反欺诈这个话题比较大，能力有限仅谈一下实际工作中遇到的东西。这里主要谈一下中小微贷款的申请反欺诈，不谈交易类反欺诈等。我个人认为只要涉及到与“待确认条件不符的”都是反欺诈里的内容。常见的反欺诈手段有这么几种。
1、申请人年龄、学历与当期情况不符合准入条件。GPS信息属于禁止范围之内。
2、人脸识别中识别率过低，身份证与申请人不符合某一阀值。
3、通话详单欺诈与疑似欺诈。例如手机实名不符、通话费用过少、某段时间内通话累计时长过少、通话详单中姓名认证不符合、通讯录呼入呼出交叉对比不符合条件、通讯录中含有敏感词关键字、通讯录数据数量过少等
4、多头借贷。银行类机构或非银类机构借款数量过多、逾期过长、未还款次数过多。
5、人行征信。人行白户或者信用卡逾期严重。
6、机构拒绝。银行类或非银类非准入条件被拒次数过多，某时间段内申请过多。
7、设备拒绝。涉嫌诈骗类设备、虚拟设备、虚拟交易过多、以及延伸出来的，设备申请、逾期、拒绝等过多。
8、欺诈团队的设备虚拟与团伙诈骗的集中性。但是对于高明的欺诈团队我个人无能为力。
9、其他的还有一些，比如IP验证服务或者反欺诈或者GPS信息反欺诈。
10、三网数据的一些反欺诈以及三网涉不良信息等。
11、比如申请用户的手机号、身份证在多平台申请或者发生逾期。通讯录TOPX、常用联系人也是如此。在延伸一下1、2、3度人脉的相关联反欺诈（用知识图谱做的三度人脉反欺诈效果还是不错的。有能力的朋友们可以尝试一下）。
现在很多产品都愿意获取社保数据，因为社保数据相对来说不太容易造假（听业内好朋友反馈的信息，笔者未曾亲自验证过。）对于某些场景下的，例如司机验证，货车验证、商户验证的信息，笔者没有使用过也无法给出明确的答案。
因反欺诈内容比较多。对于纯线上的交易，结合各种数据可以识别大部分。对于线下交易以及重要资产的重点都已银行类征信数据为准。这里就不一一举例了。实在是能力有限不敢造次。说明一下，很多反欺诈及疑似欺诈的阀值调整是很有技术含量的，如果没有一些经验瞎设置是非常令人佩服勇气的一件事情。
还有一件事情，对于欺诈团队，如果在P2P欺诈了，那么3C欺诈类、医疗美容欺诈依然有效。毕竟欺诈团队也是打一枪换一炮的。只要有留痕了，总会被发现的。从接三方数据角度来说，重点分为：通讯类、设备类、X要素类。如果有条件多接几家不是坏事。哪怕一万个里面能防住一个也算是减少损失了。
另外：黑名单不同于欺诈。黑名单有些数据是不可共用的，但是欺诈的数据相对通用性比较大，个人建议采用。
总之吧，反欺诈任重而道远，取各家之所长才能为产品更好的服务。反欺诈体系里面的专业内容及方法论，宜信做的还是不错的。不管是从流程还是数据层面，但是他也有自己的短板。BATJ中的J还些许了解了一些。对了，B有反欺诈吗？我都不知道T的反欺诈讲的是啥。J的反欺诈，至少用户的购买地址多半都是真实的。毕竟反欺诈大数据BATJ还是存在非常好的基础的，相信未来他们会做的更好。
联系客服
