知识图谱在金融反欺诈场景中的应用(一)

金融发展与科技是密切相关的, 回顾其发展历程, 金融机构一直是信息技术最积极的应用者, 科技驱动金融, 并非始于当今, 而是早已有之。 总体来看, 科技驱动金融经历了金融电子化和信息化、 金融网络化和移动化、 金融自动化和智能化三个阶段。 目前, 我们正处于金融自动化和智能化阶段。

什么是欺诈

• 信贷业务主要的风险来自于操作风险、 欺诈风险和信用风险。

『其中从欺诈形式而言,欺诈可以分为身份欺诈、 代办包装、 团伙欺诈,其本质是“造假”和“隐瞒”。』

• 识别欺诈的主要手段是交叉核验和第三方查询。

传统反欺诈VS大数据反欺诈VS知识图谱反欺诈

传统反欺诈【真实性】:

主要依赖信息的人工审核,但身份证、手机号码、银行流水等材料的伪造成本低,金融机构需投入大量人力审核信息主体的身份及材料的真实性;

大数据反欺诈【真实性、合理性、实时性】:

是通过收集大量异构、多样化的信息交叉验证信息主体提供的信息及第三方信息来源的真实性,比传统反欺诈更具有较强的反欺诈能力。但由于数据来源多、数据异构碎片化,结构、半结构、无结构的数据共存,且规模日益庞大,如何整合多元异构数据源,利用已有数据交叉验证成为新挑战;

知识图谱反欺诈【真实性、合理性、实时性、关联性、风险可视化】:

将多源异构的大数据整合成机器可以理解的知识,将“单点”的身份、资料等的核查转换成从“面”的形式进行欺诈风险检测,从而实现欺诈的识别与防御。

万象智联

万象智联是中诚信征信ASmart 万象智慧智能风控平台子产品之一,是基于知识图谱理念搭建的融合多源异构数据、挖掘复杂数据业务关联、识别实体间复杂关系网络的工具。

万象智联在反欺诈场景中主要是通过对图的关联分析、PageRank算法及社团发现算法、提取衍生变量建模等方法识别欺诈风险。

今天我们先来介绍通过对关系图的风险分析来挖掘关联欺诈风险。

知识图谱反欺诈

一致性检验

申请人的申请信息有时会同时属于两个互斥的类别, 或者一个信息实体的某个属性对应多个值, 出现逻辑的不一致性。

例如“申请人与联系人近6个月没有过通话” 、 “申请人与多个人共用相同的申请信息” 。

万象智联通过将反欺诈规则与知识图谱结合,可视化展示不一致的欺诈风险。

图片来源:万象智联平台视觉可视化截图

异常点分析

根据经验对图形结构进行分析, 从而发现异常的图形结构, 再找出导致图形异常的节点做进一步分析, 从而发现风险;短时间内关系图结构不会发生大变化, 一旦发生很大变化, 则可能存在异常, 需要进一步关注分析 。

图片来源:万象智联平台视觉可视化截图

欺诈团伙挖掘

结合图谱挖掘, 有利于迅速发现欺诈团体---根据贷前认定标记的欺诈客群,寻找有紧密联系的欺诈用户

图片来源:万象智联平台视觉可视化截图

结合图谱挖掘, 有利于迅速发现欺诈团体---手机号相似性(前9位相同) 关联挖掘欺诈团伙

图片来源:万象智联平台视觉可视化截图

下期我们将详细介绍万象智联应用PageRank算法及社团发现算法在团伙反欺诈中的作用与效果,欢迎持续关注与探讨。

End

文 | 中诚信征信 市场品牌部

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20181010A1NBEH00?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 yunjia_community@tencent.com 删除。

扫码关注云+社区

领取腾讯云代金券