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:大数据风控模型如何把控欺诈风险?

壹诺科技:大数据风控模型如何把控欺诈风险?

2018-11-21 来源:壹诺科技

欺诈风险即恶意骗贷的风险,是操作风险的一种,是制度不完善和内控不充分导致的风险。金融行业75%以上的风险来自欺诈风险,形式有多重,身份伪冒、中介黑产、内外勾结、套现等。那么在大数据风控模型中如何把控欺诈风险呢?

欺诈主体:

第一方欺诈:欺诈的主体是申请的本人。

第二方欺诈:欺诈主体是申请人的亲戚朋友。

第三方欺诈:欺诈主体盗用别人的身份信息进行欺诈。

第四方欺诈:欺诈主体是中介团体。

欺诈主体的不同,防范风险的形式也不同。现阶段,业界更多关注的是有组织参与的中介欺诈,常见的如批注、盗号、薅羊毛、养号、套现等诸多行为的识别。由于是团伙作案,更多是基于社交网络的社团发现算法来对中介的识别,或者是利用套现中的地址集中性相似性等特点来识别中介,或使用时间序列算法来分析用户的历史行为轨迹,手机传感器信息等生物指纹数据来核实身份。

大数据风控

(图源摄图网)


欺诈风险的难点有别于信用风险,在较多场景下很难定义好坏用户。因此关键在于标签的获得。通常需要同案件调查人员配合,因为他们能够准确定义欺诈,同时能够还原犯罪手法,针对于模型Y变量定义,X变量设计都很有帮助。

其次,由于对抗性强,因此如何检测未发现的欺诈模式和模型的更新速度更加关键。目前这一块工作业界发展都比较滞后。

最后,授信客群的变化或者欺诈团伙作案手法的变化导致原有模型可能失效,加上风险的滞后性,最新可用的训练数据可能已经离目前较远,如何从最新的数据获取模式与旧的数据模式的遗忘是难点。

壹诺科技在针对欺诈风险时,所采用的数据风控模型是以大数据和云计算为基础,通过对用户的历史借贷行为、负债行为、消费能力、资产实力、关联人信息检测等数据的深度挖掘,进而筛选出优质客户,剔除掉高危人群,达到提高企业整体的营销与决策能力的最终目的。


欢迎大家随时关注“新闻动态,大数据让您的生活更智慧、更美好!

分享到: