反欺诈建模方案.docx

反欺诈建模方案（总 2 页）
- 本页仅作为文档封面，使用时请直接删除即可-
- 内页可以根据需求调整合适字体及大小 - 在反欺诈场景中，知识图谱聚合各类数
据源，逐步绘制出借款人的 profile, 从而针对性的识别欺诈风险。以反欺诈建模方案（总 2 页）
- 本页仅作为文档封面，使用时请直接删除即可-
- 内页可以根据需求调整合适字体及大小 - 在反欺诈场景中，知识图谱聚合各类数
据源，逐步绘制出借款人的 profile, 从而针对性的识别欺诈风险。以一个借款人
举例，借款人可以有身份证号，手 机号，学历等个人信息，属于个人的属性信息；
而借款人可以有担保人或是亲 属好友，借款人与担保人之间的关系（也就是边
Edge） 是被担保与担保的关 系，借款人与其亲属好友之间的关系是父亲、母亲、同
事、同学等关系；借款人也具有住址，银行流水，工作单位等信息。这些信息可以
来自于多个渠道， 例如可以由借款人自己填写，或是积累的历史数据，或是数据提
供商提供，或 是在互联网上获得，甚至通过推理得到，往往具有冗余性；信息通过
图的形式 连结，展示出借款人的 profile 。
1 识别数据造假
当融合来自不同数据源的信息构成知识图谱时，有一些实体会同时属于两个互 斥的
类别（例如同时在两个不同的城市工作），或某个实体所对应的一个Property
（同一个人的住址）对应多个值，这样就会出现不一致性，这个不一致性即可判定
为潜在的可疑点。
通过这种不一致性检测，我们利用绘制出的知识图谱可以识别潜在的欺诈风 险。在
P2P行业，欺诈风险主要的骗术包括个人信息造假、工作单位虚假、代办包装、虚
假联系人、组团骗贷等。以识别数据造假为例，利用知识图谱我们 可以通过借款人
的身份信息 PI I （Personal Identify Information ） , 例如手机 号或是身份证
号，直接索引到个人的全部信息，欺诈模型设计
first
通过社交（同学圈，同事圈，亲戚圈），手机通讯录评判
second
从用户申请提交的数据层面
? 年龄和学历与收入不符合。
? 通讯录无直属亲人。
? 拥有资产如车、房等与居住地址或消费水平不符合。
? 现住地址与公司地址