2.3　欺詐與欺詐風險

欺詐是行為人故意制造假象或隱瞞事實真相并可能使他人誤解、上當的行為。欺詐的本質是虛假或隱瞞。欺詐風險是指因欺詐行為帶來的可能的潛在的損失。

2.3.1　欺詐風險的分類

在銀行零售信貸領域，欺詐可以從不同角度進行分類，如表2-6所示。

2.3.2　欺詐風險的防范

欺詐風險防范比較有效的手段、技術、工具和抓手如下。

1）采用身份識別、活體識別、三要素四要素驗證。

2）建立黑名單、多頭借貸庫和信譽庫。

3）黑產設備和行為特征提取（基于規(guī)則）。

4）建立欺詐評分模型（有監(jiān)督學習）。

5）建立聚類與異常檢測模型（無監(jiān)督學習）。

6）關聯網絡挖掘（無監(jiān)督學習）。

需要特別說明的是，隨著機器學習特別是深度學習技術在智能風控領域的應用越來越多，基于無監(jiān)督學習和關聯網絡挖掘的模型效果會更出色。

2.3.3　欺詐風險與信用風險比較

在實際業(yè)務中，欺詐風險與信用風險的界限并不是涇渭分明的，實際上有頭部銀行在風控實踐中甚至并未對兩者做嚴格的區(qū)分。

在筆者看來，欺詐風險和信用風險存在一定差異，主要體現在如下方面。

1）欺詐風險屬于操作風險范疇，欺詐的核心在于“虛假”，而且欺詐風險如果造成重大損失的，則可能會觸犯刑法，例如信用卡詐騙、信用卡惡意透支等。

2）欺詐風險具有動態(tài)性和對抗性，欺詐具有明顯的對抗性和顯著的動態(tài)性，原來設定的欺詐規(guī)則隨時可能會失效，使用監(jiān)督學習模型的反欺詐模型的預測效果可能會隨時間較快衰減。

3）從建模技術角度，兩者也存在一定區(qū)別。

• 欺詐更關注短期行為，因為欺詐分子的目的一般是“撈一把就跑”，通常不會潛伏或逗留太久，所以模型目標Y以短期快速逾期表現為主。
• 兩者所使用的特征變量側重點有差異，欺詐風險模型更傾向于構造反映欺詐的特征。
• 在模型選擇方面，欺詐模型更多使用非監(jiān)督學習方式。
• 反欺詐對于實時性有更高要求，特別是交易反欺詐和支付反欺詐場景，都要求做到實時欺詐識別。