反欺诈是金融行业永恒的主题，道且坚且长。
如今，在金融数字化的背景之下，反欺诈就更显重要和紧迫。数字化技术的发展提升了金融行业服务效率，加强了金融行业服务能力，同时，也为欺诈分子带来可乘之机。
欺诈分子利用数字化技术迅速变换诈骗手段，从传统的线下金融欺诈演变到了数字金融欺诈，欺诈行为呈现黑产化、专业化、隐蔽化、关联化等特征。
欺诈和反欺诈像一场旷日持久的攻防战，欺诈方和反欺诈方始终处于动态博弈的过程中。
如何才能料敌于先，变被动为主动，提前识别欺诈行为？
零壹财经·零壹智库联合乐信集团在8月22日零壹财经新金融夏季峰会上发布《中国数字金融反欺诈报告（2019）》（以下简称“报告”）。《报告》借助乐信庞大的数据体系和详实的反欺诈案例，并调研业内多家代表性机构，从欺诈方、受欺诈方和反欺诈方三大维度全面分析了数字金融欺诈新特点、数字金融反欺诈新形势，阐述如何用AI技术赋能数字金融反欺诈，提前、精准识别欺诈行为。
一、数字金融欺诈四大特征、十大手段
《报告》显示，目前，数字金融欺诈普遍具有黑产化、专业化、隐蔽化、关联化等四个典型特征。
1. 黑色产业链成熟化、规模庞大。欺诈团伙有专业组织并且分工明确，各组织具备特定职能。截至2018年我国黑产从业人员超过200万人，黑产市场规模已达千亿级别。
2. 欺诈技术专业化，快速更迭。欺诈团伙借助大数据等前沿技术，精确识别“欺诈目标”并采取相应措施，并通过各类软件进行指数化欺诈行为传播。
3. 欺诈手段隐蔽化，成本低廉。数字金融欺诈呈现小额、高频、异地作案的发展趋势，给司法机关取证定罪带来极大困难。同时作案成本低廉，借助数台手机电脑和银行卡即可完成诈骗。
4. 欺诈行为关联化，异地高发。欺诈团伙在地址、户籍、IP地址、交易时间等多个维度上呈现明显的聚集关联现象，并以异地作案为主。
此外，《报告》通过对近几年数字金融领域欺诈案例的梳理以及与行业专家的交流，总结出欺诈分子惯用的十种诈骗手段，分别是电信诈骗、网络贷款诈骗、高利理财诈骗、虚假交易套现、薅羊毛、黑中介、刷单骗局、虚拟货币交易、消费返利骗局、伪众筹诈骗，欺诈分子手段变幻莫测，利用多重诈骗手段联合作案。
二、数字金融受欺诈人群精准画像
人群画像，能够清晰地描述受欺诈人群的基本特征。画像清晰，有助于反欺诈机构有的放矢地建立反欺诈模型，降低欺诈行为的发生概率。零壹智库根据乐信监测的欺诈数据，从地域分布、年龄、性别、学历和受欺诈时间段五个维度进行了数字金融受欺诈人群的特征分析。
分析结果显示，生活在中东部地区、年龄为18~28岁之间、学历为专科的男性在下午更易遭受欺诈事件。图1：受欺诈用户画像
资料来源：乐信、零壹智库
三、AI赋能数字金融反欺诈
在数字金融反欺诈的技术选择上，以云计算和大数据技术为基础的人工智能技术是主流选项，据零壹智库不完全统计，在数字金融反欺诈技术的介绍中提及“人工智能”的企业比例达67.86%。
目前，在数字金融反欺诈的实践中，人工智能更多地体现为机器学习概念下的模型算法及相关应用。机器学习模型可以处理非结构数据，即使有成千上万的输入信息特征，也可以自动识别复杂的欺诈模式，从而可实现对小额高频欺诈行为的有效识别。以有监督机器学习为主，无监督机器学习为辅的智能反欺诈体系是目前反欺诈主流。
有监督机器学习可以从大量的、有标签的数据中自动创建出模型，精准识别欺诈分子，覆盖了规则引擎难以检测的欺诈行为，通过增加训练数据可持续提高监测效率。而无监督的机器学习不需训练数据，可自动挖掘和检测各种已知、未知的欺诈行为，自动产生标签，用于模型检测，自动产生规则，免除耗时的人工规则调试，主要适用于欺诈团伙的检测。图2：智能反欺诈技术体系
资料来源：零壹智库
责任编辑：
