大数据反欺诈应用实践

《大数据反欺诈应用实践》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、点融网大数据技术反欺诈实践AgendaP2P领域反欺诈的问题与挑战知识图谱在反欺诈领域的应用与实践反欺诈系统的技术架构P2P存在的风险18%20%16%18%9风控和反欺诈现状欺诈造成的损失中小微企业占企业总数10借款端欺诈频发贷款资料造假伪造银行流水，收入信息工作单位涉嫌欺诈身份资料造假中介代办包装中介对不符资质的借款人的资料进行包装，以获得贷款组团骗贷多人联合欺诈反欺诈问题充满挑战反欺诈是一个Negativegoal核实身份证真假？Goodtocheck，butnotnearlyenou

2、gh必须检查所有欺诈方式的可能性必须不断更新反欺诈策略怎样实施欺诈？伪造身份证去申请贷款伪造工作单位包装银行流水组团骗贷……传统资料验证手段–身份证案例13传统验证手段依赖于信息的人工审核，效率低看打电话14技术验证手段复杂风控模型变量池单变量/多变量分析，筛选基于统计学建模，机器学习、逻辑回归……问题？缺乏表现力数据孤点15关联分析全部的贷款中，拥有关联关系的贷款占总数的30%左右约有四分之一的疑似欺诈贷款，构成相关关系反欺诈问题是一个搜索问题搜索什么？所有与借款人相关的数

3、据搜索哪些数据？点融网积累的历史数据数据提供商的数据互联网爬虫所得到的数据如何更好地搜索？表结构无法很好的表达relation17知识图谱KnowledgeGraphGoogle提出知识图谱用于改善搜索引擎结果Awebofentities自然语言表示三元组表示，(实体1,关系,实体2)18为什么要用Graph信息聚合，Alldatainoneplace借款人PII信息借款人的常用联系人，手机，工作单位和关系借款人的雇佣信息互联网上公开数据，例如公开黑名单、企业黄页等数据提供商的数据强

4、大的关联检索机器可理解和推理19如何构建Graph三元组（实体，谓词，实体）实体deduction关系deduction推理（Inference）识别数据造假就职公司矛盾手机造假21开发Tag以标记借款人特征丰富数据维度对接多个数据提供商爬取互联网数据：公开黑名单，信息服务类网站，法院网以Tag标记借款人特征，以便进一步分析22识别组团欺诈关系挖掘挖掘借款人的潜在Tag的关系借款人的网络中可能存在中介借款人的网络中可能有命中诈骗Tag的人挡不住第一单，可以挡住第二单、第三单23关系建模24

5、问题与挑战数据来源多，异构数据清洗节点合并实体识别相似实体合并复杂的业务逻辑模型的测试与部署点融网反欺诈系统的技术架构Keyusecases对接诸多第三方系统定向抓取决策模型复杂多变26点融网反欺诈系统的技术架构微服务架构基于消息中间件的异步处理StatelesssystemEventidempotence监控可灵活配置的规则引擎Built-in策略Groovy脚本支持2728规则引擎Goal通过管理配置和扩展手段快速反应业务逻辑的变化Module规则元数据管理运行数据

6、管理运行执行和规则策略Feature支持meta规则，built-in规则，扩展规则支持Groovy脚本，最大灵活程度历史验证数据，便于审计事件流30总结知识图谱有效挖掘二维数据的潜在知识丰富数据表现力提供更有效的feature建模不仅仅是反欺诈