大数据反欺诈应用实践.pptVIP

点融网大数据技术反欺诈实践 Agenda    P2P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 P2P存在的风险 18 % 20 % 16 % 18 % 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 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 反欺诈问题充满挑战  反欺诈是一个Negative goal 核实身份证真假？Good to 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 …… 传统资料验证手段 – 身份证案例 13 传统验证手段 依赖于信息的人工审核，效率低 看 打电话 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 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 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 17 知识图谱Knowledge Graph  Google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) 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 19 如何构建Graph     三元组（实体，谓词，实 体） 实体deduction 关系deduction 推理（Inference） 识别数据造假  就职公司矛盾  手机造假 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 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 23 关系建模 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 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 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 system Event idempotence 监控  可灵活配置的规则引擎   Built-in策略 Groovy脚本支持 27 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 事件流 30 总结  知识图谱     有效挖掘二维数据的潜在知识 丰富数据表现力 提供更有效的feature建模 不仅仅是反欺诈 知识回顾Knowledge Review 祝您成功！