金融欺诈是指以非法占有为目的,采用虚构或者隐瞒事实的方法,骗取他人财物或者金融机构信用,破坏金融管理秩序的行为。在互联网金融在中国兴起的背景下,中国金融欺诈的主要范围包括电子银行、P2P网贷、消费金融平台、电商平台等。

金融反欺诈是指金融机构通过借助技术手段、改善业务流程等方式,检测、识别并处理欺诈行为,以预防和减少金融欺诈的发生。数字金融反欺诈是当前Fintech领域应用最成熟的领域之一,在大数据的基础上,以人工智能、机器学习、生物验证等技术赋能,提高金融欺诈风险的防范能力。相比传统技术和审核监测,大数据技术能够扩大数据源范围和提高数据可信度,叠加智能检索匹配、智能视觉、智能语音等人工智能技术、机器学习的反欺诈规则模型优化和特征识别等生物验证技术予以辅助,能大幅提高对欺诈行为的判断预防效率,从而高效提升机构的金融风险控制能力。

1

中国数字金融反欺诈产业链

数字金融反欺诈的产业链包括上游数据生产主体、数据提供方,中游数据分析方、反欺诈方案提供方以及下游的反欺诈解决方案使用方。金融反欺诈产业集数据、技术和机制于一体。其中,数据是反欺诈体系建设的核心和前提,技术是打赢反欺诈之战的重要支撑,机制是优化反欺诈效果、提升反欺诈能力的重要保障。数据采集、数据分析、决策引擎三大部分的结合运用能够提供更好的综合解决方案。

中国反欺诈行业产业链

2

来源:沙利文研究院绘制

 

中国互联网金融欺诈频发增加反欺诈需求

互联网金融平台是数字金融欺诈产业攻击的主要对象。互联网金融快速发展,其市场体量和发展潜力被逐步放大,暴露的风险隐患也与日俱增,互联网欺诈及信贷风险有所提高。一方面,中国有许多互联网金融平台技术不达标,风险管理存在漏洞,风控能力较弱,大大降低了网贷申请过程中的诈骗难度,容易让不法分子乘虚而入。另一方面,数字金融欺诈不断发展壮大,渗透到数字金融营销、注册、借贷、支付等各个环节,呈现出产业链化的特征。数字金融欺诈产业链围绕欺诈实施过程各环节展开,形成了专业的欺诈技术开发、身份信用包装、虚假身份提供、业务漏洞发现和欺诈方法传授产业,各产业间通过网络通讯工具匿名交流,组织松散,但合作紧密。

3

传统反欺诈缺陷催生新式反欺诈手段

数字金融欺诈产业发展强劲,形式多变,传统的预防机制无法适应日益多变的欺诈行为,传统金融反欺诈技术面对新的欺诈形式暴露出诸多弊端。

(1)传统反欺诈数据分析维度单一,无法全面勾勒用户画像。传统反欺诈手段仅仅依靠第一类数据来源(即央行的征信数据、通信运营商以及公共部门收集到的数据)对欺诈行为进行分析及预防。然而,这一类数据的多样性、实时性和完整性大大受限,导致传统反欺诈分析仍然存在大量漏洞和风险。新式反欺诈技术通过关联不同的数据库,如移动设备信息库、互联网交易信息库、社交信息库等,可以整理获得用户的性别、年龄、学历、职业、资产等信息,形成完整的用户画像,进而可以作为用户行为判断的依据。在获得全面的用户画像后,反欺诈系统还可以通过关联不同用户间的数据,如共用 IP、手机号等,得出用户的大数据关系图谱,从而有效降低团伙欺诈的风险。

(2)传统反欺诈手段效率低,难以实现高频反欺诈。传统反欺诈技术需要大量人工操作,应用成本高,效率低下。在互联网金融快速发展背景下,客户群体不断下沉,存在大量的长尾用户,交易频繁、实时性强、交易数据量明显增大;欺诈行为也呈现出小额、高频的特点。传统反欺诈的人工监管手段难以监测高频交易数据,难以遏制高频发生的欺诈事件。

(3)传统反欺诈监管范围小,难以防范日益场景化的诈骗行为。随着互联网技术的深入发展,金融欺诈和其他场景的结合日益紧密,呈现出“跨界”的特点。传统的反欺诈手段采用“黑白名单”方式监管特定场景内的金融欺诈行为,对遍布生活场景的欺诈行为没有设立应对机制,导致无从防范。金融反欺诈领域积极寻求新技术提升互联网金融交易安全与欺诈风险防控水平的方法,新式的数字金融反欺诈手段应运而生。

 

成熟的技术应用促进新式反欺诈行业的发展

金融反欺诈行业呈现人工智能化,利用机器学习技术检测已知和未知模式的欺诈。机器通过对内外部大量异构、多源化信息进行深度挖掘,从大量和多维的数据中抽取风险特征指标,利用复杂网络关联分析技术从历史违约数据中发现实时欺诈业务风险指标,丰富学习风险模型的业务维度,自动建立人工智能反欺诈模型,利用模型发现欺诈者隐藏的蛛丝马迹,并分析数据的矛盾点和疑点,甄别欺诈者的身份,自动拦截欺诈交易。

传统的反欺诈业务分析基于大量历史案件总结“专家知识”,归纳欺诈特征并制定应对规则,应变性较差,对未知风险的防控能力明显不足。而基于大数据进行训练或分析的机器学习模型可以填补并增强简单规则无法覆盖的范围,如利用神经网络模型可挖掘潜在风险,实现包括销赃账户、高危终端、待传播钓鱼网站等的提前识别与控制,大幅提升风控的前瞻性;通过关联分析模型,可以发现欺诈交易的规律和模式,为反欺诈策略研发提供借鉴;借助异常检测模型与聚类算法可以排查出可疑交易,实现未知风险的防控。现阶段,众多商业银行纷纷探索智能反欺诈模型的应用。

此外,生物识别技术也不断被应用于金融反欺诈领域,如利用生物特征实现身份认证。云计算、大数据风控、区块链技术也受到金融反欺诈领域的持续关注。新技术应用的逐步落地大大提升数字金融反欺诈企业的竞争力,增强数字金融反欺诈行业的防控实力,为行业未来的发展提供强劲的后盾支持。人工智能、云计算等技术在金融行业中的应用也受到国家战略层面的重视,在数字金融反欺诈领域的应用将得到带动。

与新兴技术相关产业支持政策

4

来源:沙利文研究院绘制

 

反欺诈行业数据趋于整合、共享和开放

数据获得是反欺诈体系建立的根本前提,数据关联程度越高对反欺诈体系的建设越有价值。金融反欺诈行业的发展需要有效的数据共享系统,需要依靠组织和个人将个人私有、企业自有、政府自有的数据进行整合,把私有大数据变为公共大数据。高效的反欺诈数据共享系统是及时有效地发现欺诈行为的关键,各反欺诈机构和大数据机构把风险信息共享,有助于大大提高全社会的反欺诈能力。

 

反欺诈行业联防机制逐步建立

有效的欺诈防控机制是反欺诈的基本保障。现阶段,中国欺诈泛滥主要是因为不法分子利欲熏心和现行机制漏洞给不法分子提供了犯罪机会。只有不断优化机制才能从根本上弱化欺诈的动力源。数字金融欺诈产业化、隐蔽化的特征要求传统防御机制优化改善,需要反欺诈参与者必须从各自作战走向携手联合,共同构建由监管部门、行业协会、金融机构、科技企业共同参与的反欺诈联盟,建立跨行业、跨机构的合作机制,促进多领域合作,使金融、公检法机关、电信运营商等多方机构联防联控。充分运用大数据构建跨行业、跨机构的反欺诈模型,对可疑交易进行“立体式”监控,提高反欺诈工作的科学化、精细化、智能化管理水平均是行业发展的未来走向。

5

沙利文全球合伙人、全球市场战略规划副总裁兼中华区总裁王昕博士指出,作为反欺诈业务的基础和支撑,数据的来源对于反欺诈公司至关重要,数据也将成为反欺诈行业的竞争重点。高效的反欺诈数据共享系统是能否及时有效地发现欺诈行为的关键,当前国家着力推动政府数据公开,通过推动建设各类大数据服务交易平台,为数据使用者提供更丰富的数据来源,各反欺诈机构和大数据机构应共享风险信息,严防金融欺诈风险。

home