2021年12月,中国人民银行印发《金融科技发展规划》,提出健全金融科技治理体系、充分释放数据要素潜能、打造新型数字基础设施等重点任务。北京金融科技产业联盟开设“今日案例”专栏,以《规划》为牵引,通过优秀案例展示产业各方在实践中取得的成果,促进机构互学互鉴。
关键字:图模型、知识图谱、信贷申请反欺诈
随着互联网科技和大数据技术的快速发展与进步,各大商业银行迎来了新的发展机遇与挑战。与此同时,随着行内贷款类产品业务快速发展,团伙欺诈成为当前最为严重的欺诈风险来源之一,因此,如何通过现有知识图谱分析平台构建社团挖掘算法模型,发现欺诈团伙成为本项目的重要目标。
本项目的建设目标系以全行客户为客群,利用历史全量或一定时间范围内的转账、雇佣、IP、设备等20余种关系数据构建全量图谱,每日识别全量客户团伙欺诈风险;以及以信用卡和信贷当日新增申请客户为客群进行2度关系拓展,利用新增的和一定时间范围内的转账、雇佣、IP、设备等20余种关系数据构建增量图谱,快速识别申请客户团伙欺诈风险。本项目旨在实现对历史存量的对私信贷客户和信用卡客户进行团伙欺诈识别,以及对每天新增的信用卡申请客户和信贷申请客户进行申请团伙欺诈识别。
图1:全量图谱挖掘流程
为解决信贷申请场景的团伙欺诈问题,本项目运用大数据处理和图谱建模技术,构建了全量数据团伙挖掘和增量数据团伙挖掘两套流程进行欺诈挖掘:一是全量数据团伙挖掘每天全量采集一次借记卡、贷记卡、零售客户的数据,构建全量图谱,使用开发完成的团伙挖掘算法模型对构建的图谱进行计算,输出挖掘的疑似团伙,形成团伙名单、团伙特征和团伙分值和可视化工具展示。二是日间小时级增量图谱团伙挖掘每两小时采集一次当日新增的贷记卡、零售客户的数据,在图谱中找出与其有1~4层关联关系的相关节点和关系边,融合成增量图谱,之后进行团伙挖掘,形成团伙名单、团伙特征和团伙分值和可视化工具展示。
本项目采用了独有的专利技术进行关系权重计算与评估,实现了最优化图谱的筛选,提升了图谱挖掘效果。其核心技术包括知识图谱关系权重计算、实时关系抽取、社区划分算法、社区风险量化。
全量图谱挖掘出疑似高风险群组数量过万,单日增量图谱挖掘出疑似高风险风险群组过百个。针对两款主要贷款产品的数据分析表明,利用知识图谱分团技术,可以挖掘出多人多外行卡还款关系、多人同终端使用、多人同IP使用等风险性较高关系和客户。
图2:增量图谱挖掘流程
实践证实,该行卡中心在知识图谱分团技术中,发现存在中介办卡嫌疑、卡使用存在套现嫌疑、同团伙中一人逾期两个月后其他人相继逾期等关键信息。
本文来源:同盾科技有限公司
投稿邮箱:News@bfia.org.cn
郑重声明: 本文版权归原作者所有, 转载文章仅为传播更多信息之目的, 如作者信息标记有误, 请第一时间联系我们修改或删除, 多谢。