大數據技術的興起和普及,正深刻改變著當前的金融生態和金融格局。伴隨欺詐手段和工具的多樣化,金融欺詐呈現組織化、團伙化、隱蔽化的新趨勢,原有反欺詐規則已然無法適應欺詐風險由個人欺詐轉向團伙欺詐的新形勢,欺詐風控策略理念和思路需要提升至更新、更深入的階段。關系網絡的構建與挖掘,為新形勢下的欺詐防控提供了新思路。

近日,邦盛科技知識圖譜業務專家孔慶鑫在線分析了知識圖譜在金融反欺詐領域的應用,并結合案例對反欺詐防控策略進行了分享。

業務背景:傳統反欺詐的難點

目前金融反欺詐是一個很火熱的話題,而且呈現出一種組織化、團伙化的新趨勢,其中一個很重要的問題是信息不對稱,很難去驗證信貸客戶信息哪些是真實的,哪些是經過包裝的,這會導致很多問題。比如銀行立項申請時,因為不知道客群真實情況,可能會通過提高要求來控制通過率,雖然有效,但是是一把雙刃劍。

2022 年政府工作報告中也提過,普惠金融會進一步擴展,客群也會進一步下沉到一些農村地區,可能面臨的都是沒有往期征信記錄的“白戶”。還有一些比較傳統的欺詐手段像信用包裝、中介代辦、內外勾結等,一些中介在包裝信用卡或者信貸進件時,就針對某幾家銀行,因為他知道那幾家銀行的底線和紅線,只要不去觸碰就能貸得出來;時間再久一點的話,他可能還會知道怎樣做貸款額度會高一些。

傳統反欺詐主要依靠專家規則,但像身份證號、銀行卡流水這些東西其實偽造成本很低,對于一種群體性的、大批量的欺詐并沒有一個很好的管控手段。

圖譜賦能:智能反欺詐的實現路徑

智能反欺詐手段的發展路徑:最底層的是專家規則,即風控專家通過經驗設置一批規則,然后調整觸發條件,在通過率和拒絕率之間找到一個業務上的平衡點。

但專家經驗很難覆蓋所有風險,所以通常會做一個機器學習建模去防控整體風險,然后再用專家規則去補充,即專家規則加上機器學習模型搭配互補。但就目前的經驗來看,由專家過渡到機器學習模型,建模這一步會面臨很多的問題,第一是樣本量不足;第二是樣本空間增長有限,因為貸款或信用卡申請大概都會有那么 6～7 種方式,落到最后都是需要人工檢驗的,所以說增長空間很有限。

因此,需要運用關聯圖譜去破解信息不對稱的問題。因為無論是團伙還是中介欺詐,都會有一個批量進件的行為,圖的可視化手段可以去抓取團伙樣本,而且很可能一抓就是幾十個到上百個進件——這樣其實對于樣本補充是個非常有效的手段。

另外,圖譜還可以進行一致性的檢驗,比如說多方面的信息來源可以打破信息的不對稱性,圖做出來后還會從關系圖的維度去展示,等于做二次校驗。舉個實際的例子,比如說多個申請共用相同的信息、相同的手機、相同的 IP,這就屬于團伙的情況。

為了解決這種情況,我們引入圖譜,并從中抽象出一些關系維度的圖規則,對于原有的專家規則體系做補充。另一方面我們也抽取圖特征,對既定的機器學習模型做一個補充,提升機器學習模型識別團伙欺詐的能力,同時進一步去豐富黑樣本的標簽。

所以說專家規則、機器學習模型、圖譜這三者具備之后,就能夠構造一個有效的生態閉環,可以實現反欺詐效能上的互補。

反欺詐領域應用

針對目前關聯圖譜在反欺詐的具體應用,大概有以下幾個方面:

申請圖譜:比如如何在信貸、信用卡申請中去識別團伙欺詐性進件。組團有一個特點就是信息會被團隊成員共享,那在圖譜的可視化查詢上,就會發現出很多關聯關系。較常見的可能就是從身份證、手機號,設備指紋、郵箱地址等這些維度去做一個關聯,先去看這些數據有多少個共性,再就是結合一些可視化手段去分析具體的欺詐手法。

交易圖譜:涉及到多層次的轉賬關系,主要是看資金最后的流向、受益人是誰。現在監管比較關注的是涉賭涉詐的問題,也是我們主抓的一個方向。我們在這方面有很多客戶案例,通過監管下發的名單或內部的規則模型識別出可疑交易,這個過程中可能還會結合歷史流水,把一些歸集的賬戶擴散到 n 層,過程中可能會使用一些圖探索手段,也會基于圖譜平臺,去做一些存量排查,比如說增量防控。

企業圖譜/內控圖譜:現在企業業務會存在一些交叉,外部風險對企業的影響也越來越大,用圖譜可以勾勒出一個企業風險的全貌,結合外部風險點的引入,就能盡早預判外部風險對企業的影響。內控圖譜更多是涉及員工的道德或操作風險,比如誤操作或沒有按照規章制度做某些業務。道德風險更多發生在員工和企業的異常資金往來,比如非法集資或資金挪用。

防控核心是用圖譜去查看員工的實際控制賬戶,因為就像銀行員工都很熟知銀行的業務,很少有員工拿自己的戶頭進行一些犯罪。對這些控制賬戶的識別可以通過圖譜的一些探索手段,比如說親屬的賬戶。我們有個股份制銀行的案例,這個案例最后定位到了員工女朋友的賬戶,因為我們在圖探索中發現,很多資金實際都流向了女朋友的賬戶。如果用傳統手段來看的話,是很難去發現的。

洗錢圖譜:不同時期會衍生很多手段,現在比較流行的地下錢莊還有跑單平臺,它會把用戶拉進來,把涉案資金隱藏在跑單用戶每天正常的消費交易流水上,但這其實是有一個固定模式的。怎么在圖譜上刻畫和獲取業務經驗、制定圖規則來進行實時的監控和篩查,也是邦盛作為圖技術平臺對業務的關鍵賦能方向。

車險/運維圖譜:一般我們分析這些領域時會結合初始化網絡,進行點邊結構的設計,之后找到一個數量相對合適、聯系比較緊密的子圖,再結合業務專家經驗,進行一些探索性分析性的工作。

典型應用場景

貸后資金流向

這里也簡單列舉了一些具體的應用場景,第一個就是貸后資金流向問題。

我們可以通過圖譜重點篩查這些經營類、消費類的貸款,追蹤它是否違規流入房市、股市等。這個過程中我們會利用圖譜的穿透能力去計算轉出資金的金額還有比例,這些確定后就能很方便地去敲定風險和違規性質,提供排查依據。

監管部門目前對于互聯網信貸都遵循圖上說的“三個辦法一個指引”這個原則,所以通過圖譜建立實時風控,關注貸后放款這些關鍵環節和資金流入的重點領域是我們主要做的一個事情。

接下來可以展示一下具體手法,比如放貸后直接流入黑名單賬戶,或者解除關聯后從自己賬戶轉移到非自己名下,但可能是實際控制的一個賬戶,再往樓市、股市這些敏感行業投資理財。這些都是可以通過圖譜,結合資金的具體形態來分析的,因為這些行為在圖譜上會展示出一個非常明顯的發散或歸集。

這種模式用以往的專家規則是很難進行刻畫的,因為最多的情況下就只能做到一維,最多也就到二維關系,而圖譜更善于進行多維度關系的篩查。在海量的交易結構里面,我們也能發現一些模式化的結構,比如上圖可以看到大概 4-5 個端,里面涉及一些集中轉入、分散轉出,還有類似樹枝、螞蟻巢穴一樣的鏈式交易結構,這都是貸后異常的資金模式。

通過圖譜的展現化手段,結合業務知識,很多情況下我們一眼就看出它是有問題的。至于具體問題在哪里則可以通過圖譜提供的一些功能,比如說 k 度查詢或重要節點的發現算法去查看。

涉賭涉詐場景

第二個大家比較關心的就是涉賭涉詐場景。這個場景下,我們用圖譜做了很多資金量的分析,還有甄別資金轉移過程中的手法。當然,我們還會結合賬戶自身的特征,在圖譜上觀察有沒有分散的轉出和轉入,或者交易對手成批地更換。結合這些特征,就可以分析賬戶在整張交易網絡中的作用。

以上涉賭涉詐和貸后資金流向這兩個案例,都存在一種大量的轉賬關系圖譜。其實,圖譜可視化最大的價值就在于還原真實的交易場景,這些是以往在核查單觀察,或者在系統上一步一步點擊流水不容易觀察到的。

左邊那幅圖其實就是涉賭涉詐資金的轉移過程,最左邊是賭徒的充值,上游這幾步可能會重復多個層級,到了中游,各種空殼企業會進行各種各樣的資金搬運,夾雜著一些空殼企業的分批啟用,或者跨行轉賬行為,造成資金鏈路的進一步模糊;之后就是資金洗牌的最后一步,錢會轉移到一些個人賬戶進行分散提現,或者直接就在游戲/直播平臺進行一些打賞。總之,下游洗白的方式是多種多樣的,但通過圖譜再結合一些特征,還是能夠進行監控的。

保險團伙反欺詐

第三個應用方向是保險排查,比如車險或醫保反欺詐。車險主要是串謀式的索賠欺詐,通過監測還有關聯共享的身份信息等,就能比較好地跨越數據孤島,發現他們的團伙。

再有是醫保欺詐,我們一般會更多地關注醫患或供應商不正當的關系,一旦在某個藥品或疾病上出現了大量的離散值,就代表是欺詐行為——這是以往判斷個體欺詐的常用辦法,但現在團伙欺詐問題非常嚴重,比如幾十個人都通過個別支付賬戶去買相同的藥品;還有賬戶層面的聚集以及很多其他的共性。結合圖分析和算法,都可以識別這些團伙案件行為。

總結:用圖譜反欺詐的優勢

分享完三個應用場景,關于圖譜反欺詐的優勢點,主要列舉了 4 點。第一點:關聯分析,就是指人為主動去探索發現這些可疑的特征,然后利用圖譜進行一些可視化的關聯。這就是我們業務人員主動去使用圖譜工具進行可視化的探索,然后結合不同的業務領域,比如洗錢、信用卡申請、信貸申請等在業務圖譜上展示的可疑鏈路去發現一些可疑點,當然,不同領域可疑點肯定是不同的,但經常使用的業務人員一定會帶有行業敏感性。

第二點:圖規則,這點更多是用于增量的監控。和以往專家規則不同,圖規則是用圖探索的手段關聯知識對比后得出一些結論,這個過程就是我們從關系的維度去判定圖規則,然后系統主動實時地去排查風險。

第三點:模式分析,我們近來叫做同模型,因為很多欺詐模式都有一個固化的模式,比如信用卡套現。這些固化的模式,完成分析之后就可以用圖語言寫到圖庫里進行一個遍歷查詢。相對于上面介紹的圖規則,它是一種存量的篩查方式。

第四點:社團分析,因為之前說要想建模,很可能會缺少一些黑樣本、黑標簽的數據,社團分析其實是一個非常好的功能,它可以通過算法,結合樣本標簽,發現欺詐團伙。

關聯分析、圖規則、模式分析,還有社團分析,這 4 點是覆蓋了實時、準實時還有事后的三個方式,既是圖譜用于反欺詐的主要功能,也是我們目前的優勢能力,我們很多家客戶目前都在應用。

在服務實踐中,知識圖譜平臺如何構建?平臺具有哪些功能?如何落地業務應用?這些內容將在下期娓娓道來,歡迎持續關注。

免責聲明：市場有風險，選擇需謹慎！此文僅供參考，不作買賣依據。