引子
伴隨肺炎疫情，消費金融行業最近並不安生。各路媒體薅羊毛、蹭熱點、夾私貨的不少。其中，最受追捧之一就是預言行業發展前景，意淫資產質量波動。
拐點還沒到，資產質量波動究竟幾何？除了各機構風控、高層和對應的監管機構，能被媒體知曉並報道的，基本都是放長線，狠打臉。
獵奇信息快餐，傳播焦慮，不如來探究影響資產波動的原因，最重要的一個便是欺詐風險倍增。
在消金風控江湖裡，信用風險和欺詐風險，一個是羅紗掩面卻光明正大的挑戰者，另外一個則是藏身暗處且招招致命的刺殺者。
如前篇所述，信用風險主要通過各種方法判斷用戶的還款能力和還款意願。它就在那裡，等你用可觸及的手段搜索數據，用邏輯工具分析判斷，最後在風險與利潤之間尋求平衡。
欺詐風險，則完全不同。刺殺本就不擇手段，殺人成功、絕塵而去才是慣見場面。貸款欺詐的目的是騙貸，所以反欺詐更像一場敵暗我明的不對稱戰鬥。劍一出鞘，必鮮血侍之。
欺詐分類
兵者雲：知己知彼，百戰不殆。欲反欺詐，必先知之。欺詐風險，大致如下。
白戶風險：借款人信息缺失，沒有足夠的數據來對借款人進行風險評估。包括內部白戶（新註冊用戶、無申貸歷史記錄）和外部白戶（央行徵信、第三方民間徵信無覆蓋）。由於從未或較少有申貸記錄，因此黑名單規則、多頭規則等都會失效。在對待白戶時，應當謹慎其被黑產利用的可能。
黑戶風險：借款人存在逾期、失信、欺詐的記錄。包括內部黑戶（歷史多筆訂單出現逾期、在途訂單催收失聯等）、外部黑戶（央行徵信花/黑、第三方民間徵信黑）。出於炫耀等心理，很多黑戶會在口子論壇、QQ群等交流擼貸經驗，因此可通過論壇輿情監控、黑產群臥底等來發現新的作案手法。
偽造風險：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。一般都是借款老手，熟悉各平臺流程，深諳套路。惡意欺詐人群往往到處借錢，廣撒網來提高放款概率。同時，可能涉及不良嗜好（黃賭毒）。
身份冒用：偽冒他人身份進行欺詐騙貸。包括熟人冒用（親戚朋友、同學等）和他人盜用（購買他人四件套、個人隱私信息洩漏等）。一般可通過信審、人臉識別、活體驗證等方式來核驗借款人身份。
中介風險：黑中介哄騙或招攬客戶實施騙貸,對平臺風控漏洞進行大規模攻擊，造成巨大資損。黑中介可利用白戶輕鬆突破風控防線，並騙取白戶的高額手續費。黑中介通訊錄一般會存客戶的號碼；若是遠程貸款操作，可能會採取視頻通話、翻拍照片來應對活體識別核身。
傳銷風險：有組織地開展收費並發展多級下線，存在集中騙貸的風險。給成員洗腦誘導騙貸，同時不斷以拉新會員費來給老會員發工資，從而擴大規模。由於老客拉新，從關係網絡上觀察具有明顯的星狀結構。
內外勾結：騙貸人與放貸機構內部員工因為利益勾結。機構員工熟悉內部風控規則和漏洞，利用這些漏洞與外部騙貸者合作，誘騙風控審核通過，騙取貸款本金。內外勾結一般是窩案居多，外部偏帶者多為專業黑產、騙貸機構。單筆金額較大，且連續筆數多。
反欺詐體系
高手過招，七步之內，生死立判。反欺詐作為風控體系中不可逾越的底線，與信用風險控制體系截然不同，它的邏輯體系可謂極簡：凡識別為欺詐者，斬立決。
決勝千里，在運籌帷幄。如果說反欺詐的策略是道，那麼反欺詐的模型和算法就是法和術。道、法、術由上至下，輔成與共。而數據，作為一切邏輯得以實現的基石，就像空氣、時間或者重力。四者合璧，形成反欺詐的閉環世界。
反欺詐策略
在反欺詐的世界裡，華山論劍的俠客不少，殺敵制勝的招數無限。反欺詐策略，更像是習武最初修煉的內功心法。當內力盈滿，無論何門何派武功，學起來都會事半功倍。主流的反欺詐策略有信譽庫、專家規則、機器學習三種。
❖ 信譽庫：指傳統的黑、白名單，通過內部積累、外部獲取的各種人員、手機號、設備、IP等黑白名單對欺詐行為進行判斷，是一種簡單、成本低的反欺詐手段。
❖ 專家規則：基於反欺詐策略人員的經驗和教訓，制定反欺詐規則。當用戶的操作請求和行為觸發規則時，即被認定為欺詐行為並啟動攔截。
❖ 機器學習：通過機器學習的方法，將用戶各個維度的數據和特徵，與欺詐建立起關聯關係，並推算出欺詐的概率。
有監督的機器學習會將歷史上出現的欺詐行為進行標記，利用邏輯迴歸等算法，結合海量用戶行為特徵，識別欺詐行為。
無監督的機器學習不需要預先標記欺詐行為，而是通過對有操作行為各維度數據和標籤聚類，找出差異行為，予以攔截。
反欺詐模型與算法
內功內化於心，拳術劍法外化於形，內外兼修，方能制勝。反欺詐模型就像武林各派武功，而算法就像紛繁複雜的招式。終極目的為制勝，在反欺詐的江湖裡，從一而終者寡，而雜糅百家、取長補短者多。
❖ 常用的模型 有FPD模型、評分卡模型、多元判別分析模型、Logistic迴歸模型、神經網絡模型、決策樹模型等。
舉例：FPD （First Payment Delinquency）首次還款逾期模型通常作為兜底模型，內在原因是欺詐一旦得逞，首次還款即逾期，所以首逾率也通常被視作欺詐的一個重要指標。
❖ 常見的算法 包括數據挖掘算法、社區發現算法、深度學習算法等。
舉例：數據挖掘算法是根據數據創建數據挖掘模型的一組試探法和計算。為了創建模型，算法將首先分析提供的數據，並查找特定類型的模式和趨勢。
(大)數據
道生一，一生二，二生三，三生萬物 -- 《道德經》。在反欺詐體系裡，數據就是一。
❖ 前篇文章裡詳述大數據的分類，涵蓋資質數據、社交數據、交易數據、行為數據等，不再贅述。
而數據之所以為基石，是因為多數實際情況下，數據的量級並不能達到理想要求。底層的算法、模型和策略需要根據數據的可獲得性調整。反之，對數據清洗和使用的邏輯，會對產出的結果造成實質影響。
舉例：關於社交數據如通訊錄、運營商數據，採用基於圖的社區發現算法（如Louvain）來發現團伙。關於埋點行為數據，利用LSTM、Word2Vec等算法來生成行為特徵。
典型風險事件渠道
兵者，詭道也 -- 《孫子兵法》
反欺詐模型的迭代和欺詐黑產的反制更新，就是一場典型的貓鼠遊戲。無間之道，沒有成規可尋。在反欺詐體系之外，可用四種渠道窺視敵方動向。
實時大盤監控：基於訂單、用戶維度，監控設備聚集性風險（LBS、Wi-Fi）、地域欺詐風險（如朋克村）。大盤監控對於識別黑中介風險、傳銷風險等團伙欺詐相對更有效，需要設置報警閾值，並人工介入分析。
信審催收反饋：信審通過電話外呼，核驗客戶身份，諮詢借款動機，往往會發現某些欺詐用戶。例如，身份偽冒風險場景中，借款人支支吾吾無法正確回答問題。催收中發現失聯用戶等，這些關聯部門的案件將反饋至風控調研組。
論壇輿情監控：通過對各大口子論壇、戒賭吧、上岸交流區等內容，提取近期市場動向。特別是需要去理解欺詐人群的心理特徵、社會身份等。例如，2018年，在714高炮行業風險初見苗頭時，論壇上就出現“青銅系”、“寧波系”等借貸口子系列。
黑產臥底調研：線上渠道可嘗試加擼口子QQ群、網貸中介微信等方式，利用老手們的集體智慧，以及網貸中介的豐富經驗。站在對方的立場上，更會發現己方風控系統的弱點。線下渠道可去一些欺詐案件多發地，實地調研來學習黑產的手法。
尾聲
有人的地方就有江湖，有江湖的地方就有欺詐。人心有多善良，就有多險惡。欺詐與反欺詐，是人性的較量，不滅不息，永恆存續。認清這點，許多事自然得解。
最後分享一個彩蛋故事，關於人類與技術反向破解。
一個有嚴重路怒症的德國老頭，每次開車出門時，後座上總是堆疊著99部舊手機，全部打開谷歌地圖。當聰明人用最智能的手機實時查詢交通路況，用最複雜高效的算法算出最優路線，從而節省5分鐘時，老頭卻一路馳騁，悠然駛向目的地。
閱讀更多 財經麥田圈 的文章
