2024金融风控反欺诈图行算法.pdfVIP

金融风控反欺诈图算法

先介绍下金融借贷业务流程：用户前来申请借贷，会先经过欺诈识别，把欺诈团伙

和主欺诈的个人拒绝掉，然后对通过的人做信用评估，最后根据额度模型，算

出利润最大化时放款金额。

刚才提到了团队欺诈，举个真实的例子。宜人贷在他们的财报中公布的，他们被

一个团伙成功抬走了2000多单，当时宜人贷的件均4w,一下损失了8OOOW!!

那么如何防范这种风险呢。这就是今天要分享的图算法。图可以将这些一个个有

良好记录的个体关联起来，一网打尽。

再举一些团伙欺诈的行为。比如一个团伙，注册真实的淘宝商家，然后刷出良好的

淘宝购物记录。或者来回转账，刷出良好的银行流水。

刚才前两位老师都没有提到额度模型，简单介绍下，如果只给川户放款5000,

可能坏账风险很小，但是利息也少，如果放款1OOOO,利息虽然收到利息多了，

但是坏账风险高岭，所以需要做个权衡

Graph简介

G=(V,E)G=(V,E)

•V:vertexset

•E:edgeset(有向，无向，有权重和没有权重)

举例，两个人之间的联系，A给B买了东西，A和B之间的通话次数时长多于A

和C之间。

•度中心性(DegreeCentrality)-表示连接到某节点的边数。在有向图中，

我们可以有2个度中心性度量：流入和流出。一个节点的节点度越大就意味

着该节点在网络中就越重要。

•接近中心性(ClsenessCentrality)-从某节点到所有其他节点的最短路径

的平均长度。反映在网络中某一节点与其他节点之间的接近程度。

•介中心性(BetweennessCentrality)-某节点在多少对节点的最短路径上。

介数中心性是比较能体现节点在图中桥梁作用的中心性度量方法。介数反映

了相应的节点或者边在整个网络中的作用和影响力，具有很强的现实意义。

例如，在交通网络中，介数较高的道路拥挤的概率很大；在电力网络中，介

数较高的输电线路和节点容易发生危险。

社团发现算法一般有：

•最小割，正则化割:通过计算图的最小割，即将网划分为预定的分组数，

并使连接各分组的边的条数最少。

•非负矩阵分解:基本原理是将原始矩阵分解得到社区指示矩阵和基矩阵

•基于模块度的社区划分

•基于节点相似性的社区划分

最小割算法广泛应用在分布式计算的负载均衡中，对集群节点的分组有利于减少不

相关节点之间的通信。然而由于该算法限定了网最终分组的个数，而不能通过算

法发现”节点间的内在联系并自然地构成若干个社区，因此最小割算法应用较为局

限。

本文主要分享这两类的主要算法，基于模块度的louvain和基于信息燧infomap,

基于相似度的node2vec

模块度(Modularity)公式及简化

优化目标：一般认为社团内部的点之间的连接相对稠密，而不同社团的点之间的连

接相对稀疏。

所以模块度也可以理解是社区内部边的权重减去所有与社区节点相连的边的权重和,

对无向图更好理解，即社区内部边的度数(内部的连线数)减去社区内节点的总度

数。

诟T

1A网£/kjkj

3(G,0)

2m2m

L2,J

(EG?