1703654595
1．用互联网描述你
1703654596
1703654597
2014年10月23日，一名男子在光天化日之下，手持斧头在美国纽约市街头袭击4名警察，造成其中2人受伤，犯罪嫌疑人扎勒·汤普森在袭警事件中被击毙。纽约警方在次日的记者会上将此次事件定义为恐怖袭击，并称该名犯罪嫌疑人是“独狼”式恐怖袭击者，与有组织的恐怖袭击没有关系。
1703654598
1703654599
为什么警方能够在不到一天的时间内对该名犯罪嫌疑人及其行动做出以上判断呢？这源于美国完备的个人履历记录以及互联网信息获取。根据其个人履历，该犯罪嫌疑人曾在海军服役，后因不端行为遭开除，曾经因为家庭暴力被拘捕6次。也就是说这个人有一份不太光彩的信用记录。而互联网又能告诉我们什么呢？美国设立了专门监控极端组织互联网活动的“搜索国际恐怖组织研究所”，通过互联网信息的追踪，他们了解到犯罪嫌疑人曾在社交媒体发布大量反西方、反社会的言论，他的浏览及搜索记录显示其关注极端主义组织，他还曾在网站上分享极端武装组织“伊斯兰国”的视频，这种行为具有极端宗教主义特征；但是他的社交网络中并未发现极端组织成员，他在互联网上的生活轨迹并未显示其与极端组织有过实质性接触，因此该名犯罪嫌疑人仅是一匹“独狼”，并未参与有组织的犯罪网络。
1703654600
1703654601
上述信息追溯的过程体现出，使用互联网信息，包括互联网浏览行为、搜索记录、社交媒体，可以描述出一个人的文化层次、生活圈子、职业情况和偿付能力，对客户的评价不再局限于征信报告中所体现的历史信贷记录，更多更广的数据已经应用在风险管理中。网络世界虽然虚拟，但不意味着虚假，人在网络上的行为有时反而更为真实。特别是在反欺诈的领域，互联网上能够获取到的信息更为丰富，能够为交叉验证提供更多素材。
1703654602
1703654603
某家金融机构对网络申请进行研究的过程中发现，被识别出的欺诈申请客户集中呈现一个较为显著的特征，即在72％的欺诈案例中，申请人在近12个月内未在国内主流网站上留下浏览记录。互联网浏览记录与欺诈行为本身并没有直接因果关系，但从关联分析角度，一个从不上网的人，突然通过网络渠道申请了一笔金融贷款，非常不合常理。这只是互联网信息在识别与管控欺诈风险方面的一个小小应用。
1703654604
1703654605
2．线上＋线下信息应用
1703654606
1703654607
反欺诈形式多样，单独使用互联网信息并不能全面地刻画客户特征。线上＋线下数据、跨平台数据、多维度信息综合在一起才能发挥更大的作用。
1703654608
1703654609
在这点上，电商平台出身的大型互联网公司比传统金融机构走得更快一步。由于平台上可汇集客户的信息流、资金流和物流信息，即“三流合一”，因此大型互联网公司具备数据深层价值挖掘的先天优势。现在，很多机构都在自己所擅长的领域加固自身的信息优势，采取客户授权的方式，从个人电脑端、平板电脑端、手机端抓取各类信息，包括客户身份信息、个人社交网络信息、互联网浏览记录、金融账户的收支记录、物流数据体现的地址与库存信息等。在这些基础信息之上，可推演更多的数据，来刻画客户的财务情况、兴趣爱好、支付习惯和社会关系，从中获取更为真实的客户画像。
1703654610
1703654611
3．非现场的“现场”调查
1703654612
1703654613
移动互联技术使得无论人与人的物理距离有多遥远，都可以通过一台电脑、一部手机，直接将距离拉到最近。创新申请入口减少了金融机构的实地参与过程，但是也为它们提供了更多远程调查手段。
1703654614
1703654615
在网络申请中，可以通过嵌入远程视频信息核实的环节，直接与申请人“面对面”，确认身份；通过一段视频、一组照片，确认其供职场所、经营地点的实际情况，即使足不出户，也能“实地”调查。
1703654616
1703654617
随着技术水平的不断提高，客户自己手持手机，通过APP软件即可便利地获取贷款。在申请过程中，嵌入手持手机拍照的过程，将自己的面孔与身份证件放置于指定的方框内，方可通过该步骤。而方框内截取的图像，可在后台通过人脸识别技术，匹配申请人与所持证件的一致性。上述一系列“非现场”反欺诈方法，也是创新模式所带来的新的解决方案。
1703654618
1703654619
4．“傻瓜”式反欺诈调查
1703654620
1703654621
在信贷工厂模式下，集约化的管理过程提高了系统智能化决策的可能性。各类信息采集与对比校验的过程完全可以让系统自动进行，并根据事先部署好的反欺诈规则和策略自动执行必要的拒贷动作。无法确定、尚需核实的案件，在审批端采用定制化问题，由作业人员执行反欺诈调查。这种定制化体现在方方面面，可根据欺诈情况的不同，采用不同的流转规则和不同技能等级的调查；可根据外部信息匹配的情况，对电话核实人员拨打电话的顺序、拨打电话的时间提出明确要求，或通过外部信息归集和处理，直接提供第三方的电话联系方式进行拨打核打；在电话核实过程中，有针对性地设计需客户回答的问题，调查人员依据系统提示询问并记录结果，系统就可给出是否欺诈的决策判断。这一系列动作都是由系统规则策略控制安排的，调查人员只需简单“傻瓜”式地执行，如操控“傻瓜”相机一样。这得益于外部数据的引入，以及评分卡对客户欺诈风险概率的衡量，实现精准到个人的反欺诈调查工具。
1703654622
1703654623
5．中文信息处理工具
1703654624
1703654625
反欺诈的主要核心是信息比对和逻辑校验，而信息比对的过程离不开对文字的识别与校验。中文文本的特点使得这个过程较为复杂，需要具有文本解析、模糊归类、特征词汇识别等技术的工具，方能在保证运营效率的同时，处理好信息过滤与比对校验的过程。
1703654626
1703654627
举例而言，在识别地址同一性时，A客户提供的地址为“北京路22号4门”，B客户提供的地址为“北京路22-4号”，C客户提供的地址为“北京路22/4”，上述三个地址是否能够识别为同一地址，就需要看各家机构的数据处理能力了。
1703654628
1703654629
反欺诈的大数据应用
1703654630
1703654631
大数据在反欺诈风险管理方面已经有了初步应用。
1703654632
1703654633
1703654634
1703654635
第一，客户申请信息的真实性验证。信息的真实性核查经常依托于客户网络关联关系及逻辑对比，对于多项申请信息中不符合关联关系或逻辑的部分进行比对校验，可以排查欺诈风险。通过大数据的引入，金融机构有了更多的外部信息作为关联关系和逻辑比对的数据基础，更容易发现隐藏着的欺诈风险。例如，互联网大数据提供的位置服务，能够将客户填写的地址信息定位为地理位置坐标，并与客户常用物流地址位置坐标进行比对，如果发现客户提供了一个距离偏差过大的地址，则该地址信息存在虚假的可能性。另外，如客户申请贷款所填写的手机号，是否在其他人的社交、交易信息中出现过，是否被多次用来申请贷款等。
1703654636
1703654637
1703654638
1703654639
第二，申请人身份的真实性验证。在申请欺诈中，即使填写的申请信息是真实的，也难以避免身份冒用的情况。特别是在网络申请的背景下，金融机构很难获知互联网背后那个申请人的真实身份。利用大数据可以对申请人身份进行隐性信息的核实。例如，通过申请信息中的身份证号，就能够索引出该人的详细户籍信息，可在身份核实的过程中询问其户籍地或户籍信息中的亲属信息，而这些信息对于伪冒者来说是较难获知的。大数据在申请人隐性信息核实方面所起到的作用，可以有效排除身份伪冒欺诈。
1703654640
1703654641
1703654642
1703654643
第三，申请资质的真实性验证。恶意的申请人往往会隐瞒对其不利的事实，如较大数额的隐形负债、公司运营存在的问题、或等待处理的法院执行案件等。大数据的应用使得申请人对自身真实资质的掩饰无所遁形。通过连接公开的互联网信息，可以获取申请人的企业经营信息、法院执行信息；通过金融机构间共建的恶意信息共享机制，也能够获知申请人的隐形负债情况和历史恶意违约的记录；对于中介机构批量编造的“优质”申请人，也能够通过黑中介信息的共享进行有效防范。
1703654644
[
上一页 ]
[ :1.703654595e+09 ]
[
下一页 ]