大数据金融反欺诈解决方案.pptx

大数据金融反欺诈解决方案

一.行业欺诈现状

欺诈数据

线下贷款.拒贷比例中15%为欺诈

80%

全线上贷款，拒贷比例中80%为疑似欺诈，当中有超过50%是有明显团体欺诈的特征

50%

全线上贷款贷后损失率客户中超过50%为欺诈

坏账中大概有50%来自于欺诈

行业高发的欺诈问题

二.反欺诈需要解决的问题

反欺诈要解决的问题

你是你吗？

你是人吗？

你是自己吗？

你知道是自己吗？

欺诈行为判别

构建用户行为画像

三.解决方案

场景化，事件驱动的欺诈识别服务

反欺诈云服务

场景化事件驱动的欺诈识别服务

四.反欺诈云技术优势

精确的事件分析引擎

CEP引擎实时计算分析（过滤、关联、聚合）与欺诈案件相关的多类事件之间的关联性，精确定位用户意图，还原事件场景，降低误杀率.

例如：某用户，在修改密码后，接着重新绑卡，然后进行提现操作的风险评估.

1.EventProcessingFlow

2.BasedOpenSourceCEPFramework

灵活高效的规则引擎

PatternMatcher

Agenda

InferenceEngine

ProductionMemory

（Rules）

WorkingMemory

（Facts）

RuleRepository

RuleManagementConsole

RuleEngineAPIs

BusinessApplication

RuleEngine

风险决策逻辑和应用逻辑的分离，业务人员可以自主实现规则配置

支持复杂规则处理，包括时间窗口规则，位置规则，统计规则，名单规则，事件关联规则，用户习惯规则，异常规则

引擎将规则执行结果量化为申请人的欺诈概率，并将客户实际业务场景与欺诈概率阈值进行比较，进而做出合理决策

积累多年的反欺诈经验规则库

信贷场景规则包

理财场景规则包

支付场景规则包

电商场景规则包

专家规则库

精准的风险引擎

离线建模

在线分析

多维度欺诈信息库

欺诈，老赖，违约相关的

手机号、邮箱、

身份证号、

姓名、银行卡号、设备ID、

IP地址

黑灰名单

四要素认证：姓名，身份证号，手机号，银行卡号

个人学历状况

个人投资任职状况

个人公积金社保

个人通讯信息

个人消费信息

身份核实

交叉验证，

多头借贷，多头申请

跨平台交易查询

设备ID、IP、地理位置、交易时间、用户ID

交易场景，事件以及事件持续时间

用户行为库

IP全球最精准IP定位、

GPS经纬定位、基站定位数据

移动设备信息库

基于设备、IP、地理位置、地域、联系人、通话记录，社交关系等多维度数据挖掘用户关联图谱

用户关联图谱

法院案件号、欠款描述、身份证

号、组织机构代码、姓名、手机

号、银行卡号，不良买家、不良商户

司法失信信息

硬件属性信息

IP信息

GPS地理位置信息

设备所安装应用信息

设备指纹

智能的关联分析

组团欺诈分析

不一致性验证