轉自博客慧安金科：https://blog.csdn.net/hajk2017/article/details/80771727
感謝！

?????? 我國網絡支付發展迅速，從 2013 年開始，網絡支付市場的交易規模平均以 50% 的年均增速增長。2017 年，我國網絡支付交易規模達到近 154.9 萬億元，同比增長率接近 44.3%。網絡支付在線下小額和零售領域等適用場景不斷豐富，滲透于消費、金融、個人應用等各個領域。

?????? 新的支付形式也催生了新的欺詐手段。在支付環節，黑色產業集團往往通過社工方式和技術手段，盜取利用個人姓名、手機號碼、身份證號碼和銀行卡號等直接關系賬戶安全的要素，并進一步用于進行精準詐騙、惡意營銷。虛假 WiFi、病毒二維碼、盜版 APP 客戶端以及木馬鏈接等是盜取用戶私人信息的主要手段，獲得的關鍵信息被收入數據庫分類儲存。其中，賬戶信息（如游戲賬戶、金融賬戶）通過黑色產業鏈進行金融犯罪和變現，用戶真實信息除了販賣外，更多用于商城盜刷。

?

網絡支付欺詐案例：盜用賬號支付

????? 某大學生發現自己銀行卡里的 5 萬元“不翼而飛”。反復查詢，他被通知自己在某電商平臺注冊了一個新賬號，購買了高達 49966 元商品。實質上并非本人的購買行為。其實，該商城風控部門利用其風控體系在支付的那一刻已觸發預警。接到預警后，風控負責人快速安排對這一訂單的攔截，同時安排發貨以進一步鎖定嫌疑人，最終幫助挽回損失。

該案例是賬號盜用的典例，其涉及四步具體操作：

?

第一步：放馬。該團伙在大學城周邊，通過偽基站發送帶有木馬病毒鏈接的偽裝短信，該學生在點擊鏈接后，用戶名及密碼均已泄露。

第二步：操盤。由于直接盜刷銀行卡難度較高、風險較大，騙子掌握各類信息之后，便想起通過商城購物的方式來進行變現。

第三步：洗料。注冊完賬戶，綁定銀行卡之后，就會通過網上商城購買高價值物品，比如黃金、手機等。并通過對來電進行攔截或者設置呼叫轉移，使得商品到達欺詐團伙手中。

第四步：變現。通過地下黑色產業鏈銷贓網絡，將購買來的物品變現、分贓。

反欺詐手段

?

該案例中，主要運用了行為序列、生物探針和關系圖譜技術對支付環節的前中后期進行了風險預判：

????? 首先，行為序列技術發現了購買記錄的異常。行為序列技術記錄了該學生在平日購物時的購物金額、瀏覽時長、對比行為等因素，發現了購物金額不超過 1000 多元、平時要花時間進行同類對比、尋找優惠券的該學生，本次僅瀏覽了十分鐘便下單購買昂貴的商品，馬上觸發了預警。

????? 其次，生物探針技術發現本次購買行為與往常不同。生物探針技術能夠根據用戶使用 APP 的按壓力度、手指觸面、滑屏速度等 120 多個指標，判斷用戶的使用習慣，因此，檢測出本次購物中的異常使用情況。

????? 最后，關系圖譜技術，通過用戶關系估算用戶的信用，同時周圍與之相關人的信用影響到對該用戶信用評估。關系圖譜技術通過分析發現該學生對本商品的需求并不高，因此也觸發了預警。

反欺詐效果和可移植性

????? 行為序列、生物探針、關系圖譜等技術綜合運用，可以有效識別支付環節的用戶風險，同時可向其他場景復制、移植。

????? 行為序列技術對用戶購物行為、地址位置信息、過往訂單信息、信用卡交易詳情等信息進行實時監測，形成多維度用戶畫像。除了應用于用戶身份識別和反欺詐，行為序列分析還能實現”千人千面”的精準營銷。根據用戶的歷史購買和瀏覽習慣等信息可以推測出用戶的年齡、性別、職業、愛好等身份特征，比如某位用戶經常瀏覽母嬰網站并購買孕期用品，則可推測該用戶為一位準媽媽，進而可根據這些信息在不同時間為用戶推薦恰當的商品，提高購買率。

????? 生物探針技術打破了傳統判別用戶身份的邏輯，基于用戶的行為特征模型，而不是僅僅依靠密碼、驗證碼這些易被盜用的數字信息識別用戶，這種技術應用在金融場景中效果尤其明顯，但同時也可向其他非金融領域復制、移植。一是可以將生物探針這一技術手段廣泛應用于社交、游戲、購物等各類移動 APP 賬戶安全保護中。智能手機及各類賬戶中存儲著用戶的大量信息，包括朋友聯系方式、照片、數字資產甚至工作機密資料，一旦手機丟失或賬戶被盜，后果難以估量。目前應用的賬戶安全保護技術主要為數字密碼、手勢密碼、手機驗證碼等數字信息，容易被不法分子攻擊、破解，若加入生物探針技術，將能夠從更多的維度判別用戶身份，且不存在被盜風險。二是生物探針技術可以同賬戶安全險、手機丟失險等網絡保險產品結合，幫助保險公司完善產品結構。生物探針技術集合上百項指標生成特有的用戶行為特征模型，可有效進行人機識別和本人識別。若應用于賬戶安全險、手機丟失險的產品設計中，可有效降低出險率，同時幫助用戶進行安全管理，讓保險產品不僅能管理風險，還能保障安全。

????? 關系圖譜技術可以進行涉黑群體挖掘。通過記錄用戶節點信息，以及所有在這些節點上發生行為的相關行為的連接，最終把與之相關的一系列用戶和行為都描述出來。它能有效識別數據造假、組團欺詐、輔助信貸審核、失聯企業管理等等。在這個維度上做風控，可以將隱蔽在后面的欺詐行為提前預防、并攔截在體系之外。除了能識別金融領域的欺詐風險之外，關系圖譜技術還可對持股結構、高管關系、涉訴案件等方面的欺詐行為有效識別。關系圖譜技術的主要特點是能夠勾勒出看似不相關的主體間的隱含關系，從而對潛在風險的識別非常有效，從這一點上講，關系圖譜技術非常契合金融業務尤其是數字金融業務參與主體多、流程冗長的特點，能夠在復雜的業務流程中梳理出一條簡單清晰的主線，這不僅能夠識別欺詐行為，而且對于某個業務場景下全局性金融風險的識別防范具有非常現實的意義。

?

總結

以上是生活随笔為你收集整理的【风控场景】互利网上数字金融典型场景： 网络支付的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。