钱销赃 。包括职业刷单 、 羊毛党 、代理工作室等数字金融时代下受欺诈人群深度画像分析PART2受欺诈人群画像总体特征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 中东部地区受欺诈严重 欺诈时间集中于下午欺诈事件发生量排名前十省份的欺诈事件数量全国占比超 50。其中，从受欺诈人群的地域分布看，中东部地区的人群更易遭受欺诈行为。地域中东部地区高发9.47.56.64.7 4.7 4.6 4.6 4.4 4.13.90246810内蒙古 广东 河南 山东 四川 黑龙江 陕西 湖南 山西 河北图欺诈事件发生量全国占比排名 TOP10省份图欺诈事件发生量全国占比排名 TOP5省份内蒙古 广东省 河南省 山东省 四川省数据来源乐信，零壹智库欺诈损失人均 2000元左右01020304050607080901001月 2月 3月 4月 5月 6月 7月 8月 9月 10月 11月 12月 1月 2月 3月 4月 5月 6月12000以上10000-120008000-100006000-80004000-60002000-40000-2000从欺诈金额看，单笔欺诈金额在 2000元以下的占比逐渐升高，数字金融诈骗更加趋向 小额高频模式 。图 数字金融诈骗金额区间分布情况2018.1-2019.6 数据来源乐信，零壹智库从性别特征看， 男性更易被骗 ，受害人数量约为女性的 2倍，这可能与数字金融用户中男性占比较高有关。在薅羊毛事件中，女性受欺诈概率更高，可能因为女性在电商网购优惠活动下，更容易放松警惕性别“薅羊毛”诈骗最易盯上女性图欺诈受害者性别分布（ 2018.1-2019.6） 图不同欺诈类型的性别分布（ 2018.1-2019.6）0.005.0010.0015.0020.0025.0030.0035.0040.0045.00中介诈骗 收费代办 电信诈骗 商户集资 薅羊毛男 女男 , 64.5女 , 35.5数据来源乐信，零壹智库年轻人是数字金融的主要客群，受欺诈人群也主要以 90后居多广东省 90后最易被骗，其次是湖南、河南与四川年龄受骗者年轻化， 90后最易中招图欺诈受害者年龄段分布（ 2018.1-2019.6） 图 90后受欺诈者地区分布（ 2018.1-2019.6）10.97.1 6.75.2 4.9 4.9 4.84.7 4.4 4.2024681012广东 湖南 河南 四川 贵州 江苏 江西 湖北 山东 广西数据来源乐信，零壹智库1218点为欺诈事件高发时间段，超六成欺诈发生在这一时间段案发时间下午为欺诈高发时间段20.261.113.25.5[6,12][12,18][18,23][23,6]图欺诈发生时间段分布（ 2018.1-2019.6）数据来源乐信，零壹智库数字金融反欺诈的 AI解决方案PART3金融欺诈和反欺诈之间是一场旷日持久的“攻防战”，欺诈方和反欺诈方始终处于动态博弈的过程中。金融反欺诈的攻防博弈Round 1Round 2Round 3传统反欺诈 以黑白名单为主互联网反欺诈 以规则引擎为主，将规则引擎和黑白名单相结合智能反欺诈 以有监督机器学习为主，无监督机器学习、规则引擎和黑白名单为辅线下欺诈 手段单一，电信诈骗为主互联网欺诈 诈骗传播快速化、手段信息化、行为趋于场景化数字欺诈 人员组织化、手段技术化、行为场景化、方式隐蔽化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。场景、数据和技术是 AI反欺诈系统的三大核心要素数字金融反欺诈的生态链银行公安司法部门征信机构社交平台电商平台网贷平台其他数据机构数据银行保险非银信贷消费金融第三方支付汽车金融证券基金业务场景根据 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 第一阵营人工智能 大数据 云计算 区块链乐信全 AI反欺诈效率过去一年，帮助用户规避2000余起 欺诈案件单月拦截金额约 3000万平均每天帮助用户避免约 100万元 损失50人以上的团伙欺诈案件发生 0起中国最佳信贷技术项目大奖 亚洲银行家 2019.7从欺诈风险率来看，乐信明显低于行业平均水平，将欺诈风险率控制在三百万分之一更低的欺诈风险率VS欺诈风险率 三百万分之一（ 0.003BP） 万分之一左右（ 1.16BP）注 1个 BP是万分之一乐信全 AI反欺诈体系交易全程实时主动拦截欺诈技术成熟应用场景广泛多维度数据分析精准识别欺诈AI技术贯穿反欺诈全业务链条体系化精准化模块化实时化乐信反欺诈技术 融合了互联网的多样性和金融业务的复杂性，针对数字金融欺诈新型特征形成了 体系化 、 精准化 、模块化 、 实时化 的解决方案乐信 AI反欺诈框架提高了事前欺诈识别率、事中欺诈应对效率以及事后欺诈案件挖掘效率。乐信全 AI反欺诈框架乐信全 AI反欺诈体系事前欺诈识别 事中欺诈监控应对 事后欺诈追赔防治反欺诈实时排查反欺诈实时监控反欺诈规则引擎反欺诈演算工具反欺诈舆论收集反欺诈信息库舆情监控复杂网络多平台指数收货地址聚类分析智能语音质检LBS风险评估全流程策略管理用户行为风险分析营销 注册 申请 授信 交易 支付 还款应用环节“黑科技”应用框架系统策略体系技术支撑 AI、大数据、区块链、云计算等前沿科技乐信全 AI反欺诈六大 模块进行外部情报搜集，搜寻潜在的网络攻击和欺诈行为，协助研发人员提前部署防御措施。反欺诈实时监控反欺诈实时排查反欺诈规则引擎反欺诈演算工具反欺诈信息库反欺诈舆论收集根据最新的欺诈形势构建新的欺诈规则和特征，为反欺诈演算提供支持。整个体系的“数据”基础，通过 AI技术对全流程进行侦测分析和预警，一旦发现异常及时干预。 .数据信息的主要来源之一，主要储存乐信基于业务积累的数据，并保持实时更新。整个体系的重要技术支撑与核心。通过前沿 AI研究结合机器学习模型开发反欺诈应用，裁定是否存在欺诈嫌疑。整个体系的“数据“基础，打击欺诈的前提。实时监控信贷全流程。乐信 AI反欺诈“黑科技”复杂网络收货地址聚类分析用户行为风险分析舆情监控LBS风险评估多平台指数乐信 AI反欺诈“黑科技”乐信 AI反欺诈“黑科技”应用效果复杂关系网络已经全量覆盖平台用户，同时涵盖了百万级的群组信息每日拦截欺诈风险用户 500余人，每日拦截欺诈风险订单近千笔，每日拦截欺诈风险订单金额超 300万元。显示为红色的群组 ，存在欺诈嫌疑以复杂网络为例一般性的黑产大多是团伙作业 。 乐信平台上已有一些黑产用户 ， 如果新用户注册或用户下一笔新订单时 ， 系统发现该用户与平台上黑产用户存在某种关联关系 （ 可能是同一个 IP、 局域网 ， 或者有共同的联系人等 ） ， 就会发出预警 ， 转人工处理或者直接拒绝 。 DataVisor（维择科技）是成立于 2013年的第三方反欺诈企业。其核心技术为独创的无监督反欺诈机器学习，同时融合有监督机器学习、规则引擎和全球智能信誉库，为线上企业和金融公司提供一站式智能反欺诈检测服务。 DataVisor的反欺诈服务主要覆盖金融、电商、社交、游戏 /工具等四个领域。DataVisor无监督反欺诈机器学习DataVisor无监督 学习引擎有监督学习引擎个体异常检测引擎 规则引擎客户填写信息和用户行为信息（注册、登陆、交易、发帖、转钱等）无监督机器学习引擎有监督机器学习引擎（可选）自动化规则（可选）监测评分和报表可书画平台和用户审核界面客户输入 DataVisor无监督解决方案 输出 DataVisor评分全球信誉库Apache Spark、 HDFS、 Hadoop、 Apache HBase和 Elasticsearch等大数据基础设施架构 中诚信征信 AI反欺诈主要是基于自主研发的智能风控平台 万象智慧，该平台强调对大数据的信用风险解读能力，涉及的基础技术包括知识图谱、机器学习、人工智能、区块链等。 平台基于数据仓库、自动决策引擎和智能建模引擎，能实现数据的自动采集，业务的自动审批决策，模型的自动发布、应用与监控，从而形成系统的闭环自动学习迭代。中诚信征信万象智慧风控体系数据的自动采集 数据仓库 自动决策引擎 智能建模引擎 业务的自动审批决策 模型自动发布、应用与监控 中诚信反欺诈方案体系资料虚假、隐瞒历史、虚假联系人、代办包装、履历虚假、组团骗贷设备反欺诈、资料反欺诈、交易反欺诈、团伙反欺诈等不同的解决方案自动决策引擎特征引擎规则引擎策略引擎个体信用风险管理全信贷周期风险管理多维度三方数据集成多场景专家模型内置关联风险挖掘信息关联聚团分析图特征计算智能建模分析自动特征工程自动机器学习模型学习迭代相关子平台场景方案 慧安金科成立于 2017年，基于人工智能、机器学习等技术为合作机构提供人工智能解决方案。 慧安金科将其自主研发的 半监督主动式机器学习与专家经验相融合 ，基于客户场景和需求形成相应预测模型，能帮助企业主动识别用户行为和关联的异常，实现提前预警和主动防范。同时，慧安金科为金融机构提供数据参考，助力金融机构智能风控体系搭建。 半监督主动式机器学习对敏感数据需求不大，主要利用到的是用户行为数据、环境数据等非敏感数据 。慧安金科半监督主动式机器学习智能风险解决方案反洗钱交易反欺诈营销反欺诈操作风险识别可疑交易识别模型自动学习资深反洗钱专家对可疑案宗的等级分类和排序上报的经验与方法，全方位提取洗钱行为关联信号，并对可疑交易进行排序针对欺诈交易特点进行深入分析，通过多维衍生特征提升机器学习效果，降低规则系统导致的误报率，实时判断交易行为的风险性，在事中对风险交易进行预警和控制，及时拦截欺诈行为有效识别用户之间的异常关联信息，准确区分正常用户和风险用户，实时风险决策及时发现羊毛党、恶意刷单等各类风险操作，并进行有效拦截操作风险识别模型采用高维数据入模，参考审计专家经验设计特征变量，分析员工操作风险案例揭示复杂关联关系，借助机器学习技术发现高风险交易记录分类、聚类算法机器学习、异常检测、图分析等数据可视化系统（包括用户分布、行为分布、风险高低、行为特点、欺诈分子决策路径等）用户行为数据环境数据等数据输入 决策引擎 结果输出数字金融反欺诈的挑战及建议PART4数字金融反欺诈的挑战及建议用户 注意个人数据隐私保护 ，增加欺诈防范意识； 配合监管执法部门及企业的反欺诈行动 。金融机构及相关企业 加强内部反欺诈管理； 持续反欺诈前沿技术研发； 加强外部合作 ， 构建联防联控体系 。社会舆论 传达最新欺诈事件 ， 提高受众警惕性； 传播反欺诈成果 ， 震慑欺诈分子 。监管执法部门 健全反欺诈法律法规； 加强联合惩治 ， 增强威慑； 普及反欺诈常识 ， 加强用户安全意识 。数字金融反欺诈是一项任重而道远的工作。构建完整、有效的反欺诈体系，离不开数据、技术与场景，也需要平台用户、金融机构和相关企业、监管及执法部门以及社会舆论力量的全方位参与。数字金融反欺诈技术关于零壹智库北京上海广州 深圳成都武汉服务近 300 客户家 独立的新金融知识服务机构，建立了媒体 数据 研究 智库 学院的独立第三方服务平台，覆盖新金融生态的各个细分领域，提供研究、咨询、品牌、培训、传播等服务。已经服务超过 300家机构。 零壹财经是中国互联网金融协会成员、北京市互联网金融行业协会发起单位并任投资者教育与保护专委会主任单位、中国融资租赁三十人论坛成员机构、湖北融资租赁协会副会长单位。媒体 数据 研究 智库 学院