反欺詐建模方案反欺詐建模方案反欺詐建模方案V:1.0精細整理，僅供參考反欺詐建模方案日期：20xx年X月在反欺詐場景中，知識圖譜聚合各類數(shù)據(jù)源，逐步繪制出借款人的profile，從而針對性的識別欺詐風(fēng)險。以一個借款人舉例，借款人可以有身份證號，手機號，學(xué)歷等個人信息，屬于個人的屬性信息；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)，展示出借款人的profile。1識別數(shù)據(jù)造假當(dāng)融合來自不同數(shù)據(jù)源的信息構(gòu)成知識圖譜時，有一些實體會同時屬于兩個互斥的類別（例如同時在兩個不同的城市工作），或某個實體所對應(yīng)的一個Property（同一個人的住址）對應(yīng)多個值，這樣就會出現(xiàn)不一致性，這個不一致性即可判定為潛在的可疑點。通過這種不一致性檢測，我們利用繪制出的知識圖譜可以識別潛在的欺詐風(fēng)險。在P2P行業(yè)，欺詐風(fēng)險主要的騙術(shù)包括個人信息造假、工作單位虛假、代辦包裝、虛假聯(lián)系人、組團騙貸等。以識別數(shù)據(jù)造假為例，利用知識圖譜我們可以通過借款人的身份信息PII(PersonalIdentifyInformation)，例如手機號或是身份證號，直接索引到個人的全部信息，欺詐模型設(shè)計first通過社交（同學(xué)圈，同事圈，親戚圈），手機通訊錄評判second1從用戶申請?zhí)峤坏臄?shù)據(jù)層面·年齡和學(xué)歷與收入不符合。·通訊錄無直屬親人。·擁有資產(chǎn)如車、房等與居住地址或消費水平不符合。·現(xiàn)住地址與公司地址差異較大。如不在同一城市中。·或APP最近常登陸地區(qū)不在現(xiàn)住地址或公司地址中。·最近手機通訊地址不在常用地址中·收貨信息上手機號碼與通訊錄上手機號碼反差較大2申請的記錄在已有的記錄有類似出現(xiàn)·電話號碼出現(xiàn)在已有放貸或申請記錄中·身份證號碼出現(xiàn)在已有放貸或申請記錄中·地址出現(xiàn)在已有放貸或申請記錄中·號碼在已有放貸或申請記錄中·同一郵箱已有放貸或申請記錄·銀行卡號在已有放貸或申請記錄中·同一車牌號在已有放貸或申請記錄中3黑名單征信·貸聯(lián)盟公布黑名單·人行征信黑名單·征信是否有逾期4操作·單個IP,多次申請賬號?單個MAC,多次申請賬號·同一賬號,短時間登陸多個地域相差大的IP·單個IP,多次申請貸款