中国数字金融反欺诈全景报告2019ppt

中国数字金融反欺诈全景报告（2019）主讲人：于百程 零壹研究院院长*本报告由零壹智库与乐信联合发布AI赋能，料敌于先，构建生态数字技术推动金融行业发展，但数字技术也为金融欺诈带来可乘之机，目前欺诈严重伤害用户对金融科技的信任，成为阻碍数字金融行业发展的致命威胁。本报告联合国内分期消费行业的头部企业——乐信，借助其全面的反欺诈技术体系与丰富的反欺诈实践经验，以及庞大的数据积累和翔实的反欺诈案例，同时结合对业内多家具有代表性的反欺诈机构的深度调研采访，全面分析数字金融反欺诈新态势以及AI反欺诈系统的技术机制和实践成效。数字金融欺诈的过去及现状PART1根据欺诈手段和类型的不同，金融欺诈的发展历程主要分为三个阶段：线下金融欺诈、互联网金融欺诈和数字金融欺诈。欺诈进入数字金融时代线下金融欺诈手段：电信诈骗为主特点：人员数量有限，尚无技术化的作案工具互联网金融欺诈手段：冒充他人、钓鱼网站特点：诈骗传播快速化、手段信息化、行为趋于场景化数字金融欺诈手段：多重攻击手段联合作案特点：黑产成熟化、技术专业化、行为关联化、高频化新型数字金融欺诈的四大特征黑色产业链成熟化、规模庞大欺诈团伙有专业组织并且分工明确，各环节具备特定职能。截至2018年我国黑产从业人员超过200万人，黑产市场规模已达千亿级别。欺诈技术专业化，快速更迭欺诈团伙借助大数据等前沿技术，精确识别“欺诈目标”并采取相应措施，欺诈手法通过各类软件进行指数化传播。欺诈事件高频化，成本低廉数字金融欺诈呈现小额高频的异地作案趋势，给司法机关取证定罪带来极大困难。同时作案成本低廉，可能只有数台手机电脑和银行卡。欺诈行为关联化，异地高发在实施欺诈的过程中都会在地址、户籍、IP地址、交易时间等多个维度上呈现明显的聚集关联现象，并以异地作案为主。据零壹智库与数字金融平台及反欺诈第三方的调研显示，数字金融欺诈普遍具有黑产化、专业化、高频化、关联化等四个典型特征完整的黑色产业链薅羊毛 | 网络贷款诈骗 | 电信诈骗 | 套现 | 理财诈骗 | 虚假信息 | 账号被盗 | 中介诈骗 | 交易诈骗 | 网络刷单上游中游下游上游主要负责提供欺诈软硬件设备和其他作案资源。包括：网络黑客、欺诈软件/脚本开发者、设备提供商、猫池厂商等。中游主要负责数据信息的获取、伪造以及倒卖等.包括：卡商、个信批发商、接码平台、打码平台、群控平台等。下游主要负责诈骗实施以及洗钱销赃。包括：职业刷单、羊毛党、代理工作室等数字金融时代下受欺诈人群深度画像分析PART2受欺诈人群画像总体特征根据受欺诈人群画像特征可以总结出： 年轻男性更容易受骗 欺诈金额小但欺诈发生频率高 中东部地区受欺诈严重 欺诈时间集中于下午欺诈事件发生量排名前十省份的欺诈事件数量全国占比超50%。其中，从受欺诈人群的地域分布看，中东部地区的人群更易遭受欺诈行为。地域：中东部地区高发9.4%7.5%6.6%4.7%4.7%4.6%4.6%4.4%4.1%3.9%0%2%4%6%8%10%内蒙古广东河南山东四川黑龙江陕西湖南山西河北图：欺诈事件发生量全国占比排名TOP10省份图：欺诈事件发生量全国占比排名TOP5省份内蒙古广东省河南省山东省四川省数据来源：乐信，零壹智库欺诈损失：人均2000元左右0%10%20%30%40%50%60%70%80%90%100%1月2月3月4月5月6月7月8月9月10月11月12月1月2月3月4月5月6月12000以上10000-120008000-100006000-80004000-60002000-40000-2000从欺诈金额看，单笔欺诈金额在2000元以下的占比逐渐升高，数字金融诈骗更加趋向小额高频模式。图： 数字金融诈骗金额区间分布情况(2018.1-2019.6)数据来源：乐信，零壹智库从性别特征看，男性更易被骗，受害人数量约为女性的2倍，这可能与数字金融用户中男性占比较高有关。在薅羊毛事件中，女性受欺诈概率更高，可能因为女性在电商网购优惠活动下，更容易放松警惕性别：“薅羊毛”诈骗最易盯上女性图：欺诈受害者性别分布（2018.1-2019.6）图：不同欺诈类型的性别分布（2018.1-2019.6）0.00%5.00%10.00%15.00%20.00%25.00%30.00%35.00%40.00%45.00%中介诈骗收费代办电信诈骗商户集资薅羊毛男女男, 64.5%女, 35.5%数据来源：乐信，零壹智库年轻人是数字金融的主要客群，受欺诈人群也主要以90后居多广东省90后最易被骗，其次是湖南、河南与四川年龄：受骗者年轻化，90后最易中招图：欺诈受害者年龄段分布（2018.1-2019.6）图：90后受欺诈者地区分布（2018.1-2019.6）10.9%7.1%6.7%5.2%4.9%4.9%4.8%4.7%4.4%4.2%0%2%4%6%8%10%12%广东湖南河南四川贵州江苏江西湖北山东广西数据来源：乐信，零壹智库12~18点为欺诈事件高发时间段，超六成欺诈发生在这一时间段案发时间：下午为欺诈高发时间段20.2%61.1%13.2%5.5%[6,12][12,18][18,23][23,6]图：欺诈发生时间段分布（2018.1-2019.6）数据来源：乐信，零壹智库数字金融反欺诈的AI解决方案PART3金融欺诈和反欺诈之间是一场旷日持久的“攻防战”，欺诈方和反欺诈方始终处于动态博弈的过程中。金融反欺诈的攻防博弈Round 1Round 2Round 3传统反欺诈：以黑白名单为主互联网反欺诈：以规则引擎为主，将规则引擎和黑白名单相结合智能反欺诈：以有监督机器学习为主，无监督机器学习、规则引擎和黑白名单为辅线下欺诈：手段单一，电信诈骗为主互联网欺诈：诈骗传播快速化、手段信息化、行为趋于场景化数字欺诈：人员组织化、手段技术化、行为场景化、方式隐蔽化人工智能反欺诈系统有效发挥作用的一个大前提是，任何反欺诈策略都要根据特定的场景和数据特征对症下药地制定，脱离场景、数据而空谈与反欺诈相关的技术优势是无法让整套人工智能反欺诈技术顺利地与需求方的业务场景对接的。通过对相关企业的调研，零壹智库认为，场景、数据和技术是人工智能反欺诈系统的三大关键要素，其中，技术要素是最能体现人工智能反欺诈系统有效性的基础要素，算法模型和系统架构又是技术要素的两大核心。场景、数据和技术是AI反欺诈系统的三大核心要素数字金融反欺诈的生态链银行公安司法部门征信机构社交平台电商平台网贷平台其他数据机构……数据银行保险非银信贷消费金融第三方支付汽车金融证券基金……业务场景根据反欺诈体系完备性、反欺诈技术前沿性、反欺诈应用广泛性与反欺诈效果等维度划分蚂蚁金服、乐信等公司位于国内数字金融反欺诈技术服务领域的第一阵营人工智能大数据云计算区块链乐信：全AI反欺诈效率过去一年，帮助用户规避2000余起欺诈案件单月拦截金额约3000万平均每天帮助用户避免约100万元损失50人以上的团伙欺诈案件发生0起中国最佳信贷技术项目大奖《亚洲银行家》2019.7从欺诈风险率来看，乐信明显低于行业平均水平，将欺诈风险率控制在三百万分之一更低的欺诈风险率VS欺诈风险率:三百万分之一（0.003BP）万分之一左右（1.