登录 申请

在线客服

返回顶部

当前位置: 关于我们 > 新闻动态 > 壹诺科技:信贷反欺诈常用的三大手段

壹诺科技:信贷反欺诈常用的三大手段

2018-11-19 来源:壹诺科技

金融反欺诈是目前信用风险处理的重点难点问题,如何在贷前阶段做好申请反欺诈呢?其实要解决的问题无非就是判断申请借款的是人还是机器?是本人还是他人?是价值用户还是无效用户?目前贷前反欺诈查询常用的手段有名单库、专家策略、机器学习等。下面就随壹诺科技一起来看看吧!

名单库筛选

名单库筛选就是我们常说的黑白名单。名单库一般通过平台内部进行积累,或与其他合作机构合作进行获取。黑名单在很大程度上避免了重复欺诈行为的发生,也是一种逻辑简单、成本较低的反欺诈手段。

专家策略

贷前反欺诈一般都是先有专家策略进行冷启动,等数据积累到一定程度的时再慢慢地对数据进行挖掘,并对策略进行调优或者构建模型。

(图源网络)


反欺诈策略是基于策略人员以往的经验和踩过的“坑”,并以研究欺诈者的行为和心理为基础而制定。而且,目前的信贷反欺诈手段中,专家策略比较常用且较为成熟。当借款人的操作请求和操作行为触发反欺诈规则、并达到一定的程度时,即被认定为欺诈行为。合作方可以启动拦截,或进行人工审核,如客户的行为异常监测策略、设备类异常策略、聚集度策略等。

机器学习

常见的机器学习反欺诈分为有监督和无监督两种,它们通过机器学习方法,收集客户各个维度的数据,结合当前用户特征,与欺诈建立起关联关系,实时识别用户欺诈行为。有监督机器学习是通过大量客户的历史表现数据,进行标签化,并利用相关算法,提取特征,发现欺诈行为的共同点,进行识别。而无监督机器学习反欺诈则相对较新,只是通过对用户的各纬度数据特征的聚类,找出与大多数用户和行为差异较大的用户和操作请求,并予以拦截。采用无监督机器学习,可以有效地识别团伙欺诈行为,让欺诈团伙无处遁行。

现在欺诈手段日新月异,欺诈人员和策略人员处于攻与防的角色,壹诺科技目前采用的反欺诈系统是通过对客户个人信息、设备指纹、操作行为、位置等各个维度进行欺诈识别,帮助合作方识别出风险较高的客户,力争将合作方的欺诈风险降至最低。

分享到: