360金融2018智能反欺诈洞察报告：黑中介、黑产智能化趋势明显 | 雷峰网-亚博电竞网
5月9日，360金融研究院携手360集团联合发布了《2018智能反欺诈洞察报告》（下称“报告”），聚焦金融电信诈骗和网络贷款欺诈这两类高发欺诈类型进行了深度研究和数据洞察。（关于360金融在反欺诈 领域如何深耕，详见雷锋网ai金融评论此前的采访 ：）
80、90一代成诈骗重点目标，男性易受骗且损失数额大
报告数据显示，2018年360手机卫士手机先赔接到的诈骗举报投诉案件中，金融诈骗损失金额占比高达35%，报案量在全部诈骗类型中占比14.9%。报告总结称，在网络普及呈现低龄化、中青年群体金融需求的日渐提升等趋势影响下，80、90一代正成为手机诈骗的重点目标；男性受害者占76.3%，明显占比高于女性，人均损失金额也比女性更高。
损失金额上，由于黑中介在成功获得目标用户的个人信息后，往往会在多个平台进行高额度的骗贷，用户损失相较于传统诈骗更大。报告数据显示，遭遇黑中介骗贷后，损失5000元到1万元占比28%，损失1万元到5万元占比38%，损失5万元以上占比11%。
团伙欺诈智能化特征凸显，黑中介、黑产深度融合
在团伙欺诈方面，报告显示，相较于个人欺诈，团伙欺诈的波及范围更广、社会危害性更高，呈现“智能化、产业化、攻击迅速隐蔽、内外勾结比例上升、移动端高发”五大特征，黑中介和黑产出现深度融合的态势，开始以团伙形式开展线上贷款申请审批业务，骗取大量资金。
网络技术的不断迭代，黑中介、黑产的智能化趋势明显。黑产团伙同样会利用大数据、ai技术等技术手段扩大欺诈覆盖面和精准度。围绕欺诈目的达成，黑中介伙同黑产构建了集用户数据获取、身份信息伪造和包装、欺诈策略制定、技术手段实施等一条完整的产业链。
在团伙欺诈中，黑中介利用互联网金融平台采用大数据线上审核的业务特点，会着重选择一些新上线、不上征信、风控较为薄弱的平台为攻击目标，通过不断地挖掘平台风控规则的漏洞或弱点，进行信息包装或伪造、远程助贷等欺诈操作。
黑产则承担为黑中介“助攻”的角色，从技术上为黑中介实施骗贷提供技术便利。如批量采集用户信息，窃取金融机构和平台数据库，包装伪造证件信息、银行流水，伪造通讯记录等。
当黑中介发现目标平台后，会深度梳理平台的风控漏洞，制定欺诈方案，在特定时间发起集中攻击。由于黑中介的隐蔽性强，对于平台反欺诈策略的灵敏度和迭代效率提出了更高的要求。在人员结构上，黑中介团伙中熟悉平台风控逻辑内部员工比例有所上升，“内外勾结”联合骗贷对平台的损害更大。
大数据和ai能为反欺诈做什么？
金融反欺诈复杂而棘手，黑产的攻击手段瞬息万变，因此平台防范规则策略需要灵活迅速。当前，我国金融机构内部各条业务系统以自建风控模块为主，其中具备强劲科技实力的平台，大多已经采用多层面的欺诈检测方法：用户身份信息认证、黑名单对比、智能反欺诈模型。
在大数据金融反欺诈应用上，头部科技平台的大数据已经相对成熟和丰满，可以够涵盖信贷、社交、消费、通讯数据等诸多范畴。360金融研究院统计调研发现，作用于构建用户人群画像、甄别借款用户还款能力贡献度最大的两类数据是消费和社交，安全类大数据更有助于判断借款用户的还款意愿。
360集团目前在全球的100多座数据中心部署了超过10万台服务器，数据存储量达到eb级，安全服务覆盖全球6亿台计算机，累计连接超过10亿台的移动设备，拥有总样本数超过180亿的全球最大的程序文件样本库。
而360金融背靠集团的数据智能优势，已积累了千万级别的黑名单和数亿的白名单库。自主研发的argus智能风控引擎从数十万个变量中用机器学习方法筛选出超过3000个风控模型数据变量，近96%的授信申请和99%的订单申请实现全自动审核，秒级反馈结果。
在ai智能金融反欺诈应用上，基于人工智能技术建立的反欺诈模型和反欺诈策略成为平台预测、抵挡欺诈风险的有力武器。
一方面，人工智能可以利用机器对数据的大规模以及高频率的处理能力，将申请人相关的各类信息节点构建庞大网络图，并在此基础上建立基于机器学习的反欺诈模型并对其进行反复训练和实时识别。
另一方面，人工智能基于庞大的知识图谱，还能监测整个互联网的风险动态，当发现信用表现出现风险的时候，能够及时做出风险预警，启动“先知”的防御机制。
ai对于底层数据的识别分类应用在实践中也非常有帮助，例如底层数据标注等业务场景中，通过ai判定识别、人工过滤清洗的结合，可有效帮助高可用性内部数据的增长。
据雷锋网了解，360金融在实际应用中结合场景应用ai分别构建相应的业务模型，同时重视ai在底层信息上的识别应用，例如：
采用生物活体检测和大数据交叉匹配借款用户信息，判别提供虚假信息的客户并拒绝其借款申请。
在中介风险识别的场景下，利用社交关系图谱模型、自然语言处理等ai建模技术在社交关系上有效识别团案风险。
在伪冒风险及账户盗用风险等业务场景下，高度重视ai在客户行为埋点数据、客户社交关系等非传统建模数据对该类风险的识别帮助，构建了伪冒评分、账户安全评分、客户行为异常模型、设备异常行为模型等模型评分，有效识别该类风险。
底层信息处理上，360金融构建设备识别模型，有效提升对于设备认定的有效性及准确度，特别提升了线上贷款对于设备数据使用的鲁棒性。
据了解，目前360金融有超过200 个风控子模型在线上运行，且具备实时自动更新模型的能力，部分风险模型的迭代时间以周为单位频次。
360金融在数据和技术上的投入也已颇有成效，年报数据显示，360金融2018年全年m3 不良率为0.92%，m6 不良率为1.5%，欺诈损失率保持在0.2%。
关注公众号“ai金融评论”（id: aijinrongpinglun），回复关键词“360”获取报告下载链接。
雷锋网雷锋网雷锋网
相关文章：
