如何反欺诈和防止内外勾结.pdf

对场景的争夺，已经成为互联网金融发展的关键。 随着时间的发展，场景在不断垂直、细分，这为风控带来了新的挑战。 在细分的场景中， B 端风控和 C 端风控， 哪一个更重要？如何反欺诈、 反内 外勾结，搭建一套行之有效的风控体系？风控体系在未来会呈现何种形态？ 1、技术 在细分的场景中，有什么前沿技术正在被应用？ 我个人感觉没有什么太前沿的技术。 其实我们目前用的很多技术都是过去很 成熟的，早就存在了。而这几年，因为移动互联网的发展，过去没有应用场景的 技术，有了应用场景。 其实很多技术的使用没有那么复杂，环境才是最大的变量。今天是数据爆炸 的时代，很多技术层出不穷，像人脸识别，其实过去技术早已相对成熟，但因为 移动互联网的变化，才出现了巨大的使用空间。 金融从业者永远会用最短的时间学会最新的技术， 技术多么先进并不重要， 重要的是以最快的速度学会技术，找到技术的使用场景 。 时代在发展，不断有新的技术、算法和新的创新领域出现。在这个过程中， 我们如何将这些新技术落地实践、如何有效利用它们，使风控达到一个新级别、 新高度，以及如何将它们在细分场景当中做深度落实，这才是最重要的。 无论场景如何，金融的本质，我认为还是金融。 从风险角度看，需要防范的东西一直是不变的， 如身份欺诈、不适当的授信， 以及不适当的授信带来的还款压力， 传统金融行业对此早有关注， 只不过随着时 代的进步和技术的发展， 我们有了更多的工具、 条件及数据， 更有效地实现风险 防范。 比如说， 网贷的申请。过去在不见面的情况下，我们无法准确识别个人信息 的真实性，但随着科技的发展，我们可以了。过去我们也无法识别一个人与另 一个人的关系，但由于知识图谱的出现，我们有了更多手段去识别两个客户之 间的关系。 我以前在美国运通， 玩得最熟的是 SAS ，做模型做得最多的是逻辑回归。 随 着近几年的科技发展， 比如智能手机的普及、 移动互联网和移动金融的出现， 带 来了大量的数据。在腾讯时，除了征信，我也做支付风控，用机器学习等方法挖 掘了很多关系链数据。这些对于风控有极大的帮助。 但话说回来，风控归根到底是要为金融服务的。不是把时髦的技术拼凑在一 起，就一定能做出优质、稳定的模型。要有对业务很深的理解，才能衍生出非常 有用的变量，做出更好的模型。 2 、B 端和 C 端风控，谁更重要？ 很多人觉得在细分场景中， B 端风控比 C 端风控更加重要。 如何看待这个观 点？ 一个大的平台，要和别的平台在不同的场景合作。 如果是旅游类的消费分期， 作为一个普通客户，肯定会选择知名的平台。这些平台就有客户多、产品丰富、 数据多等特点。 我也会去了解 B 端的风控能力是怎么样的。如果一个平台做风控比较靠谱， 它能触达的客户也比较靠谱，那么我对 C 端的风控可能就做好一大半了。 在场景的应用上，对 B 端的管控与选择，比 C 端更重要。 为什么？首先，合作端带来的客户群是有其特性的。以差旅为例，这类人群 进行身份欺诈的概率比较小。 同理，支付场景的客户群， 身份欺诈的可能性也比 较低。 其次，B 端带来的数据，是我们在不同场景中区别其他场景的很重要的地方。 与 B 端的合作，不仅能解决客户流量的问题，更能通过客户流量，带给我们做 风险判断的数据和其他信息。 它是独有的，是真正能落地到新的场景应用中的。 我们也看到过一些案例。例如教育分期，行业本身没有问题，但鱼龙混杂， 有些合作伙伴自身就是一个风险。从这个角度来说，很好地选择 B 端客户，可 以降低大规模出现风险事件的概率。综上所述，对