营销反欺诈全流程

[aialgorithm]

1 欺诈定义

欺诈是用户主观、以非法占有为目的，采用虚构事实或隐瞒事实真相的方法，骗取他人财物或金融机构信用，破坏金融管理秩序的行为。

• 按照欺诈的人数来分可分为：个体欺诈和团伙欺诈；

• 按照欺诈的主体来可分为第一、第二、第三方欺诈；

• 按照欺诈的行为可分为：金融信贷欺诈、互联网业务欺诈和信用卡欺诈三大类。按照欺诈的行为，大的方向上可分为：金融信贷欺诈、互联网业务欺诈和信用卡欺诈三大类，如果进一步
  细分落到具体的场景上有：盗刷、薅羊毛、骗贷、套现、刷单、 刷好评等行为，根据不同的欺诈场景的应对方法是有所不同的。
  

2 项目背景

营销欺诈是互联网业务欺诈大类的一种，指的是羊毛党通过虚假身份参加营销活动大量获利的行为。据统计，存在1000万+被滥用身份信息、 200万+网络黑产从业者、超千亿黑产市场规模。“羊毛党”也逐渐从分散个体向组团集聚发展，形成了有组织、有规模、有分工的职业“羊毛党”。

在此背景下，为避免营销资源浪费，在加强活动规则设计的同时，亟需运用技术手段搭建营销反欺诈系统，以保护良好营销环境，提升营销效果。

3 方案设计

模型层面主要应用的技术有：有监督分类模型、知识图谱无监督模型、业务策略。由于欺诈形式大都是未知、复杂多样的，本方案通过数据分析及无监督检测的方式对有监督模型做补充。

4 欺诈分析：

在复杂的欺诈任务上，无法仅凭仅有的少数欺诈标签建立一个良好的欺诈模型（更何况标签质量参差不齐的），知己知彼百战不殆，这需要去了解业务知识、欺诈链，并采用更合适的技术手段来识别欺诈。

4.1 羊毛党主要类型

第一类是个人纯手工进行薅羊毛的行为，这类行为往往因涉案金额和规模小，且在商家营销的允许范围内；
第二类通过破解平台的后台接口建立虚假客户端进行薅羊毛（黑客类）；
第三类利用外挂程序将薅羊毛过程完全自动化；
第四类是团伙羊毛党，通常是组织者组织团伙成员薅羊毛;（与信贷团伙不同的是，羊毛党的欺诈涉及单笔金额较小，但团伙规模较大，团伙的实际组成可能只有单个人/工作室。）

现实中，羊毛党会结合第三、四类薅羊毛方式，并存在与平台、商家瓜分利益，发展趋势更具规模化、产业化，这个是营销反欺诈的主要目标。

4.2 薅羊毛的产业链

4.3 欺诈特征

通过业务数据分析（以某银行营销活动数据为例），发现了一些羊毛党特点

• 群控特点：每笔交易额度一样；商家集中性；活动开展短时间内交易频次高；行为序列类似；大量失败交易等；

• 团伙性特点：团伙间有资金往来；共用设备、手机号码、IP、相似GPS等；

• 资源端特点：代理IP、伪造GPS、伪造设备号、冒用身份证，存在大量一对多情况；

• 兑换端特点 ：集中电子券，白酒等硬通货；收货地址相似度高；

对这些特点，主要有两种应用：
1、可以加工出相关的强特征：比如活动短期内的优惠频次；
2、采用比较合适的模型去识别欺诈：如交易额度一样且频次高可以使用策略去覆盖；行为序列类似可以先用表征学习然后聚类发现；收货地址相似度高可以用WMD算法匹配高频地址群；团伙特点可以用知识图谱去挖掘黑产团伙；

5 建模过程

5.1 有监督模型

5.2 知识图谱无监督模型

主要运用知识图谱社区发现，结合异常检测发现高可疑的团伙，方法如下：
1、图谱构建：构建活动的知识图谱；

2、社区发现：先运行联通子图算法，在非孤立的子图内通过louvain社区发现算法挖掘团伙；

3、统计社区指标：如各团伙人数， 团伙人均参加活动次数，团伙内欺诈名单占比等指标；

4、检测异常社区：社区指标通过（如log, 幂）转换近似成为高斯分布，高斯异常检测算法发现异常的团伙；

5、名单核实：业务人员调查核实异常团伙名单，并将核实后名单回馈有监督模型实时训练迭代优化；

---

欢迎微信关注公众号“算法进阶”，这里定期推送机器学习、深度学习、金融科技等技术好文。欢迎一起学习交流进步！