(網(wǎng)經(jīng)社訊)· 數(shù)字技術(shù)為金融發(fā)展提供新動(dòng)力，但也為金融欺詐提供了可乘之機(jī)，對(duì)金融機(jī)構(gòu)和金融科技企業(yè)的風(fēng)控提出了嚴(yán)峻挑戰(zhàn)。數(shù)字金融欺詐不僅會(huì)造成企業(yè)經(jīng)濟(jì)損失，還會(huì)影響企業(yè)品牌聲譽(yù)，甚至對(duì)數(shù)字金融行業(yè)的普惠目標(biāo)和創(chuàng)新發(fā)展帶來負(fù)面影響。
· 對(duì)金融機(jī)構(gòu)與金融平臺(tái)而言，數(shù)字金融欺詐帶來了黑產(chǎn)化、專業(yè)化、高頻化、關(guān)聯(lián)化四大威脅。對(duì)數(shù)字金融用戶安全來說，數(shù)字金融欺詐隨著金融科技發(fā)展，呈現(xiàn)出欺詐地域廣泛化、受騙人群年輕化、欺詐事件小額化以及欺詐手法多元化的新挑戰(zhàn)。
· AI和大數(shù)據(jù)技術(shù)的有機(jī)結(jié)合改變傳統(tǒng)反欺詐的被動(dòng)防御局面，幫助企業(yè)化被動(dòng)為主動(dòng)，提前攔截欺詐發(fā)生。以樂信為代表的案例，充分展示AI技術(shù)對(duì)于反欺詐的重要作用。樂信打造了集數(shù)據(jù)、技術(shù)和機(jī)制于一體的全AI反欺詐體系，大幅提高事前欺詐識(shí)別率、欺詐應(yīng)對(duì)效率以及事后欺詐案件挖掘效率。據(jù)調(diào)研結(jié)果顯示，樂信欺詐率僅為0.003BP，而2018年銀行卡欺詐率約為1.16BP，說明樂信欺詐風(fēng)險(xiǎn)遠(yuǎn)低于行業(yè)平均水平，位列國內(nèi)反欺詐技術(shù)服務(wù)領(lǐng)域的第一陣營。
· 數(shù)字金融反欺詐離不開數(shù)據(jù)、技術(shù)與場(chǎng)景的有機(jī)結(jié)合，更需要平臺(tái)用戶、金融機(jī)構(gòu)、相關(guān)企業(yè)、監(jiān)管、執(zhí)法部門以及社會(huì)輿論力量的全方位參與。此外，在“數(shù)據(jù)孤島”帶來的挑戰(zhàn)與保護(hù)用戶隱私安全的監(jiān)管要求下，反欺詐要適應(yīng)“小數(shù)據(jù)”環(huán)境，對(duì)存量數(shù)據(jù)深度挖掘，實(shí)現(xiàn)數(shù)據(jù)的精細(xì)化運(yùn)營。
目錄
一、序言
二、數(shù)字金融欺詐的緣起、演進(jìn)及現(xiàn)狀
2.1 數(shù)字金融欺詐的演進(jìn)及發(fā)展
2.1.1 欺詐、金融欺詐與數(shù)字金融欺詐
2.1.2 金融欺詐的演進(jìn)歷程
2.1.3 日益繁雜的金融欺詐種類
2.2 數(shù)字金融欺詐的四大典型特征
2.2.1 黑色產(chǎn)業(yè)鏈成熟化，且規(guī)模龐大
2.2.2 欺詐技術(shù)專業(yè)化，且更迭快速
2.2.3 欺詐事件高頻化，且成本低廉
2.2.4 欺詐行為關(guān)聯(lián)化，且異地高發(fā)
三、數(shù)字金融時(shí)代下欺詐事件洞察與受欺詐人群畫像分析
3.1 欺詐事件洞察 8
3.1.1 欺詐事件數(shù)量：年均降幅超20%，各月總體呈下降趨勢(shì)
3.1.2 欺詐金額分布：2000元以下小額詐騙比重提高
3.1.3 欺詐類型：中介詐騙占比最高
3.2 受欺詐人群畫像分析
3.2.1 地域特征：中東部地區(qū)欺詐事件集中
3.2.2 性別特征：男性更易被騙，女性更易遭受薅羊毛
3.2.3 年齡特征：受欺詐人群年輕化，90后人群最易遭受欺詐
3.2.4 學(xué)歷特征：受欺詐人群中，?？茖W(xué)歷占比超44%，博士學(xué)歷占比僅0.1%
3.2.5 受欺詐時(shí)間段分布：下午為欺詐事件高峰期，用戶易遭受欺詐
四、數(shù)字金融反欺詐的新形勢(shì)：AI賦能反欺詐
4.1 新形勢(shì)：金融反欺詐的攻防博弈
4.1.1 Round1：線下金融欺詐 vs 傳統(tǒng)金融反欺詐
4.1.2 Round2：互聯(lián)網(wǎng)金融欺詐 vs 互聯(lián)網(wǎng)金融反欺詐
4.1.3 Round3：數(shù)字金融欺詐 vs 數(shù)字金融智能反欺詐
4.2 數(shù)字金融反欺詐的生態(tài)鏈
4.3 新手段：AI賦能，讓反欺詐更智能
4.3.1 AI成為數(shù)字金融反欺詐的主流選項(xiàng)
4.3.2 場(chǎng)景、數(shù)據(jù)和技術(shù)是人工智能反欺詐系統(tǒng)的三大關(guān)鍵要素
4.3.3 AI賦能數(shù)字金融反欺詐的實(shí)例分析
案例一：樂信：全AI反欺詐體系
案例二：DataVisor：無監(jiān)督反欺詐機(jī)器學(xué)習(xí)
案例三：中誠信征信：萬象智慧風(fēng)控體系
案例四：慧安金科：半監(jiān)督主動(dòng)式機(jī)器學(xué)習(xí)
五、數(shù)字金融反欺詐的挑戰(zhàn)及建議
5.1構(gòu)建數(shù)據(jù)、技術(shù)與場(chǎng)景三位一體的反欺詐體系
5.1.1 數(shù)據(jù)方面：適應(yīng)“小數(shù)據(jù)”環(huán)境，與征信數(shù)據(jù)互補(bǔ)共享
5.1.2 技術(shù)方面：探索“聯(lián)邦學(xué)習(xí)”，強(qiáng)化反欺詐系統(tǒng)的核心
5.1.3 場(chǎng)景方面：盡量細(xì)分，針對(duì)性設(shè)計(jì)反欺詐體系
5.2 營造用戶、金融機(jī)構(gòu)及企業(yè)、監(jiān)管部門和社會(huì)輿論全方位參與的反欺詐生態(tài)
附錄1：常見的數(shù)字金融欺詐作案工具
附錄2：十大常見數(shù)字金融欺詐手法及防范指南
全文下載：《中國數(shù)字金融反欺詐全景報(bào)告（2019）》（來源：零壹智庫Pro 編選：網(wǎng)經(jīng)社）
