移动互联网

欺诈及多头占比50%,现金贷风险再起,揭秘大数据风控真相

2019/1/22 12:47:00

欺诈及多头占比50%,现金贷风险再起,揭秘大数据风控真相


20日凌晨,电商平台拼多多惨遭黑产军团薅羊毛,损失高达数千万。此次事件再次拉响网络黑灰产欺诈红色警报。互金商业评论注意到,过去几年,黑灰产欺诈风险已成为电商、互联网金融等各大新兴产业的重大威胁,尤其是互金领域,欺诈造成的损失占行业全部损失的七成以上。在现金贷行业,去年下半年以来,行业欺诈及多头风险水平再次达到较高水平。

在经历过2017年底至2018年初的短暂消沉之后,现金贷去年下半年再度活跃。与此伴随的,是多头借贷风险再次拉响警报。有金融机构称,18年拦截的欺诈及多头借贷用户占比50%。更有券商研报警告称,警惕网贷多头借贷风险蔓延至金融系统内。对此,监管和金融科技机构不约而同选择了大数据风控作为杀手锏,摆在无数从业者面前的问题是,这一武器真的有效吗?

50%现金贷申请人为欺诈者

近日,国泰君安一篇多头借贷引发金融业共债风险的研报引起业内高度关注。该报告警告称,统计数据表明,现金贷严监管及P2P暴雷直接导致银行信用卡逾期率上升。报告由此认为,互金多头借贷风险已渗透至金融系统内。

实际上,对现金贷为主的多头借贷现象,此前亦有不少机构关注过。例如,2017年底,国家互联网金融安全技术专家委员会发布了一份现金贷发展情况报告》。报告指出,现金贷行业存量用户约1千万,其中,一个月在在两家或两家以上平台(其中一家为现金贷)进行借款的多头借贷者近200万人,50万人更是一个月内连续借款10家以上平台!

而据大数据风控公司融慧金科统计,截至2018年10月,全国线上现金贷多头借贷者(同时在三家以上现金贷平台借款)人数,高达247万。这意味着,多头借贷风险时隔一年之后不仅死灰复燃,而且有愈演愈烈之势。

上海某大数据风控公司负责人告诉互金商业评论,去年在他们处理的个人借贷申请中,多头借贷及欺诈类用户占比高达50%。

这意味着,在监管2017年底推出现金贷新政之后,现金贷行业在短暂受压之后,大部分不合规机构转入地下继续经营。而在市场需求依然强烈的情况下,政策与现实背离的直接后果就是,现金贷借款人和多头借贷人数继续增长,风险系数再度拉升。

江浙地区另一家数据样本达千万级的金融科技公司负责人向互金商业评论透露,根据他们的统计,多头借贷数据在2018年1月至2018年3月出现短暂下滑,2018年4月开始迅速回升,208年7月后已超过2017年现金贷新政前水平。其中,值得关注的是,30天人均申请平台超过4个的占比最高。这一结果也与现金贷新政后大部分平台拉长借款周期相吻合。

除了多头借贷风险,中国互金行业还要面对集团化作业的黑产军团威胁。据TalkingData披露,目前国内网络“黑产”的直接从业者超过40万人,若计入网络“黑产”辅助性质的上下游人员,从业者超过160万人,“黑产”可利用的因倒卖、遗失等原因而游离在市场上的身份证约1000万张。此次拼多多被惨薅羊毛事件就是黑产军团的“杰作”。

这不能不引起监管部门的警惕。2019年,新年伊始,百行征信悄然启动个人征信系统、特别关注名单平台和信息核验平台三款产品的上线验证测试工作。其中,特别关注名单平台就是主要解决多头借贷、恶意骗贷等线上欺诈问题,其中包括了经有关方面认定的P2P恶意逃废债借款人信息。

1月14日,中国互金协会在官方微信披露称,截至2018年年底,12家首批接入司法数据的互金企业共查询约1260万次,拒贷了30059位失信被执行人,取得了良好的惩戒和风险管理效果。

恶意欺诈成互金风控头号敌人

无论是多头借贷还是恶意欺诈,指向的都是互联网金融公司面临的主要风险:欺诈风险和信用风险。

有统计表明,与国外明显不同的是,中国互联网金融领域70%左右的信贷损失来自借款人的恶意欺诈。对现金贷从业者来说,恶意欺诈风险更是头号敌人。《2017年金融反欺诈行业报告》显示,中国互联网欺诈风险已在全球排名前三,涉及上千亿行业产值。

在所有现金贷机构的风控体系里,有两个核心问题待解:

一个是反欺诈,即对借款人的审核,首先要排除团伙作案、机器人申请、账户或身份被盗用等情形;

第二,降低多头借贷风险,同一时间或短期内重复在多平台申请贷款的借款人,极可能是借新还旧或老赖用户,风险度极高。如系统能及时识别此类用户,则可有效降低后期信贷违约风险。

如何来识别并降低这两类风险呢?目前看,在央行征信数据不完善、无法覆盖现金贷群体的情况下,大数据风控是唯一有效的杀手锏。某现金贷机构向互金商业评论提供了一份借款人评估报告,透过这份报告,可以清晰的了解大数据风控系统是如何将欺诈者阻挡在门外的。

反欺诈潜规则:不装游戏APP很可疑

先看反欺诈层面。

大数据风控全流程主要包括获客、身份验证、授信、贷中后监控管理等。其中,反欺诈主要集中在第二步:身份验证。

欺诈及多头占比50%,现金贷风险再起,揭秘大数据风控真相


验证借款人身份比较简单,通常现金贷借款人都要填写姓名、手机号、身份证号码和银行卡号等基本资料。风控系统可以借助第三方数据核实相关信息的真实性。这也是基本信息核验过程。

欺诈及多头占比50%,现金贷风险再起,揭秘大数据风控真相


基本资料无误的情况下,就进入第二步:核实申请人是否为本人。这里主要用到的新技术就是目前比较成熟的人脸识别活体检测技术。一般在这一步都会要求借款人按文字提示做出眨眼、张嘴等动作。这一步基本可以排除借款人身份资料被盗用的情况。

下一步进入反欺诈检测。

闪银相关负责人告诉互金商业评论,通常来说,大数据风控防控欺诈风险有以下3种角度:

一方面,通过接入三方渠道的风险黑灰名单以及用户在网贷逾期等平台的数据,进行验证,之后再根据验证结果,进行合理性规则设置,有效杜绝高风险用户入驻平台,达到欺诈风险防控的目的。

另一方面,平台会通过知识图谱、图数据库等技术,挖掘人与人、设备与设备之间等等的可能存在的关联关系,再通过大数据对关联关系进行深度挖掘,顺藤摸瓜找到高风险用户甚至团伙,对其进行拒绝授信、授额。

最后,通过大数据采集用户在各APP端产生的行为进行识别,识别高风险用户后,平台会对该用户第一时间进行控制和限制,达到防控欺诈风险的目的。

具体到反欺诈手段,比较常见的有黑名单、设备反欺诈以及聚类反欺诈、社会行为反欺诈等。

欺诈及多头占比50%,现金贷风险再起,揭秘大数据风控真相


1、黑名单反欺诈

黑名单很好理解,即除了参考央行等传统征信机构报告外,主要借助平台自身黑名单数据库和第三方征信数据,核实借款人的征信情况。现金贷主要依赖的是行业黑名单,这里面包括内部和外部欺诈黑名单、可疑中介黑名单等。这些名单分散在各大互金公司手中,尤其是以BATJ为首的互联网平台公司和陆金所、拍拍贷、趣店等头部互金机构手中。

据第三方研究机构估算,互金行业征信黑名单目前已达千万级别。中国互金协会牵头成立的百行征信旨在打破互金领域征信信息的孤岛局面,推动实现黑名单信息的共享。当然,目前看,各大互金机构不太乐意分享黑名单数据,毕竟这都是各自用金钱换来的宝贵教训。但从中长期看,互联网金融征信数据在主要机构间打通并共享是行业持续健康发展的必然趋势。

欺诈及多头占比50%,现金贷风险再起,揭秘大数据风控真相



欺诈及多头占比50%,现金贷风险再起,揭秘大数据风控真相


2、设备反欺诈:

欺诈及多头占比50%,现金贷风险再起,揭秘大数据风控真相


移动设备反欺诈是目前主要的风控手段之一。系统可以检测出欺诈用户是否使用了移动设备模拟器批量申请贷款,如果是团伙作案,则会有很多移动设备同时同地工作。

此外,系统可以利用通讯录中联系人的手机归属地是否和客户的工作、生活地一致;手机通讯录中是否有高风险客户,联系人中历史借款和逾期情况。

如果是多头借贷者,一般手机里会有很多借款类APP,系统可以通过检测移动设备里安装的APP贷款数量及打开频率,判定风险高低。

如果是团伙欺诈,所使用的手机一般为模拟器或工作设备。系统可以通过检测设备里的生活类或游戏类APP个数,应用更新时间和打开频率,判断欺诈风险高低。

3、聚类反欺诈:

通常现金贷机构都会要求借款人填写很多信息,例如生活和工作地、公司名称、电话、小区名字等等。欺诈团伙往往会填写同样的重复或近似信息,传统的人工审核很难从巨量的申请人中找出其共性特征。但在大数据时代,成千上万的数据经过交叉验证后,很多可疑重复信息瞬间便会浮出水面。

举个简单的例子,乐信风控引擎里包含一个地址聚类(LBS)反欺诈系统,能够将用户IP、收货地址等信息通过机器学习算法转化、聚类,在地图上表示,实时量化风险指标。地址聚类(LBS)反欺诈系统将团伙欺诈识别率提高了200%,每天减少数十单欺诈事件。

数据量级和纬度要求高

通过上述多种反欺诈手段检测后,申请用户即可绿灯通行。虽然看上去过程异常繁复,但实际上,大数据风控系统完成这一流程所需时间仅为秒级。

上海造艺科技风控负责人告诉互金商业评论,公司的鹰眼反欺诈大数据风控系统目前能实现100亿数据级的实时计算分析,每个用户风险评估时间都是秒级。此外,鹰眼反欺诈大数据风控系统目前基本实现了全自动化处理,整套风险评估模型中,机审占比90%,人工处理的申请占比约10%。

大数据风控在反欺诈领域的效果早已被众多头部互金机构验证。例如,闪银达到以秒为量级撮合个人消费者与金融机构进行交易,帮助合作金融机构平均降低了70%以上的欺诈风险以及40%以上的坏账率。融360天机风控对5万元以下的个人信用贷款申请,最快10分钟完成审批。在逾期率方面,以12个月违约风险举例,通过“天机”系统筛选的用户,逾期率比没有经过筛选的低一半。从成本方面看,风控和营销成本可降低至原来的1/3。

当然,最后需要说一下,大数据风控系统,顾名思义,最重要的还是要有大数据。没有源源不断的、动态的、多维度的数据,很难搭建起有效的风控模型。不仅如此,模型搭建完毕后,仍然需要实际场景和大量用户行为数据进行训练和迭代。另外,黑产也在不断进化当中,大数据风控的反欺诈策略也需要与时俱进,不断调整,方能始终立于不败之地。


版权声明
本文仅代表作者观点,不代表艾瑞立场。本文系作者授权艾瑞专栏发表,未经许可,不得转载。
  • 合作伙伴

  • 官方微信
    官方微信

    新浪微博
    邮件订阅
    第一时间获取最新行业数据、研究成果、产业报告、活动峰会等信息。
     关于艾瑞| 业务体系| 加入艾瑞| 服务声明| 信息反馈| 联系我们| 广告赞助| 友情链接

Copyright© 沪公网安备 31010402000581号沪ICP备15021772号-10