1、為什么要用大數(shù)據(jù)來反欺詐？

近些年來互聯(lián)網(wǎng)金融蓬勃發(fā)展，特別是P2P的興起，顛覆了傳統(tǒng)的銀行貸款模式，給大眾帶來快速便捷的金融服務(wù)；在P2P行業(yè)中，借款端的風(fēng)險(xiǎn)是P2P公司面臨的主要風(fēng)險(xiǎn)，而借款端的風(fēng)控水平可以說決定了一家P2P公司的核心競(jìng)爭(zhēng)力。

借款端風(fēng)險(xiǎn)的一個(gè)主要來源是欺詐風(fēng)險(xiǎn)，傳統(tǒng)的反欺詐手段主要依賴于信息的人工審核，而身份證、手機(jī)號(hào)碼、銀行流水等材料的偽造成本非常低，各類信貸服務(wù)機(jī)構(gòu)均不得不投入大量的人力用于核實(shí)信息主體的身份及其提供材料的真實(shí)性；在這種形式下大數(shù)據(jù)反欺詐成為了P2P平臺(tái)提高風(fēng)險(xiǎn)控制水平的新思路。

大數(shù)據(jù)反欺詐，即是通過對(duì)數(shù)據(jù)的采集和分析，找出欺詐者的蛛絲馬跡，挖掘其數(shù)據(jù)的矛盾點(diǎn)和可疑點(diǎn)，識(shí)別和預(yù)防欺詐事件的發(fā)生。大數(shù)據(jù)收集了大量異構(gòu)、多樣化的信息，包括可交叉驗(yàn)證信息主體所提供的信息以及第三方信息來源的真實(shí)性，尤其是對(duì)于第三方信息來源，信息主體想要進(jìn)行長時(shí)間、全方位的偽造，非常困難，成本較高，并且事實(shí)上經(jīng)常不可行，因此大數(shù)據(jù)具有較強(qiáng)的反欺詐能力。

2、面對(duì)的挑戰(zhàn)

大數(shù)據(jù)反欺詐技術(shù)又可以分解為兩個(gè)子問題，第一個(gè)問題是在用戶的授權(quán)下如何收集用戶的相關(guān)數(shù)據(jù)，包括去哪里收集和收集哪些數(shù)據(jù)，為此我們對(duì)接了大量的第三方數(shù)據(jù)提供商的系統(tǒng)，還在用戶的授權(quán)下，利用網(wǎng)絡(luò)爬蟲抓取公開的互聯(lián)網(wǎng)數(shù)據(jù)，從而不斷完善和豐富數(shù)據(jù)集，增加覆蓋維度；第二個(gè)問題是如何整合和利用已收集的數(shù)據(jù)解決反欺詐問題，由于數(shù)據(jù)來源多，數(shù)據(jù)異構(gòu)碎片化，結(jié)構(gòu)(structure)、半結(jié)構(gòu)(semi-structure)和無結(jié)構(gòu)（adhoc）數(shù)據(jù)共存，并且規(guī)模龐大增長迅速，因此這一過程的挑戰(zhàn)在于如何整合異構(gòu)的數(shù)據(jù)源，如何有效的利用已有的數(shù)據(jù)進(jìn)行交叉驗(yàn)證。

為了應(yīng)對(duì)這個(gè)挑戰(zhàn)，我們利用圖（Graph）的數(shù)據(jù)結(jié)構(gòu)，將不同渠道的碎片化、異構(gòu)數(shù)據(jù)整合成為機(jī)器可以理解的知識(shí)，構(gòu)建了知識(shí)圖譜(Knowledge Graph)，借助規(guī)則引擎（Rule Engine），實(shí)現(xiàn)了欺詐的識(shí)別與防御。

3、知識(shí)圖譜的概念

知識(shí)圖譜是一種基于圖的數(shù)據(jù)結(jié)構(gòu)，其目的是將真實(shí)世界所存在的實(shí)體，知識(shí)以及概念等描述成機(jī)器可以理解的數(shù)據(jù)結(jié)構(gòu)，將數(shù)據(jù)轉(zhuǎn)化為知識(shí)；圖的節(jié)點(diǎn)(Point)是真實(shí)世界所存在實(shí)體，由一個(gè)全劇唯一的ID來標(biāo)識(shí)和索引，每個(gè)實(shí)體可以帶有若干不同的屬性（Property），用來刻畫實(shí)體的特性，而圖的邊(Edge)則用來描述兩個(gè)實(shí)體的關(guān)系，例如is-a關(guān)系，表示一個(gè)實(shí)體是另一個(gè)實(shí)體的一種，或是has-a關(guān)系，表示一個(gè)實(shí)體具有另一個(gè)實(shí)體，這樣的關(guān)系都是用來刻畫實(shí)體之間的關(guān)聯(lián)關(guān)系。知識(shí)圖譜可以看作一個(gè)巨大的網(wǎng)絡(luò)，是由數(shù)據(jù)繪制出來的一張知識(shí)圖。

知識(shí)圖譜最先由Google提出（http://googleblog.blogspot.sg/2012/05/introducing-knowledge-graph-things-not.html)，用于提升搜索引擎質(zhì)量。舉一個(gè)簡(jiǎn)單的例子，當(dāng)我們用Google搜索“劉德華的老婆”時(shí)，Google返回了朱麗倩的信息，說明Google是理解了搜索框中的內(nèi)容才進(jìn)行的搜索，而不是簡(jiǎn)單的字符串檢索，這就是一個(gè)知識(shí)圖譜的應(yīng)用場(chǎng)景。

4、知識(shí)圖譜在反欺詐場(chǎng)景的應(yīng)用

在反欺詐場(chǎng)景中，知識(shí)圖譜聚合各類數(shù)據(jù)源，逐步繪制出借款人的profile，從而針對(duì)性質(zhì)的識(shí)別欺詐風(fēng)險(xiǎn)。以一個(gè)借款人舉例，借款人可以有身份證號(hào)，手機(jī)號(hào)，學(xué)歷等個(gè)人信息，屬于個(gè)人的屬性信息；而借款人可以有擔(dān)保人或是親屬好友，借款人與擔(dān)保人之間的關(guān)系（也就是邊Edge）是被擔(dān)保與擔(dān)保的關(guān)系，借款人與其親屬好友之間的關(guān)系是父親、母親、同事、同學(xué)等關(guān)系；借款人也具有住址，銀行流水，工作單位等信息。這些信息可以來自于多個(gè)渠道，例如可以由借款人自己填寫，或是積累的歷史數(shù)據(jù)，或是數(shù)據(jù)提供商提供，或是在互聯(lián)網(wǎng)上獲得，甚至通過推理得到，往往具有冗余性；信息通過圖的形式連結(jié)，展示出了借款人的profile。

4.1、識(shí)別數(shù)據(jù)造假

當(dāng)融合來自不同數(shù)據(jù)源的信息構(gòu)成知識(shí)圖譜時(shí)，有一些實(shí)體會(huì)同時(shí)屬于兩個(gè)互斥的類別（例如同時(shí)在兩個(gè)不同的城市工作），或某個(gè)實(shí)體所對(duì)應(yīng)的一個(gè)Property（同一個(gè)人的住址）對(duì)應(yīng)多個(gè)值，這樣就會(huì)出現(xiàn)不一致性，這個(gè)不一致性即可判定為潛在的可疑點(diǎn)。

通過這種不一致性檢測(cè)，我們利用繪制出的知識(shí)圖譜可以識(shí)別潛在的欺詐風(fēng)險(xiǎn)。在P2P行業(yè)，欺詐風(fēng)險(xiǎn)主要的騙術(shù)包括個(gè)人信息造假、工作單位虛假、代辦包裝、虛假聯(lián)系人、組團(tuán)騙貸等。以識(shí)別數(shù)據(jù)造假為例，利用知識(shí)圖譜我們可以通過借款人的身份信息PII(Personal Identify Information)，例如手機(jī)號(hào)或是身份證號(hào)，直接索引到個(gè)人的全部信息，并以此與借款人的填寫信息進(jìn)行不一致性檢測(cè)；也可以通過借款人的其他信息進(jìn)行推理出其相關(guān)信息進(jìn)行驗(yàn)證，舉一個(gè)例子，我們可以通過借款人的身份證號(hào)和姓名可以獲得他的學(xué)歷信息和年齡，通過學(xué)歷信息和年齡可以推算出其工作年限，再根據(jù)其所在城市，行業(yè)，職位，結(jié)合互聯(lián)網(wǎng)上的招聘網(wǎng)站數(shù)據(jù)推理出其薪水范圍，進(jìn)而驗(yàn)證他的收入水平；甚至可以通過不同借款人之間的同事關(guān)系，驗(yàn)證其工作單位的真假。

4.2、組團(tuán)欺詐和代辦包裝

除了對(duì)數(shù)據(jù)造假進(jìn)行驗(yàn)證外，由于圖結(jié)構(gòu)帶來的天然關(guān)聯(lián)檢索的特點(diǎn)，知識(shí)圖譜可以識(shí)別潛在的代辦包裝或是組團(tuán)騙貸。我們利用征信公司提供的欺詐數(shù)據(jù)，擁有的代辦包裝公司數(shù)據(jù)，互聯(lián)網(wǎng)公開欺詐黑名單，行業(yè)黑名單聯(lián)盟等數(shù)據(jù)開發(fā)了大量的標(biāo)簽數(shù)據(jù)，對(duì)實(shí)體（包括公司和人）貼上標(biāo)簽，例如逾期，虛假手機(jī)號(hào)，代辦包裝或是組團(tuán)騙貸等標(biāo)簽，當(dāng)借款人進(jìn)行申請(qǐng)貸款時(shí)，如果我們發(fā)現(xiàn)他和bad people/company/info具有較多的關(guān)聯(lián)關(guān)系，那么這個(gè)人有很大的可能是欺詐，從而識(shí)別出風(fēng)險(xiǎn)。

與搜索引擎的場(chǎng)景不同，知識(shí)圖譜在反欺詐場(chǎng)景中具有較低的應(yīng)用門檻，數(shù)據(jù)量較少時(shí)也可以進(jìn)行低程度的交叉驗(yàn)證，而隨著數(shù)據(jù)量的積累和增多，知識(shí)圖譜也會(huì)越來越完善，其反欺詐能力也會(huì)越來越強(qiáng)。我們建立了名為”Matrix”的大數(shù)據(jù)反欺詐系統(tǒng)，在借款人提交借款申請(qǐng)開始即介入整個(gè)風(fēng)控流程，對(duì)接多個(gè)數(shù)據(jù)源以獲取借款人的數(shù)據(jù)信息，在各個(gè)環(huán)節(jié)建立checkpoint，通過可配置的規(guī)則引擎在各個(gè)checkpoint執(zhí)行預(yù)定的邏輯，識(shí)別和防御欺詐風(fēng)險(xiǎn)。

結(jié)語

這篇文章介紹了點(diǎn)融網(wǎng)在大數(shù)據(jù)反欺詐領(lǐng)域的嘗試與實(shí)踐，比較系統(tǒng)的介紹了知識(shí)圖譜技術(shù)在反欺詐領(lǐng)域的應(yīng)用。知識(shí)圖譜的構(gòu)建離不開數(shù)據(jù)的積累，也需要知識(shí)庫、自然語言理解、機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘等多方面知識(shí)的融合；知識(shí)圖譜使得機(jī)器能夠理解現(xiàn)實(shí)世界的實(shí)體和關(guān)系，正如Google所說，a “graph”—that understands real-world entities and their relationships to one another: things, not strings.

本文作者：程書欣（點(diǎn)融黑幫），現(xiàn)任點(diǎn)融網(wǎng)研發(fā)工程師，關(guān)注大數(shù)據(jù)風(fēng)控技術(shù)，主導(dǎo)研發(fā)點(diǎn)融網(wǎng)反欺詐系統(tǒng)Matrix。