金融反欺詐的底層邏輯

稻盛和夫說過：傾聽產品的聲音，用心觀察產品的細節，就能自然而然地明白出

現問題和差錯的原因。

金融產品創新終究要回歸到最初的本質，即以金融業務的某個核心功能為切入

點，用底層思維去思考產品的底層邏輯，用同理心去洞察人性。

金融產品經理可以從第一I生原理出發，使用演繹邏輯，倒推金融反欺詐的業務邏

輯，從而培養底層思維。

銀行圍繞核心企業，管理上下游中小企業的信息流、資金流、商流、物流，并把

單個企業的不可控風險轉變為供應鏈企業整體的可控風險,通過全鏈路獲取各類

信息，將風險控制在副氐。這種金融服務就是供應鏈金融。

數字供應鏈金融是金融企業數字化轉型的必然趨勢之一。依托大數據風控和數字

化技術，鏈接資金端和資產端，供應鏈金融業務形態逐漸數字化，并以"KYB/C+

數據管理+數字金融+消費場景"的方式提供數字化供應鏈金融解決方案。

供應鏈金融數字化主要包括打造數字化金融產業鏈、構建數字化金融生態圈等。

上游供應商

數字化供應鏈金融

一■■小■■貸■■■■■)I

KYB/C+數據管理+數字金融+消費場景二藏二工

--佶托

二鯉二二

核心企業

資產標準化氟i濟初1

自金融

資金方

F游經銷商

資產端一區塊鏈…智能風控…決策引擎…資產匹配-資金端

在數字時代，金融企業憑借數字化應用來打破信息和信用不對稱的問題，并改善

供應鏈金融的生態，進而成為供應鏈金融"新貴"，其中螞蟻金服、京東教科、

蘇寧金融等都是典型代表。

都說場景在前，金融在后。供應鏈金融的應用場景有貿易融資、墊資采購、融資

租賃、倉儲金融、企業信用卡、保理融資、承兌匯票、商票貼現等。然而，面對

供應鏈金融的各種應用場景，企業首要的問題是金融欺詐。

一、反欺詐數據層

金融欺詐是指借款人用虛構數據、隱瞞事實的方式來騙取貸款，且在申請貸款后

主觀上沒有還款意愿，或客觀上沒有償還能力，可能造成出借人資金損失的行為。

常見的金融欺詐類型有虛假用戶注冊、企業欺詐、金融釣魚網站、病毒木馬程序、

賬戶隱私竊取、融資套現、他人冒用等。

身份欺詐

虛假用戶注冊賬戶隱私竊取虛假銀行卡號I虛假手機號

行為欺詐

金融釣魚網站病毒木馬程序模擬指紋設備

金融反欺詐模型的底層為數據層，即數據來源。反欺詐建模需要從不同數據源采

集多維度數據，目數據源越多越好，特別是做支付、助貸、征信類的大數據公司。

以企業數字融資為例，在完成金融貸款業務的申請、授信、建額、提款、還款等

過程中，欺詐者可以通過信息流、業務流、數據流等信貸欺詐的手段來獲得銀行

的申請授信，從而獲得銀行的放款。

拖庫、撞

庫、洗庫

信貸窮舉規則

企業數字融資

欺詐命中決策

虛構信息

虛增數據

1）信息流欺詐

欺詐者以"拖庫"的形式入侵有價值的網絡站點，把注冊用戶的資料數據庫全部

盜走；以"撞庫”的形式用獲得的用戶名和密碼在其他網站批量嘗試登錄，進而

盜取更有價值的東西；以"洗庫”的形式通過一系列技術手段和黑色產業鏈得到

有價值的用戶數據并變現。

2）業務流欺詐

欺詐者基于變量和模型輸出，窮舉范圍內變量的不同取值，判斷所取的值是否滿

足授信模型中的條件，若命中多條規則，則做出決策改變和風險判斷，直到找到

全部符合條件的值為止。

3）數據流欺詐

按欺詐主體、欺詐途徑、欺詐階段等維度，欺詐者采取不同的欺詐行為，比如通

過虛構企業規模、經營范圍、貸款用途信息，虛增固定資產、交易流水、項目利

潤等數據，使自身符合政策準入條件或通過系統規則檢測。

因此，我們做反欺詐時需要獲得數據層的黑名單、多頭借貸等信息，以做貸前風

控和貸中預警，提高企業融資申請的準入門檻，實時判斷每一筆交易行為的風險。

二,反欺詐規則層

反欺詐規則建立的目的就在于識別出惡意騙貸的用戶與真正借款的用戶，以及預

測騙貸的風險。根據業務模式和場景的不同，金融反欺詐可以分為基于規則的反

欺詐和基于模型的反欺詐。

供應鏈金融欺詐就是借款人利用金融的規則漏洞，將虛假交易數據與虛構經營數

據作為供應鏈金融的額度授信的依據。比如，欺詐者在於易融資環節，重復質押

或偽造合同等相關憑證，來騙取銀行信用證、承兌匯票，進而套取供應鏈金融融

資款。

規則引擎規則觸碰

供身份百用

應

鏈虛假準入

金

略認證策略融

信用欺詐,

虛假交易數據虛構經營數據

面對金融欺詐風險，首要任務是配置反欺詐規則。以企業融資申請環節的人臉識

別為例，我們會對人臉進行身份驗證、屬性分析、特征對比、臉庫搜索、活體檢

測等規則校驗來預防申請授信欺詐，即做貸前申請準入的"前置擋板".

在人臉識別中，我們通過決策變量建立預測模型來識別客戶的臉，其中的機器學

習算法會涉及一些人臉識別的模型參數。

序號變量名稱名稱字段調用節點

人臉識別.兩張照片是同

1facebrief^confidenceLOAN_APPLY_SET

一人置信度

人臉識別.身份證號碼是

2否曾被冒用來攻擊Faceid活face_brief_id_attackedLOAN_APPLY_SET

體檢測

人臉識別.數據源人像照face_brief^id_photo_

3LOAN_APPLY_SET

片的色彩判斷monochrome

人臉識別.人臉照片為屏face_brief_screen_

4LOAN_APPLY_SET

幕翻拍的置信度replayconfidence

人臉識別.人臉照片為面face_brief_mask_

5LOAN_APPLY_SET

具的置信度confidence

人臉識別.人臉照片為軟face_brief_synthetic_

6LOAN_APPLY_SET

件合成臉的置信度faceconfidence

人臉識別.人臉照片為屏face_brief_screen_

7LOAN_APPLY_SET

幕翻拍的置信度閾值replaythreshold

人臉識別.人臉照片為面face_brief_mask_

8LOAN_APPLY_SET

具的置信度閾值threshold

人臉識別.人臉照片為軟face_brief^synthetic_

9LOAN_APPLY_SET

件合成臉的置信度閾值facethreshold

反欺詐是供應鏈金融必不可少的TB分，而反欺詐規則是供應鏈金融企業的核心

內容。貸款審核規則主要包括直接拒絕規則、反欺詐規則與信用評分規則，可根

據公司業務制定具體規則內容。

我們可制定政策準入條件和系統檢測規則，來采集用戶的基本信息、貸款數據和

交易數據，通過決策樹可視化模型，提取決策變量組合，從而構建反欺詐規則集。

比如我們將年齡不符合要求、高風險地區人士、歷史貸款申請命中黑名單等作為

貸款直接拒接規則，對企業貸款做"申請準入條件"校臉，將不符合規則的借款

人排除在申請之外。

決策代碼規則類型規則命名是否觸發

HCWKLOANOOOI不符合政策準入條件年齡不符合要求觸發

IICWKJGAN0002不符合政策潛入條件本地黑名單拒絕觸發

HCWK_LOAN0003不符合政策準入條件高風險地區人士觸發

HCWK_LOAN0004不符合政策準入條件收入不符合要求觸發

HCWK_LGAN0005未通過系統規則檢測歷史申請命中黑名單觸發

HCWK_LOAN0006未通過系統規則檢測復貸客戶條件不符觸發

HCWK_LOAN0007未通過系統規則檢測活體檢測不通過觸發

HCWK_LOAN0008未通過系統規則檢測證件識別不通過觸發

此外，我們可在貸前、貸中、貸后對借款人發起檢測，精準識別多頭申請、多次

放款、貸款被拒、貸款逾期等行為，從而判斷客戶是否獲得貸款授信。

比如我們將企業的申請總次數、放款總次數、被拒貸總次數、申請總機構數、放

款總機構數、被拒貸總機構數、近30/90/180/360天逾期總筆數等作為反欺詐

規則，對企業授信做預審批，對用戶評分做規則校驗，避免多頭借貸或申請次數

過多。

序號變量名稱名稱字段調用節點

1近7天申請息次數7d_apply_total_cntLOAN_DUOTOU_SET

2近7天放款總次數7d_loan_total_cntLOAN_DUOTOU_SET

3近7天被拒貸總次數7d_refuse_total_cntLOAN_DUOTOU_SET

4近15天申請總次數15d_apply_total_cntLOAN_DUOTOU_SET

5近15天放款總次數15d_loan_total_cntLOAN_DUOTOU_SET

6近15天被拒貸總次數15d_reftise_total_cntLOAN_DUOTOU_SET

7近30天申請總次數30d叩plytotalcntLOAN_DUOTOU_SET

8近30天放款總次數30d_loan_total_cntLOAN_DUOTOU_SET

9近30天被拒貸總次數30d_refuse_total_cntLOAN_DUOTOU_SET

10近60天申請總次數60d_apply_total_cntLOAN_DUOTOU_SET

11近60天放款總次數60d_loan_total_cntLOAN_DUOTOU_SET

12近60天被拒貸總次數60d_refuse_total_cntLOAN_DUOTOU?SET

13近90天申請總次數90d_apply_total_cntLOAN_DUOTOU_SET

14近90天放款總次數90d_loan_total_cntLOANDUOTOUSET

15近90天被拒貸總次數90d_rcfuse_total_cntLOANDUOTOUSET

)6近180天申請總次數180d_applytotalcntL()AN_DU()T()U_SET

17近180天放款總次數180d_loan_total_cntL()AN_DU()T()U_SET

18近180天被拒貸總次數180d_rcfusc_total_cntLOANDUOTOUSET

19近7天申請總機構數7d_apply_total_cnt_comLOAN_DUOTOU_SEr

20近7天放款總機構數7d_loan_total_cnt_comLOAN_DUOTOU_SET

21近7天拒貸總機構數7d_rcfusc_total_cnt_comLOANDUOTOUSET

22近15天申請總機構數15dapplytotalcntcomL()AN_DIJ()T()U_SET

23近15天放款總機構數15d_loan_total_cnt_comLOANDUOTOUSET

24近15天拒貸總機構數15d_rctuscjotal_cnt_comLOANDUOTOUSET

25近30天用請總機構數30d_apply_total_cnt_comL()AN_DUOTOU_SET

26近30天放款總機構數30d_loan_total_cnt_comLOANDUOTOUSET

27近30天拒貸總機構數30d_rcfuse_total_cnt_comL()AN_DU()T()U_SET

28近60天申請總機構數60dapplytotaicntcomL()AN_DU()T()U_SET

29近60天放款總機構數60d_loan_totai_cnt_comLOAN_DU()T()U_SET

30近60天拒貸總機構數60d_rctuse_lotal_cnt_comLOAN_DUOTOU_SET

31近90天申請總機構數90d_apply_total_cntcomL()AN_DU()T()U_SET

32近90天放款總機構數90d_loan_total_cnt_comLOANDUOTOUSET

33近90天拒貸總機構數90d_rciuse_total_cnt_comLOAN_DUOTOU_SET

34近180天申請總機構數180d_apply_total_cnt_comL()AN_DUOTOU_SET

35近180天放款總機構數180d_loan_total_cnt_comLOANDUOTOUSET

36近180天拒貸總機構數180d_rctusc_total_cnt_comL()AN_DUOTOU_SET

37當前逾期總筆數currcntovdcntLOANDUOTOUSET

38近30天逾期密數his_ovd_cnt_30dLOANDUOTOUSET

39近90天逾期筆數his_ovd_cnt_90dLOAN_DUOTOU_SET

40近180天逾期筆數his_ovd_cnt_]80dLOAN_DU()TOU_SET

41近360天逾期筆數his_ovd_cnt_360dL()AN_DIJOT()U_SET

42圻180天厚否出現M3+is_m3_180dL()AN_DUOT(MJ_SET

43近90天是否出現M2+is_m2_90dLOAN_DUOTOU_SET

反欺詐就是通過對內外部數據的采集與分析構建規則弓擎，從中找出觸碰準入規

則的欺詐信息，從而預防欺詐行為的發生。

三、反欺詐配置層

對于供應鏈金融而言，我們在解決上下游企業融資難的問題時，也要確保隨之而

來的金融欺詐風險可控。這關鍵在于反欺詐風控系統的規則配置。我們可以通過

配置系統規則，比如審核流程的配置、產品參數的配置、業務表單的配置、規則

引擎的配置等來實現。

進入數字金融時代，數字化技術支撐供應鏈金融構建"數據、技術與場景"三位

一體的反欺詐系統。數字金融反欺詐從數據采集、數據清洗、特征工程、算法研

究、決策引擎、監控迭代等方面，通過數字技術實現規則配置的線上化、流程化

和數字化，從而降低開發成本。常見的反欺詐系統有用戶行為風險識別引擎、人

行征信系統、黑名單管理系統等。

特征工程算法研究

用戶畫像、標簽體系03授信模型、貨后模型

數據清洗決策引擎

0205

數據倉庫、數字金融額度決策、催收決策

數據集市反欺詐

申清數據、授信數據分析結果、模型迭代

以黑名單管理系統為例，我們可以靈活配置黑名單隔離規則，比如設備黑名單、

IP及LBS黑名單、中介黑名單、手機號碼黑名單、法院黑名單、逾期黑名單等

決策。

數字金融反欺詐策略可分為數據采集、數據清洗、特征工程、算法研究、決策引

擎、監控迭代等，并在規則配置后對參數進行動態優化，供應鏈金融欺詐歸根到

底就是企業經營行為的欺詐。

以汽車融資租賃為例，整人交易環節涉及出租人和承租人的投融資、供應商的設

備促銷、租賃資產交易、資產后續處置等，從形式上看確實存在交易，但沒有實

際的產業輸出。汽車融資租賃的欺詐風險包括申請欺詐、信用低和壞賬。

PCPCPC

資而假身而用

用途不明

個人和團伙

■■PC

多頭借貸創薪唳虛酸易

PCPCPC

融資企業壞賬人籟蹤經甌常惡確欠

?申請欺詐：資料