刘四旗，王崴绪，崔文亮，王宪宇，张鲁
（山东协和学院，山东 济南 250109）
摘要：近年来，我国信贷业务飞速发展，我国的金融贷款总额不断上升，随之带来了大量的金融欺诈行为。由于信贷业务是通过用户的信用评分来判断是否对用户发放贷款，使得欺诈行为的操作成本极低。在每天数百万计的信贷业务中包含的欺诈行为会给中小金融机构、银行、保险、信贷企业造成巨大的经济损失。反欺诈风控模型在信贷业务中极其重要，可以迅速识别欺诈行为，以此减少中小金融机构、银行、保险、信贷企业的经济损失。
关键词：金融反欺诈，人工智能，大数据，正负关联规则挖掘技术，分布式聚类协同过滤算法
一、概述
在互联网飞速发展的时代背景下，各行各业正在积极将人工智能，大数据等技术融入其中，在信贷行业的反欺诈风控模型中，融入人工智能，大数据等技术，对数据进行整合处理，能够更加迅速地识别欺诈行为，为信贷业务减少损失。我们创新性地将正负关联规则挖掘技术和分布式聚类协同过滤算法应用到风险控制领域，使反欺诈模型更加有效。本文主要阐述反欺诈风控模型的实现中，反欺诈风控模型中人工智能、大数据的具体实现以及各种技术和算法的作用机制。
二、现阶段的信贷欺诈形式
现阶段中小金融机构、银行、保险、信贷企业面临的欺诈行为主要为客户交易欺诈，客户提供虚假信息进行借贷，使得中小金融机构、银行、保险、信贷企业蒙受损失，我们可以通过技术手段识别客户提供的信息是否为虚假信息，并确认客户曾经的借贷情况，防范客户交易欺诈行为，减少中小金融机构、银行、保险、信贷企业的损失。客户交易欺诈行为主要分为以下几类。
（一）身份类欺诈
在中小金融机构、银行、保险、信贷企业的信贷业务中，首先需要判断贷款申请人员的个人信息是否符合贷款要求。现如今一些欺诈行为是通过提供虚假的身份信息，利用反欺诈风控模型数据不完善的漏洞，使得虚假的用户信息成功贷款。
（二）终端类欺诈
现阶段信贷业务大部分是在移动端进行的。随着制造手机的技术日益成熟，我国拥有手机的人数不断增多，这使得中小金融机构、银行、保险、信贷企业的信贷业务的开展更加方便迅速，但同时也使得终端类诈骗行为的数量迅速增加。欺诈者使用病毒入侵银行客户端的信息识别系统，使不满足条件的信息持有者成功贷款。
三、反欺诈风控模型的实现
3.1创新技术
3.1.1正负关联规则挖掘技术
随着数据库技术的发展以及数据库管理系统的应用,产生了数据挖掘技术。通过数据挖掘技术我们可以找到信息之间的联系，提高信贷业务的收益。但传统的关联规则挖掘方法可能会将没有关系的信息建立联系，错误的关联规则使得信贷业务的收益降低。我们在反欺诈风控模型的实现过程中，创新性将正负关联规则挖掘技术融入其中，避免了大量没有关系的关联规则产生。使信贷业务的收益明显增加。
3.1.2智能分词和簇类算法
通过智能分词将用户数据进行分类，同时找出有用的关键分词，以便于更好地匹配搜索，然后运用簇类算法，对数据关联解析，建立用户画像，找出各个用户之间的联系，能够迅速，有效定位团伙欺诈现象。
3.2欺诈风险
3.2.1身份安全认证
通过采集用户的生物特征，结合身份证二要素、运营商三要素、银行卡四要素等因子的安全身份认证，与权威数据源进行比对，高效、便捷地完成身份安全认证。
3.2.2反欺诈评分
从用户、设备、对象、方法、环境、时间、空间、关系等多个维度对用户欺诈可能性进行评分，有效识别欺诈分子。
3.2.3高价值风险场景规则
拥有1000+经场景和数据训练的高价值规则阈值，结合已有数据资源全面升级规则。
3.2.4挑战者模式
具有强大的条件组合模式，可轻松实现智能规则路径。
3.2.5星网关联模型
依托大数据技术、全网分析客户关联关系，综合评估客户欺诈和信用风险。
图 1.1 星网关联模型
3.2.6模糊匹配
可针对地址进行模糊匹配，对订单套现进行强力打击。
3.2.7分团算法
可针对客户属性进行分团，发现并预防欺诈风险。
3.2.8多维案件分析
反欺诈风控模型依托 GPS 空间库、实时全文检索等技术，全方面还原案件，并提供路径追踪的能力。
3.3信用风险
基于数据合作方提供的针对多头借贷、网络泄露、聚集性异常申请等欺诈案件处理生成的海量数据，从IP、IMEI、ID三个维度识别欺诈分子，帮助业务方在准入环节构建“反欺诈防线”。防止欺诈者使用虚假信息进行借贷。
3.4安全风险
通过人机识别、代理检测、撞库、动码攻击、暴力破解、接口保护、模拟器识别等方法，对终端类欺诈进行预防，当欺诈者利用病毒入侵中小金融机构、银行、保险、信贷企业客户端时，通过接口保护，动码攻击等方法进行保护并反击。
图 1.2 反欺诈风控模型
四、总结
本文对面向信贷业务地反欺诈风控模型的实现进行了研究，主要介绍了现阶段信贷欺诈的方式和对于反欺诈风控模型的实现。由于信贷欺诈主要为身份类欺诈和终端类欺诈两种方式，针对欺诈风险，安全风险，信用风险三个方面进行反欺诈风控模型的构建，通过对大量数据的统合、处理和寻找联系，对用户身份进行核验，预防欺诈风险和信用风险问题。通过人机识别，撞库和接口保护等方法，对安全风险问题进行预防。本文中的反欺诈风控模型在反欺诈方面具有良好的应用价值与潜在的经济效益，希望能够对行业的进一步发展有所帮助。
参考文献
[1] 黄镜霖, 基于集成学习的金融反欺诈模型,电脑知识与技术, 2020.
[2] 倪思嘉，图数据库在商业银行反欺诈审计领域的应用,上海商业，2020.
[3] 袁嘉琪，面向信用租赁业务的反欺诈系统的研究与实现，浙江大学，2020.
[4] 陆丽婷，基于商品搜索的智能分词系统的设计，电脑知识与技术，2019.