3.2.4　反欺詐策略層

反欺詐業(yè)務(wù)層建模，首先得有策略。在反欺詐策略的基礎(chǔ)上，我們可以通過人工智能、大數(shù)據(jù)、機器學(xué)習(xí)和區(qū)塊鏈等數(shù)字技術(shù)，建立實時數(shù)據(jù)采集、實時數(shù)據(jù)處理和實時欺詐發(fā)現(xiàn)的數(shù)字化反欺詐平臺，如圖3-15所示。

圖3-15　數(shù)字化反欺詐平臺

常見的反欺詐策略有OCR識別、用戶信息校驗、命中黑名單、命中多頭借貸、手機號校驗、運營商認證、銀行卡實名認證、人臉識別、活體驗證、三方數(shù)據(jù)比對、設(shè)備信息檢測、關(guān)系圖譜分析、用戶行為數(shù)據(jù)等。

以供應(yīng)鏈融資的設(shè)備埋點反欺詐為例，客戶完成授信后，我們從設(shè)備信息驗證和設(shè)備指紋識別中，提取符合反欺詐特征標(biāo)簽的數(shù)據(jù)，進一步搭建反欺詐模型。結(jié)合歷史放貸樣本，我們可使用Lightgbm和XGBoost框架進行機器學(xué)習(xí)和深度學(xué)習(xí)，從而得到欺詐評分或欺詐規(guī)則，確保數(shù)據(jù)符合準(zhǔn)入策略、認證策略和支用策略，以便實時輸出判定結(jié)果，識別金融反欺詐風(fēng)險。

在供應(yīng)鏈金融業(yè)務(wù)中，反欺詐模型起著很重要的作用。從關(guān)系圖譜上，我們能夠了解關(guān)聯(lián)企業(yè)的經(jīng)營關(guān)系；從客戶畫像上，能夠識別惡意客戶與行為數(shù)據(jù)；從數(shù)據(jù)挖掘上，能夠判斷企業(yè)真實的經(jīng)營狀況。

供應(yīng)鏈金融的發(fā)展趨勢必然是數(shù)字化。我們可通過提升產(chǎn)業(yè)金融的數(shù)字化基礎(chǔ)，加速供應(yīng)鏈金融企業(yè)的數(shù)字化進程。數(shù)字化供應(yīng)鏈金融的反欺詐就是通過數(shù)字技術(shù)和決策引擎來提升供應(yīng)鏈上的風(fēng)險識別能力，從而有效地改善核心企業(yè)現(xiàn)金流，降低資產(chǎn)負債率，增加上下游客戶黏性。