金融社交网络在伪卡欺诈发现中的应用研究

《金融社交网络在伪卡欺诈发现中的应用研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、金融社交网络在伪卡欺诈发现中的应用研究在线社交平台是当前十分流行的一种大型社会性网络服务技术，典型代表有国外的Facebook、Google+、Whafsapp等，国内的人人网、微信、新浪微博等。据各平台披露，截至2016年1月，人人网已有注册用户3.2亿，微信月活跃用户6.5亿，Facebook用户15.5亿(各平台活跃客户数如图1所示)。与在线社交平台一道得到极大发展的是社交网络技术。社交网络技术用于研究用户间潜在的关联模式，目前,社交网络技术已被广泛应用于话题传播、广告营销、社群发现等领域，取得了显著的

2、成就。社交网络分析(SocialNetworkAnalysis)起源于49世纪末20世纪初早期社会学家的研究，代表人物有格奥尔格•齐美尔(GeorgSimmel)和爱米尔•涂尔干(emileDurkheim)。早期的社交网络分析局限于对问题的描述，没有系统的研究方法。随着20世纪70年代研究的逐步深入，社交网络分析逐渐成为一个系统性的科研名词。近年来,随着Facebook等社交媒体的兴起，社交网络分析又进入了一个研究高潮。一方面社交媒体平台为研究提供了大量真实的分析数据，让科学家们更容易获取和分析真实社交网络

3、数据；另一方面社交网络分析工具和技术也越发成熟，工具和算法不再是研究壁垒。社交网络分析技术的发展也跨学科地带动了其他传统领域的发展，包括洗钱网络分析和反恐，其中最典型的代表是应用于生物领域的传染病传播模型。根据建模范式的不同，传染病传播模型可分为三大类：第一类为单一群体方法，将人群看作整体，流行过程体现在感染者、易感者等人群数量的变化；第二类为复合群体方法，考虑人群在空间上的异质性，将人群分为多个子群体，各子群体之间人员流动，形成复杂动态系统；第三类是微观个体方法，建模出发点是人群中的个体，个体有各自的属性和

4、行为规则，形成接触网络。其中，第二类模型与伪卡欺诈社群模型较为接近。上述三类模型的建模方式基本思路如图2所示。S1缶甲台tt®2016年1月酒跃痹户U•fT事一II体方快・F••子・复合■体方法BE2社交网络伎术应用于传浜離传）•的三«««方式受此思路启发，我们将社交网络技术引入金融领域，利用客户间的金融交易信息（在银行发生的以转账、还款为主的金融交易以及同一地址、紧急联系人等非金融联系）构建客户社交网络，挖掘客户间潜在的关联模式，称为“金融社交网络”技术。金融社交网络技术可以广泛应用于客户产品推荐、客户社群

5、发现、风险预警与监控等领域，本文以“伪卡欺诈发现”为例，展示该技术的应用潜质。“伪卡欺诈”也称“克隆卡欺诈”，指不法分子利用头盔、录像、测录磁卡信息、安装假刷卡设备等手段窃取卡号和密码，仿制出伪卡并利用伪卡消费或取现的行为。近年来，随着农业银行对欺诈交易客户产生的损失的持续核销，欺诈即得利益客群持续增加，欺诈规则被利用的可能性越来越大。欺诈交易客户间的传播属于“病毒”类传播，与传染病传播模型十分类似，其传播速度如不加以控制将呈现几何级增长，面临的形势十分严峻。传统的欺诈交易发现方法通常集中在单用户数据分析上，

6、如信用评级、用户行为监控、卡面加密等。在国家层面上，美国针对欺诈交易出台了《公信借贷法案》和《信用卡欺诈法》两部法律，从法律上提供了对信用卡欺诈犯罪的定义。而在卡面管理上，目前在全球范围内，许多国家也都在进行银行卡迁移（EMV迁移），推广EMV规范，在多个环节实施磁条卡向芯片卡的技术升级，使得卡片安全性更高，以防范制作和使用伪卡的欺诈行为。然而，这些方法只考虑和分析了单个客户的行为特征，而忽视了客户间关系对伪卡欺诈发现的意义。根据本文的分析，伪卡欺诈行为有着很强的集中性、传染性。伪卡欺诈行为的这种特点，一方面

7、可能由于不法分子偏好于针对某些易受骗客户群体集中作案；另一方面可能存在相熟客户间对欺诈规则的恶意传播、进而谎称伪卡的现象。无论基于哪种原因，伪卡客户的集中爆发都非常值得关注。本文以…批示例伪卡欺诈数据为分析对象，利用金融社交网络技术进行分析，初步得岀了关于伪卡欺诈客户的三个重要结论，并应用于欺诈交易客户识别系统，取得了不错的效果，证明了金融社交网络技术的实用性。一、金融社交网络模型构建金融社交网络模型的构建包括三步：伪卡欺诈客户数据加工、“社交关联”加工和“社交网络”建立。1.伪卡欺诈客户数据加工本文将发生了

8、任意一笔伪卡欺诈交易的客户称为“伪卡客户”。我们利用行内数据分析平台获得伪卡客户列表，并对其基本信息进行加工、整合和处理。（文中所采用的数据为抽样、变换+虚拟化后的数据，目的是为了验证算法的可行性，这些数据不是真实数据、与实际经营情况无关。）2.“社交关联”加工图论是社交网络进行处理的自然框架，且社交网络在形式上可以用图来表示。在这里我们使用了无向图，由点集和边集组成。集合中的元素是图G的节点（客户