《风控反欺诈体系课件.pptx》由会员分享，可在线阅读，更多相关《风控反欺诈体系课件.pptx（20页珍藏版）》请在三一办公上搜索。
1、百度风控反欺诈体系,百度金融风控服务能力,100亿+日搜索请求,实时,海量,多维,不是抽样，是全样,万级画像维度,数据每日更新,14款过亿用户APP,8亿+移动设备行为,覆盖95%+中国网民的大数据风控能力,可信,百度一下，主动诉求,多维度数据集市,Volume-海量Variety-多维Velocity-实时,百度金融风控反欺诈体系,账户安全,反欺诈规则体系,反欺诈通用模型,活体验证,异常集中度监控,贷后客户质量监控,失联修复,贷前,贷中,贷后,金融获客,实体关联网络黑中介关联黑产关联,黑名单,多头借贷,粗分好人和坏人防批量欺诈攻击,监测变动信息降低风险,修正优化欺诈技术，提升催收效率,识别团
2、伙欺诈监测批量骗贷风险,拦截70%80%,拦截10%20%,拦截5%10%,利用百度人工智能和大数据技术，精准刻画用户的欺诈风险，构建多层次化的金融反欺诈安全防控体系,运行环境安全,有效复联50%-60%,资产保全,反欺诈关键技术,百度金融风险名单,风控关联网络及应用,差异化欺诈防控策略,活体识别攻击对抗,百度金融风险名单,百度金融风险名单优势,百度打黑的多年积累反黑联盟的生态共享全网披露的广泛集成高危特征的及时捕捉,独有的关联维度挖掘专业的欺诈团伙识别科学的量化分级模型严格的金融场景验证,数据,技术,百度金融风险名单构造,身份证,外部数据源,内部各流程,反黑,钱包,信贷,行为,犯罪,老赖,不
3、良,同业,黑名单系统,内部使用,外部使用,MAPPING,CUID,IMEI,MACID,手机号,PASSID,金融机构,百度金融风险名单应用,1000万严重欺诈/信用违约历史高危行为多维度交叉验证,6000万高风险交易/信贷行为高危网络行为典型特征,建议纳入拒绝策略,建议纳入风控模型,姓名身份证手机,设备LBSIP,百度风险名单,Output,Input,关联网络及应用,灵活分层灵活查询,基础建设,覆盖支付、信贷等金融数据，百度大数据中非金融数据，以及一系列第三方数据构成的分布式全拓扑关联网络 总节点约60亿，非第三方关系链约300亿，节点属性丰富，基础属性约100项，主要欺诈、信用属性20
4、项,网络类型,关系类型,查询主键,查询层数,17种,10种,6项,多层,支付网络信贷网络理财网络社交网络通讯录网络,实体复用通讯录通话关系社交关系理财推荐家庭关系同事关系,百度帐号钱包帐号身份证手机号银行卡设备号,风控关联网络建设现状,支持6种查询主键（身份证、百度账号、手机号、银行卡号等）网络支持分层选择（子图查询）关联关系支持自定义权重,一层二层N层连通图条件筛选,风控关联网络概述,数据源,应用层：当前在金融反欺诈的主要应用场景,源数据层：负责各种数据源的引入、清洗和管理，包括金融数据、行为数据和第三方数据,数据建模：对源数据进行加工，抽取出实体、实体关系、实体属性，形成图基础数据,存储计
5、算层：基于spark graphx建立的一套子图计算管理、关联快照和关联分析算法,用户接口：底层关联网络提供Restful图交互接口、Cypher图交互接口和离线图计算任务接口，同时面向用户提供Web、桌面版和SDK（建设中）三种形态的服务,金融数据,行为数据,社交数据,账户数据,黑产数据,多维数据集市,风控关联网络架构,某计算机职业培训学校（正常）,某职业技能培训学校（骗贷）,逾期人员的机构关联分布图,关联网络应用：教育信贷业务关联分析,百度现金贷M2+逾期关联,中介和贷款人关联图（绿色贷款中介，褐色关联贷款人）,百度现金贷正常用户关联（抽样1万人）,关联网络应用：现金贷业务关联分析,数据挖
6、掘,修复信息维度,原始数据,邮箱地址,邮箱,微 博,爱奇异,百度外卖,社交关联网络,IDMapping,潜在关联关系挖掘,强关联关系挖掘,失联催收ROI排序,施压点挖掘,相关性排序,常驻点挖掘,电话,常驻地址,百度钱包,百度有钱,百度账号,百度糯米,百度地图,客户其他 新电话,亲友/同事电话,通讯录电话,个人地址,公司地址,亲友、同事地址,电话本中联系人地址,失联 预警预测,内单：百度用户的覆盖率为99%,复联率为60%+外单：（实验）外部用户的覆盖率为60-80%，复联率为15-30%,:尚处于阶段性样本测试阶段，不同样本的复联率表现存在差异,当前效果,金融关联网络,画像数据,通讯关联,信贷关联,支付关联,AP关联,人行征信,从最终催款效果出发，提升复联精准度提升（实验）外单复联率和精准度,下一阶段,。,关联网络应用：催收复联,差异化欺诈防控策略,已通过准入防控体,验密,是否高危,拒绝,是否高危,排除冒名,活体,Y,Y,Y,N,N,N,N,信用风险流程,电核,facetime,排除风险,Y,信息厚度决定风控模型应用,N,贷后全景分析|批量事件防范,差异化欺诈防控策略,活体识别攻击对抗,当前风险：通过3D建模或者视频攻击绕过活体检测,活体识别攻击对抗,Thanks,
