一、互聯(lián)網(wǎng)業(yè)務(wù)風(fēng)控

維護(hù)賬戶安全的手段主要有網(wǎng)絡(luò)層防護(hù)、數(shù)據(jù)層防護(hù)以及業(yè)務(wù)層防護(hù)。 相應(yīng)的手段不局限于WAF、設(shè)備指紋、驗(yàn)證碼、生物探針、數(shù)字證書、安全SDK。 這些防護(hù)手段從技術(shù)原理上可以總結(jié)為加密/解密、人機(jī)識(shí)別兩大類。

電商平臺(tái)最核心的業(yè)務(wù)就是交易，而交易又衍生出其他業(yè)務(wù)。商家為了達(dá)到提升排名、引流、商品冷啟動(dòng)、增加商品評(píng)論數(shù)等目的，會(huì)通過多種渠道來做虛假交易。典型的虛假交易是指通過虛構(gòu)交易流程、偽造物流、資金流信息等手段，提到 DSR (Detail Seller Rateing，即商鋪信用、商品銷量和店鋪動(dòng)態(tài)評(píng)分)分?jǐn)?shù)，實(shí)現(xiàn)提升店鋪和商品排名的目的。

刷單主體：商家、刷手、刷單中介和上下游利益團(tuán)體（泛指卡商、賬號(hào)批發(fā)商、物流）。

互聯(lián)網(wǎng)平臺(tái)對(duì)流量監(jiān)控在大多數(shù)情況下，寧可放寬監(jiān)管力度，也不允許有太多的錯(cuò)殺的情況。

從作案規(guī)模上，信貸欺詐一般可分為個(gè)人欺詐和團(tuán)隊(duì)欺詐。從風(fēng)險(xiǎn)歸因上，可分為以下類別：

A. 白戶風(fēng)險(xiǎn) ：借款人信息缺失，沒有足夠的數(shù)據(jù)來對(duì)借款人進(jìn)行風(fēng)險(xiǎn)評(píng)估。包括內(nèi)部白戶（新注冊(cè)用戶、無申貸 歷史 記錄）和外部白戶（央行征信、第三方民間征信無覆蓋）。由于從未或較少有申貸記錄，因此黑名單規(guī)則、多頭規(guī)則等都會(huì)失效。在對(duì)待白戶時(shí)，應(yīng)當(dāng)謹(jǐn)慎其被黑產(chǎn)利用的可能。

B. 黑戶風(fēng)險(xiǎn) ：借款人存在逾期、失信、欺詐的記錄。包括內(nèi)部黑戶（ 歷史 多筆訂單出現(xiàn)逾期、在途訂單催收失聯(lián)等）、外部黑戶（央行征信花/黑、第三方民間征信黑）。出于炫耀等心理，很多黑戶會(huì)在口子論壇、QQ群等交流擼貸經(jīng)驗(yàn)，因此可通過論壇輿情監(jiān)控、黑產(chǎn)群臥底等來發(fā)現(xiàn)新的作案手法。

C. 惡意欺詐 ：借款人通過偽造資料，蓄意騙貸。例如，偽造賬單流水記錄來企圖騙取更高的額度。一般都是借款老哥，熟悉各平臺(tái)流程，深諳套路。惡意欺詐人群往往到處借錢，廣撒網(wǎng)來提高放款概率。同時(shí)，可能涉及不良嗜好（黃賭毒）。

D. 身份冒用 ：偽冒他人身份進(jìn)行欺詐騙貸。包括熟人冒用（親戚朋友、同學(xué)等）和他人盜用（購(gòu)買他人四件套、個(gè)人隱私信息泄漏等）。一般可通過信審、人臉識(shí)別、活體驗(yàn)證等方式來核驗(yàn)借款人身份。

E. 以貸養(yǎng)貸 ：通過拆東墻補(bǔ)西墻的方式，來維持不良消費(fèi)（黃賭毒、奢侈品等）。借款人現(xiàn)金流收入主要靠不斷借款，借下家的錢，還上家的債。這種擊鼓傳花的 游戲 ，會(huì)將共債風(fēng)險(xiǎn)杠桿逐漸放大。一旦借款人再也借不到錢，資金鏈便會(huì)立刻斷裂，所有平臺(tái)全線逾期。目前市場(chǎng)上，同盾、百融、億美等第三方征信機(jī)構(gòu)都提供此類多頭借貸產(chǎn)品服務(wù)。

F. 中介風(fēng)險(xiǎn) ：黑中介哄騙或招攬客戶實(shí)施騙貸。網(wǎng)貸中介有利有弊，好中介可幫助平臺(tái)導(dǎo)流（類似貸款超市），提高市場(chǎng)份額；黑中介將對(duì)平臺(tái)風(fēng)控漏洞進(jìn)行大規(guī)模攻擊，造成巨大資損。黑中介可利用白戶輕松突破風(fēng)控防線，并騙取白戶的高額手續(xù)費(fèi)。黑中介通訊錄一般會(huì)存客戶的號(hào)碼；若是遠(yuǎn)程貸款操作，可能會(huì)采取視頻通話、翻拍照片來應(yīng)對(duì)活體識(shí)別核身。

A. 實(shí)時(shí)大盤監(jiān)控 ：基于訂單、用戶維度，監(jiān)控設(shè)備聚集性風(fēng)險(xiǎn)（LBS、Wi-Fi）、地域欺詐風(fēng)險(xiǎn)（如朋克村）。大盤監(jiān)控對(duì)于識(shí)別黑中介風(fēng)險(xiǎn)、傳銷風(fēng)險(xiǎn)等團(tuán)伙欺詐相對(duì)更有效，需要設(shè)置報(bào)警閾值，并人工介入分析。

B. 信審催收反饋 ：信審?fù)ㄟ^電話外呼，核驗(yàn)客戶身份，咨詢借款動(dòng)機(jī)，往往會(huì)發(fā)現(xiàn)某些欺詐用戶。例如，身份偽冒風(fēng)險(xiǎn)場(chǎng)景中，借款人支支吾吾無法正確回答問題。催收中發(fā)現(xiàn)失聯(lián)用戶等，這些兄弟部門的案件將反饋至調(diào)研組。因此，需要建設(shè)好案件管理平臺(tái)，聯(lián)通各部門。

C. 論壇輿情監(jiān)控 ：通過對(duì)各大口子論壇、戒賭吧、上岸交流區(qū)等內(nèi)容，提取近期市場(chǎng)動(dòng)向。特別是需要去理解欺詐人群的心理特征、 社會(huì) 身份等。例如，2018年，在714高炮行業(yè)風(fēng)險(xiǎn)初見苗頭時(shí)，論壇上就出現(xiàn)“青銅系”、“寧波系”等借貸口子系列。

D. 黑產(chǎn)臥底調(diào)研 ：線上渠道可嘗試加擼口子QQ群、網(wǎng)貸中介微信等方式，利用老哥們的集體智慧，以及網(wǎng)貸中介的豐富經(jīng)驗(yàn)。站在對(duì)方的立場(chǎng)上，你更會(huì)發(fā)現(xiàn)自己風(fēng)控系統(tǒng)的弱點(diǎn)。線下渠道可去一些欺詐案件多發(fā)地，實(shí)地調(diào)研來學(xué)習(xí)黑產(chǎn)的手法。實(shí)地調(diào)研的難度相對(duì)較高。

A.設(shè)備指紋 唯一標(biāo)識(shí)出該設(shè)備的設(shè)備特征或者獨(dú)特的設(shè)備標(biāo)識(shí)；從技術(shù)方法上，可分為： 主動(dòng)式設(shè)備指紋和被動(dòng)式設(shè)備指紋。

主動(dòng)式設(shè)備指紋： 一般采用JS代碼或SDK，在客戶端主動(dòng)地收集與設(shè)備相關(guān)的信息和特征，包括：

主動(dòng)式設(shè)備指紋算法一般將這些信息組合起來，通過特定的hash算法得到一個(gè)設(shè)備指紋ID值，作為該設(shè)備的唯一標(biāo)識(shí)符。

被動(dòng)式設(shè)備指紋： 在終端設(shè)備與服務(wù)器通信的過程中，從數(shù)據(jù)報(bào)文的協(xié)議中提取出該終端設(shè)備的OS、協(xié)議棧和網(wǎng)絡(luò)狀態(tài)相關(guān)的特征集，并結(jié)合機(jī)器學(xué)習(xí)算法來標(biāo)識(shí)和跟蹤具體的終端設(shè)備。

B.生物探針 采集用戶使用手機(jī)時(shí)的傳感器數(shù)據(jù)和屏幕軌跡數(shù)據(jù)的技術(shù)； 優(yōu)點(diǎn)： ? 無需其他硬件支持 ? 用戶無感知 ? 行為習(xí)慣不易改變 ? 可以進(jìn)行連續(xù)判斷 缺點(diǎn)： ? 需要一定的算法支持

C.設(shè)備行為 APP安裝列表；APP行為（包括安裝、卸載、打開等）；通話記錄、短信等

D.WiFi列表 WiFi 名稱、接入時(shí)間、接入時(shí)長(zhǎng)等

E.LBS 設(shè)備與地理空間位置映射數(shù)據(jù)； 包括IP、基站、WiFi、身份證、手機(jī)號(hào)及銀行卡等多維度的地理位置信息的信息庫(kù) 用戶穩(wěn)定性判斷登錄、交易等多環(huán)節(jié)多重驗(yàn)證

F.運(yùn)營(yíng)商 特點(diǎn)：完整、真實(shí)； 涵蓋： ? 在網(wǎng)時(shí)長(zhǎng) ? 通話記錄、短信記錄 ? 網(wǎng)站、APP訪問記錄 ? 位置信息

G.關(guān)聯(lián)數(shù)據(jù) 前提假設(shè)：人是 社會(huì) 關(guān)系的總和、人以類聚物以群分； 應(yīng)用：人的 社會(huì) 關(guān)系網(wǎng)反映人的特征； 目的：信息核驗(yàn)、度量身份和關(guān)系風(fēng)險(xiǎn)、社群團(tuán)伙發(fā)現(xiàn)

H.多頭 信貸全流程數(shù)據(jù)；涵蓋注冊(cè)、申請(qǐng)、審批、放款、還款成功、還款失敗、逾期等整個(gè)信貸周期；場(chǎng)景貼合度高

傳統(tǒng)反欺詐的困境

應(yīng)用案例 A.app特征挖掘：

B.關(guān)聯(lián)特征挖掘：

C.其他特征挖掘