網絡犯罪一年造成損失4000億！互聯網金融反欺詐聯盟成立

“互聯網金融反詐聯盟”正式成立

“一家互聯網金融企業被黑產盯住，他們通過一些測試後摸索到互金企業的風控規則，最終在十個小時的攻擊下，造成了1.2億的壞账，帶來巨大損失”，黑瞳科技聯合創始人兼董事時維在黑瞳科技成果發布會上表示，互聯網欺詐現在已經變得非常專業化和產業化，欺詐團夥有專門的設備、專門的團隊，專人寫方案，專人銷贓，形成完整產業鏈，各個環節分工明確，給互聯網金融行業造成了巨大的損失和挑戰。

根據2017年度國民經濟和社會發展統計通報，中國網絡犯罪導致的損失佔GDP的0.63%，一年損失金額鋼彈人民幣4000多億元。

“4000億損失了誰買單？全社會在買單。這是一個特別讓人心痛的數字。”時維認為，雖然表面上第一道損失是互聯網金融的從業者或者企業買單，但是為了彌補這部分損失，企業就要提高資金服務的價格，相對應的資金需求者就要為此付出更高的利息、更高的資金成本。欺詐造成的損失，是全社會在買單。

實際上，目前市面上提供反欺詐服務的企業大致可分為幾大流派：數據流、規則流、技術流、平台流，但真正能夠落地智能反欺詐以應對新型欺詐問題的卻寥寥無幾。

“中國作為發展中的國家，資訊體系較為缺乏，數據品質有時候很難有保障，這是一個非常大的痛點。” 卡內基梅隆大學教授、美國Acorns公司首席數據科學家種驥科先生認為，因為整個體系不完整，所以欺詐成本相對較低。第三方騙貸、個人提供假資訊的情況非常嚴重。從團夥作案的角度來說，正式由於因為這些防控技術現在還不完善，所以經常有一些中介機構幫助個人客戶成功獲得一些金融服務機構的授信，也恰恰是這些中介機構，沒有相應評分機制的約束，又轉身變成了欺詐團夥的一部分。

相比之下，歐美國家的信用記錄收錄情況非常全面。比如美國的FICO評分，已經有86%居民的信用記錄都收錄在冊。如果一個人的FICO評分好，金融機構就有可能通過個人的歷史數據，在非面對面情況下辨別申請人真實的身份。這樣的大數據體系其實也是多年積累下來的成果。比如，美國的金融機構如果要申報信用記錄，必須通過非常嚴格的METRO2申報標準，已經申報上去的數據也是有非常成熟的體系，讓每個人都能查詢和更正信用記錄。

然而，即使有嚴謹的信用體系，居心叵測者依然能夠找到漏洞。這其中就有一個重災區——親友欺詐。最熟悉一個普通申請人的就是他的親友，親友能夠依靠對申請人的熟悉程度，突破大數據風控體系內的相應資訊，完成在非面對面情況下的欺詐行為。

海外的互聯網金融機構已經對這種欺詐提起了重視。舉例來說，Paypal是典型的半監督模式。2016年，Paypal運用了六層深度神經網，每層600個節點，進行大規模半監督式的機器學習。通過這種方式，Paypal能在反欺詐專家席位有限的場景下很快認定邊緣案例，並把被認定為欺詐的案例反饋給模型，這種方法已經有效提升了很多模型的性能。最近幾年，這樣的體系已經被亞馬遜公司完善到可以在多個領域的體系內適用。

Danske Bank（一家北歐銀行）宣稱，最新的技術已經比用規則引擎技術的識別度提升了十倍到一百倍。他們的做法是用已經設計好的反欺詐特徵組成像素亮點，再進一步應用傳統中深度神經網技術。

國內相關行業的發展還處於嘗試階段。黑瞳科技為解決傳統反欺詐手段受製於數據維度單一、技術滯後於新型欺詐手段、無法應對多樣化場景三大痛點，聯合權威機構，以及業內多家知名企業，發起成立了“互聯網金融反詐聯盟”。 時維在談到反欺詐理念時說道，“反欺詐這件事情不是一個點、一個企業能解決的，它需要全社會參與。任何在數據、技術、規則等方面的單點突破，都無法真正解決日益猖獗的欺詐難題。”