「蝗災」頻發的金融業，靠什麼拯救？

近年來，我國互聯網金融迎來了爆髮式的增長，但這種快速暴漲背後卻是風險的頻繁爆發。除了傳統的信用風險，外部欺詐更是成為了一個新的主要風險源，一些P2P公司甚至由於惡意欺詐產生的損失佔整體壞賬的60%。從這個角度來看，無論是傳統金融機構，還是新興互聯網金融機構，都要應對金融欺詐這個「蝗災」。

利益之戰，金融欺詐背後的激烈博弈

在互聯網金融蓬勃興起的時候，有那麼一群被稱為「羊毛黨」的人，說他們是黑客有點不太準確，他們的工作並沒有太多的技術含量，但這群人卻可能會給平台帶來遠比黑客更大的風險。

就在去年，一百多家P2P公司遭到黑客攻擊，損失慘重，光是深圳、浙江兩地就有20多家跑路。這群刷客大軍如蝗蟲過境，一些平台分秒間被薅干。他們成群結隊，唯利是圖，成為金融黑色產業鏈中的重要一環。他們是互聯網時代的畸形產物，但他們的存在，又有著某種必然。

在互聯網領域，速度與規模是套在所有創業者頭上的魔咒。他們需要向領導交上一份完美的數據，需要向投資人證明業務異常繁榮。「不懼風險、快速前進、忍著虧損先做大、不斷擴張、向資本市場講漂亮的故事。」為了快速擴張，搶佔用戶，大部分互聯網金融公司都在默認著這群「羊毛黨」的存在。

「實際上，很多平台希望我們去薅羊毛，平台故意留下漏洞，就是為了增加註冊量和業務量。」一位資深的羊毛黨接受媒體採訪時表示，但可怕的是，這群「羊毛黨」只是金融黑色產業鏈中的初級參與者，更為可怕的還有「黑產」軍團。

而所謂「黑產」，其實就是那群在各個渠道搜羅被泄露的用戶信息，然後利用互金平台（多為創業公司）風控能力相對薄弱、採用線上審核等業務特點，不斷地挖掘新漏洞的高階「羊毛黨」。羊毛黨很多時候只是賺取平台給出的各種優惠，而這群人帶來的更多是金融欺詐。

自2014年開始，眾多消費金融平台開通「透支」、「零首付分期」功能。根據用戶的信用消費記錄，平台提供一定的「透支」額度，可以購買商品享受服務，也就是這些平台，正在成為黑產眼中的肥肉，他們用盜刷傳統銀行卡的手段，來盜刷網上的消費金融平台。

發展至今，黑產們已經形成了一個集信息盜取或偽造、中介助貸、貸款資金安全轉移等環節的完整產業鏈，他們的存在給整個金融行業帶來了血的代價。可以說，找到一種有效杜絕「黑產」金融欺詐的方法已經迫在眉睫。

為什麼大數據會成為「反欺詐」的最有力武器？

何謂金融欺詐？其本質是行為人對信息不對稱的利用，這種欺詐行為往往具有攻擊對象不確定性的特徵，所以在欺詐風險度量過程中往往缺少風險數據支撐，而這也是構築反欺詐「防護網」的核心難點，那就是風險大數據的缺失或共享不足問題。

如今傳統的金融企業一般會採取「黑白名單」、基於規則的防範機制以及通過自有業務數據進行分析建模等傳統方式來做風控。但這些方式往往存在滯後性、機制僵化和數據不全面等弊病，導致金融風控只能做到一定程度的「未雨綢繆」，起不到真正的全面風險控制。

而一些互聯網金融公司以互聯網思維來做互聯網金融業務，比如P2P、消費金融等，流量至上的原則往往會帶來風控的危機。缺乏多維度數據支持以及風控模型的迭代驗證，互聯網金融的風控步履維艱，行業壞賬率居高不下。

對於絕大多數平台、尤其是科技力量相對薄弱的金融機構來說，在反欺詐過程中遇到的最大的難題，就是單靠一家平台的風險信息收集、分析，以及依託業務系統的嚴密布控，顯然無法杜絕欺詐風險案件向行業內其他金融機構的蔓延。根據單一的業務數據信息從根本上就沒辦法判定是否屬於欺詐。

而基於用戶行為的大數據反欺詐服務恰好可以成為金融行業現有風控體系的強力補充。以極光大數據提供的反欺詐服務為例，這套體系以用戶的行為數據為基礎，從移動應用使用習慣、線下活動習慣、特定領域「互聯網+」行為習慣等多個維度對用戶的風險等級進行評估，全面提供用戶在各個維度的行為信息識別及網路分析服務，進而為金融企業的借貸行為及產品決策提供建議。

如今新一批的大數據公司正在反金融欺詐領域貢獻自己的力量，他們依託跨行業、多維度的海量數據沉澱以及強大的數據挖掘、分析和預測能力，將欺詐行為扼殺在搖籃之中。這種機制最大的價值在於可以將更多方面的影響因素納入到業務風控領域。

魔高一尺道高一丈，反欺詐的最終天平在哪裡？

金融平台的反欺詐和黑產軍團之間的較量從未停止。要知道每一個平檯面對的實際情況實際上千差萬別，好的反欺詐產品時效性需保障，如何將風險量化進而讓決策者清晰準確地判斷出預警信息是一個巨大的挑戰。

《中國企業家》在報道中表示，「多年來，黑產軍團和平台方有過數次短兵相接。平台方不斷構築更為完善的防禦體系，升級反欺詐的甄別能力，黑產軍團也以同樣的速度迭代「找口子」的進攻戰術，甚至雙方互派卧底上演「無間道」。在相當長的一段時間裡，雙方竟然在行業中維持著微妙的平衡狀態。」

正是在這種不斷攻防的背景下，為行業提供風險控制及反欺詐服務的第三方服務商陣營得以迅速成長和壯大。成立於2011年，並一直以推送等開發者服務為業內熟知的極光，也正是看到了市場存在的巨大前景，在其海量數據下衍生出了金融反欺詐服務，並最終成為風控與反欺詐領域裡的一股重要力量。

如今在極光大數據服務平台上，反欺詐服務已經覆蓋了3600萬風險用戶，分析超過3億多個風險行為，並已識別出超過1700萬的「羊毛黨」用戶群。但對金融反欺詐來說，這是集風險預防、風險防控和風險分析為一體的系統工程。要應對多變的反欺詐市場，不斷更新的數據也是關鍵。

要知道在這場攻防戰中，平台無論成功防禦多少次，只要失敗一次就意味著從零開始。從這個角度來看，反欺詐最關鍵的一步可能還是「如何將風險扼殺在搖籃中」。反欺詐模型必須以大數據分析為基礎，這些「黑產軍團」並不會只在一個平台進行詐騙，他們的行為往往會呈現出跨平台的特徵。想要有效的進行風險預測，可能仍然需要更為全面且持續更新的數據源。以開發者服務起家的極光大數據成立近6年來一直為市場提供穩定的開發者服務，產品覆蓋了中國國內 90% 以上的移動終端，艱苦的原始數據積累階段後是源源不斷的數據更新，而其開發者服務也就像造血機一樣為其金融反欺詐服務提供持續的數據活力。

此外為了解決信息孤島問題，極光大數據除了利用自有且不斷更新的海量數據外還選擇與各類金融夥伴合作，從他們那裡獲得數據，這些數據又反過來為極光勾勒客戶行為標籤體系起到關鍵性的作用。隨後再利用機器學習和數據挖掘技術對用戶行為進行分類總結，為企業風控模型輸入外部因子。如今通過極光反欺詐產品對用戶在移動端的行為數據進行分析，就可以得出該用戶可能產生的逾期和違約的幾率是多少，從而提前預防以及降低違約率。

如今的數據行業正迎來越來越多的機會，極光大數據的金融反欺詐服務自然也不會例外，事實上這種對數據不斷進行深度學習，也已初步具備了AI的模型。在可預見的未來里，隨著數據量越來越大，結合AI會有更多想不到的東西產生。金融反欺詐，只是移動大數據掘金的開始。