大数据反欺诈应用实践

AgendaP2P领域反欺诈的问题与挑战知识图谱在反欺诈领域的应用与实践反欺诈系统的技术架构第一页，共24页。P2P存在的风险18

%20

%16

%18

%第二页，共24页。9风控和反欺诈现状欺诈造成的损失

中小微企业

占企业总数第三页，共24页。10借款端欺诈频发贷款资料造假伪造银行流水，收入信息工作单位涉嫌欺诈身份资料造假中介代办包装中介对不符资质的借款人的资料进行包装，以获得贷款组团骗贷多人联合欺诈第四页，共24页。反欺诈问题充满挑战反欺诈是一个Negative

goal核实身份证真假？Goodto

check，but

not

nearly

enough必须检查所有欺诈方式的可能性必须不断更新反欺诈策略怎样实施欺诈？伪造身份证去申请贷款伪造工作单位包装银行流水组团骗贷……第五页，共24页。传统资料验证手段

–

身份证案例第六页，共24页。13传统验证手段

依赖于信息的人工审核，效率低

看

打电话第七页，共24页。14技术验证手段复杂风控模型变量池单变量/多变量分析，筛选基于统计学建模，机器学习、逻辑回归……问题？缺乏表现力数据孤点第八页，共24页。15关联分析全部的贷款中，拥有关联关系的贷款占总数的30%左右约有四分之一的疑似欺诈贷款，构成相关关系第九页，共24页。反欺诈问题是一个搜索问题搜索什么？所有与借款人相关的数据搜索哪些数据？点融网积累的历史数据数据提供商的数据互联网爬虫所得到的数据如何更好地搜索？表结构无法很好的表达relation第十页，共24页。17知识图谱Knowledge

GraphGoogle提出知识图谱用于改善搜索引擎结果A

web

of

entities自然语言表示三元组表示，(实体1,

关系,

实体2)第十一页，共24页。18为什么要用Graph信息聚合，All

data

in

one

place借款人PII信息借款人的常用联系人，手机，工作单位和关系借款人的雇佣信息互联网上公开数据，例如公开黑名单、企业黄页等数据提供商的数据强大的关联检索机器可理解和推理第十二页，共24页。19如何构建Graph三元组（实体，谓词，实体）实体deduction关系deduction推理（Inference）第十三页，共24页。识别数据造假就职公司矛盾手机造假第十四页，共24页。21开发Tag以标记借款人特征丰富数据维度对接多个数据提供商爬取互联网数据：公开黑名单，信息服务类网站，法院网以Tag标记借款人特征，以便进一步分析第十五页，共24页。22识别组团欺诈关系挖掘挖掘借款人的潜在Tag的关系借款人的网络中可能存在中介借款人的网络中可能有命中诈骗Tag的人挡不住第一单，可以挡住第二单、第三单第十六页，共24页。23关系建模第十七页，共24页。24问题与挑战数据来源多，异构数据清洗节点合并实体识别相似实体合并复杂的业务逻辑模型的测试与部署第十八页，共24页。点融网反欺诈系统的技术架构Key

use

cases对接诸多第三方系统定向抓取决策模型复杂多变第十九页，共24页。26点融网反欺诈系统的技术架构微服务架构基于消息中间件的异步处理Stateless

systemEvent

idempotence监控可灵活配置的规则引擎Built-in策略Groovy脚本支持第二十页，共24页。27第二十一页，共24页。28规则引擎Goal通过管理配置和扩展手段快速反应业务逻辑的变化Module规则元数据管理运行数据管理运行执行和规则策略Feature支持meta规则，built-in规则，扩展规则支持Groovy脚本，最大灵活程度历史验证数据，便于审计第二十二页