• 集团级风控知识图谱项目
  • 图谱识别和风险预警模型项目
  • 金融企业风控营销一体化项目
  • 供应链金融模型项目

业务系统本身,包含非常丰富的用户基础信息数据与用户行为数据。欺诈者出于成本考虑,通常情况下会借助一些自动化工具实施欺诈行为,这就导致这些用户的基础信息与行为数据会异于正常用户,这些异常,可以通过规则法、监督学习等方式发现,但规则法通常会有明显的业务专家人为设计的痕迹,导致最终发现的异常难以摆脱业务专家既有的经验,难以发现潜在的、业务专家未想到的风险,而监督学习需要大量的标注数据,获取这些数据无疑要付出巨大的代价,因此,在本次项目中,我们采用了无监督学习的方式来发现此类欺诈。


除此以外,针对个别员工存在相互串谋、与客户勾结、与供应商串通等可能性,由于此类行为通常在单一业务系统中不会留下明显痕迹,因此,单纯的无监督学习针对此类欺诈也会失效。而站在一个更宏观的视角审视此问题,就会发现,如果打破各个业务系统之间信息孤立的现状,将各个系统的数据整合起来构建一个统一的知识图谱,欺诈者就无所遁形了。例如员工与外部人员相互勾结进行利益输送,单纯看业务系统可能并无异常,但结合员工与外部人员的邮件、通话、资金往来等信息,就有可能发现此类欺诈行为。因此,我们通过整合业务系统中的客户基础信息、行为数据,员工与客户的交互数据等信息,构建了一个反欺诈图谱,在此基础上,通过网络传导算法,可以很容易地发现欺诈者之间隐秘的相互勾结关系。


通过我们的方案,分别在两个业务场景中各发现一处系统规则设置漏洞,在第一个场景中还发现其中部分存在异常的员工覆盖该公司曾经发生的一个舞弊案件中的作案人员,而在第二个场景中发现的另外四批异常,也都得到了业务专家的确认,充分证明了方案的有效性。


项目背景

BACKGROUND OF THE PROJECT

解决方案

SOLUTION

某大型保险集团是国内最早获得保险运营牌照的企业之一,现已发展为集保险、银行、理财、支付等业务于一体的大型集团,在过去的几十年运营过程中,积累了丰富的数据,而该集团的业务决定了会有大量员工工作内容涉及与客户的交互,因此就存在员工串谋窃取客户的资金、信息,员工与客户串通窃取公司资产的可能性。而该集团现有的反欺诈模型大都基于规则,灵活性不佳,无法快速应对当今层出不穷的新的欺诈手段,某些规则甚至涉及公司核心机密,一旦泄露,无法在短时间内修复,将会对公司造成巨大的损失,并且各个系统之间的信息孤岛难以打通,很难对同一批或相似的欺诈行为进行统一防范。


本网站由阿里云提供云计算及安全服务