金融科技反欺詐現(xiàn)場(chǎng)：超6成壞賬來(lái)自黑中介騙貸

　　本報(bào)記者 陳植 上海報(bào)道

　　擔(dān)任一家金融科技平臺(tái)風(fēng)控總監(jiān)起，趙誠(chéng)（化名）每天都要與黑中介作斗爭(zhēng)。

　　所謂黑中介，最初是幫借款人美化個(gè)人財(cái)務(wù)數(shù)據(jù)以幫助借款人順利獲得消費(fèi)貸款，從中抽取提成。但在金融科技的驅(qū)動(dòng)下，越來(lái)越多“高技術(shù)、高水準(zhǔn)、高欺詐能力”的黑中介迅速出現(xiàn)，他們要么通過(guò)電腦程序不斷“試錯(cuò)”，尋找各家消費(fèi)金融平臺(tái)風(fēng)控漏洞；要么虛構(gòu)大量借款人材料（如年齡、收入、銀行流水等）開(kāi)展批量貸款騙取大量資金；要么誘導(dǎo)消費(fèi)者及偏遠(yuǎn)地區(qū)群體借款。

　　“收入逾千萬(wàn)元的黑中介越來(lái)越多。”他告訴記者。與此對(duì)應(yīng)的是，金融科技平臺(tái)壞賬率隨之水漲船高。

　　多位金融科技平臺(tái)人士透露，當(dāng)前金融科技領(lǐng)域壞賬率約在10%-15%，其中60%-70%的壞賬就是由黑中介“創(chuàng)造”；甚至多家金融科技平臺(tái)借款申請(qǐng)人里，10%-15%都由黑中介“幕后操縱”。

　　面對(duì)黑中介欺詐風(fēng)險(xiǎn)的沖擊，各家金融科技平臺(tái)紛紛引入不同范疇大數(shù)據(jù)強(qiáng)化自身風(fēng)控模型。

　　“這其實(shí)是一場(chǎng)持久戰(zhàn)，當(dāng)平臺(tái)不斷調(diào)整風(fēng)控模型參數(shù)，黑中介也在不斷試錯(cuò)尋找平臺(tái)風(fēng)控漏洞。”趙誠(chéng)直言。

　　層出不窮的騙貸手法

　　起初，趙誠(chéng)認(rèn)為黑中介“不難對(duì)付”。

　　“他們無(wú)非是包裝借款人身份與財(cái)務(wù)數(shù)據(jù)（比如虛構(gòu)穩(wěn)定收入、良好信用卡還款記錄、房產(chǎn)資料與公積金繳納數(shù)據(jù)等），組團(tuán)騙貸。”他透露。此外，為了規(guī)避金融科技平臺(tái)對(duì)申請(qǐng)人通訊行為的審查，黑中介會(huì)提前半年以上“養(yǎng)”著成千上萬(wàn)個(gè)手機(jī)號(hào)（俗稱“養(yǎng)號(hào)”），刻意保持這些手機(jī)號(hào)每日正常的通話記錄、聯(lián)系人等信息，以便用這批手機(jī)號(hào)騙取金融科技平臺(tái)貸款。

　　針對(duì)部分金融科技平臺(tái)要求申請(qǐng)人授權(quán)爬取郵箱的信用卡賬單“敲定”貸款金額，部分技術(shù)水準(zhǔn)較高的黑中介則利用軟件技術(shù)修改郵箱里信用卡賬單的額度，從而騙取更高的貸款金額。

　　“目前，多數(shù)金融科技平臺(tái)的風(fēng)控技術(shù)已能破解這些騙貸招數(shù)。”趙誠(chéng)透露。但令他驚訝的是，與金融科技平臺(tái)風(fēng)控水準(zhǔn)持續(xù)提升“同步成長(zhǎng)”的，還有黑中介的“騙貸技術(shù)”。

　　過(guò)去兩年他幾乎每天都會(huì)發(fā)現(xiàn)黑中介通過(guò)電腦不斷試錯(cuò)，企圖尋找平臺(tái)風(fēng)控漏洞。其中最常見(jiàn)的是，不少黑中介通過(guò)部分IP地址不斷發(fā)來(lái)借款申請(qǐng)——每次借款人的收入、年齡、婚姻狀況、工作等各有細(xì)微不同，以此不斷“試錯(cuò)”摸出平臺(tái)的風(fēng)控側(cè)重點(diǎn)或漏洞，再抓住機(jī)會(huì)批量借款騙取大量資金。

　　為了有效遏制黑中介“試錯(cuò)”行為，如今越來(lái)越多金融科技平臺(tái)紛紛整合大量第三方數(shù)據(jù)，深入挖掘借款人征信機(jī)構(gòu)評(píng)分、信貸數(shù)據(jù)、消費(fèi)數(shù)據(jù)、互聯(lián)網(wǎng)痕跡數(shù)據(jù)、公安部數(shù)據(jù)、運(yùn)營(yíng)商數(shù)據(jù)、法院數(shù)據(jù)等信息生成數(shù)萬(wàn)個(gè)風(fēng)險(xiǎn)變量，并且不定期變更風(fēng)控策略，令黑中介難以掌握全部數(shù)萬(wàn)個(gè)風(fēng)險(xiǎn)變量及其風(fēng)控變量組合排列方式，大大提升黑中介攻破平臺(tái)風(fēng)控體系的難度。

　　一位熟悉黑中介騙貸模式的金融科技平臺(tái)負(fù)責(zé)人透露，一鍵試錯(cuò)行為漸行漸難，部分黑中介又開(kāi)啟新的騙貸方式。他們從偏遠(yuǎn)地區(qū)（尤以不發(fā)達(dá)地區(qū)為重）挖掘“白戶”人群，以微薄好處誘導(dǎo)這些“白戶”人群完成消費(fèi)金融平臺(tái)的注冊(cè)、實(shí)名認(rèn)證過(guò)程，再通過(guò)繳存社保公積金、人為制造銀行流水、完善征信記錄等手段，對(duì)多個(gè)平臺(tái)進(jìn)行高額度的騙貸，待貸款到手，各自分成后跑路。

　　更有甚者，部分黑中介開(kāi)始嘗試聯(lián)合消費(fèi)金融場(chǎng)景服務(wù)方騙貸。比如黑中介先與商家勾結(jié)，要么通過(guò)簽訂假合同幫助急需現(xiàn)金的借款人貸款；要么誘導(dǎo)消費(fèi)者申請(qǐng)消費(fèi)分期/貸款以支付相關(guān)費(fèi)用，一旦貸款到手，馬上跑路。其結(jié)果是越來(lái)越多消費(fèi)者“被貸款”，且不少借款人根本對(duì)貸款“不知情”，導(dǎo)致平臺(tái)還款逾期率與壞賬率雙雙增加。

　　這位金融科技平臺(tái)負(fù)責(zé)人透露，當(dāng)前黑中介勾結(jié)商戶騙貸行為主要出現(xiàn)在培訓(xùn)、租房、醫(yī)美、3C數(shù)碼消費(fèi)等特定消費(fèi)場(chǎng)景。目前，多數(shù)互金平臺(tái)對(duì)此的風(fēng)控策略，主要是建立合作商戶白名單，精選合規(guī)操作、市場(chǎng)品牌口碑較高的商戶開(kāi)展消費(fèi)貸款業(yè)務(wù)。 “不過(guò)，這些做法治標(biāo)不治本，因?yàn)槟阌肋h(yuǎn)不知道黑中介還會(huì)使用哪些新的騙貸方法，只能被動(dòng)迎戰(zhàn)，無(wú)法做到一勞永逸地遏制黑中介生存空間。”趙誠(chéng)直言。

　　大數(shù)據(jù)反欺詐征途漫漫

　　在趙誠(chéng)看來(lái)，面對(duì)黑中介層出不窮的騙貸方法，金融科技平臺(tái)最佳的應(yīng)對(duì)措施，仍是整合不同范疇數(shù)據(jù)還原借款人真實(shí)的信用狀況，令黑中介各類騙貸手法“無(wú)從遁形”。

　　記者多方了解到，因此越來(lái)越多金融科技平臺(tái)雙管齊下，一是不定期變更風(fēng)控模型參數(shù)，以此持續(xù)提高風(fēng)控模型安全性；二是建立黑名單制度，即通過(guò)互聯(lián)網(wǎng)抓取黑中介各類信息，其中包括黑中介在互聯(lián)網(wǎng)借貸平臺(tái)留下的手機(jī)號(hào)碼等，再根據(jù)黑中介電話號(hào)碼、地址、姓名等因素形成一個(gè)數(shù)據(jù)收集網(wǎng)絡(luò)，若借款人與這些黑中介有過(guò)電話記錄，則自動(dòng)將其放入黑名單，屏蔽其借款申請(qǐng)。

　　“不過(guò)，這種做法也存在雙刃劍效應(yīng)，因?yàn)樗鼤?huì)讓金融科技平臺(tái)丟失不少存在真實(shí)貸款需求、且有還款意愿與能力的不知情借款人。”上述金融科技平臺(tái)負(fù)責(zé)人向記者透露。因此眾多金融科技平臺(tái)紛紛嘗試引入人工智能技術(shù)，對(duì)借款人做人臉識(shí)別、活體檢驗(yàn)（比對(duì)借款人影像是活人還是照片）和銀行卡等四要素驗(yàn)證。這種做法的好處，一是能有效驗(yàn)證申請(qǐng)人的身份，防止黑中介偽冒他人身份申請(qǐng)貸款，二是借助微表情等人工智能識(shí)別技術(shù)捕捉到借款人在面審回答問(wèn)題環(huán)節(jié)的細(xì)微、異常的神情變化，從而發(fā)現(xiàn)黑中介群體潛在的騙貸行為。

　　在信用算力首席風(fēng)險(xiǎn)官劉曉峰看來(lái)，要讓海量大數(shù)據(jù)與這些最新的科技在反欺詐環(huán)節(jié)發(fā)揮更大作用，關(guān)鍵還在于做好多維數(shù)據(jù)勾勒比對(duì)與交叉驗(yàn)證，一是檢驗(yàn)個(gè)人信息多個(gè)維度之間的邏輯關(guān)系是否合理，二是審查借款人提交的個(gè)人信息與外部數(shù)據(jù)是否一致。以地理位置信息為例，信用算力利用客戶在平臺(tái)上的LBS信息進(jìn)行“安全地區(qū)”、“審慎地區(qū)”及“高危地區(qū)”等精準(zhǔn)識(shí)別，當(dāng)客戶自填信息與平臺(tái)利用人工智能算法得到的信息存在較大差異時(shí)，貸款存在欺詐的可能性較高。

　　“目前，我們還通過(guò)‘Fin-Cloud信貸云’系統(tǒng)對(duì)每位用戶的每一步行為路徑及軌跡進(jìn)行加密記錄并保存，利用該數(shù)據(jù)，結(jié)合最先進(jìn)的深度學(xué)習(xí)和決策樹(shù)算法，如深度神經(jīng)網(wǎng)絡(luò)（DNN）等形成獨(dú)有的信號(hào)級(jí)指標(biāo)，綜合用戶使用熱度、登錄時(shí)間、地點(diǎn)等習(xí)慣信息判斷該用戶的欺詐風(fēng)險(xiǎn)，內(nèi)部測(cè)試數(shù)據(jù)顯示該指標(biāo)獨(dú)立KS達(dá)到0.32。”劉曉峰指出。針對(duì)黑中介“養(yǎng)號(hào)”的騙貸做法，金融科技平臺(tái)可以借助運(yùn)營(yíng)商詳單數(shù)據(jù)，或直接調(diào)用外部第三方征信公司所提供的數(shù)據(jù)服務(wù)，通過(guò)分析申請(qǐng)人提供的號(hào)碼是否存在外賣、房產(chǎn)中介機(jī)構(gòu)、快遞公司等與日常生活相關(guān)的呼入電話，從多個(gè)維度判斷手機(jī)號(hào)碼是否屬于“養(yǎng)號(hào)”。

　　“此外，針對(duì)偽造銀行工資流水，若互金平臺(tái)通過(guò)第三方數(shù)據(jù)，查驗(yàn)借款人所提交的工作信息與第三方機(jī)構(gòu)查驗(yàn)到的單位地址及借款人密集活動(dòng)地址是否匹配，工作信息是否真實(shí)，也能發(fā)現(xiàn)黑中介的蛛絲馬跡。”他透露，圍繞海量不同領(lǐng)域大數(shù)據(jù)的應(yīng)用，金融科技平臺(tái)還有巨大操作空間持續(xù)提升反欺詐能力，比如金融科技平臺(tái)通過(guò)查看更長(zhǎng)時(shí)間范疇（通常超過(guò)1年）銀行流水?dāng)?shù)據(jù)，從而判斷借款人工資流水造假的可能性。，鑒于多維度數(shù)據(jù)勾勒比對(duì)與交叉驗(yàn)證的人工智能技術(shù)迅猛發(fā)展，當(dāng)前信用算力還在嘗試一種新型的大數(shù)據(jù)反欺詐模型，即綜合用戶多平臺(tái)借貸情況、查詢次數(shù)，以及款A(yù)PP使用熱度、登錄時(shí)間、登錄地點(diǎn)、瀏覽行為等使用習(xí)慣信息，提升用戶欺詐風(fēng)險(xiǎn)判斷的準(zhǔn)確性同時(shí)，整合黑名單數(shù)據(jù)庫(kù)與千余家互聯(lián)網(wǎng)平臺(tái)交互信息，進(jìn)而建立用戶的灰度分，對(duì)灰度分較高的用戶，信用算力將通過(guò)算法分析模型進(jìn)一步精準(zhǔn)識(shí)別精心包裝善于隱藏的黑中介。

　　“其實(shí)，黑中介各類騙貸行為能否得到有效遏制，很大程度取決于平臺(tái)自身風(fēng)控策略是否嚴(yán)謹(jǐn)。”劉曉峰指出。若金融科技平臺(tái)從嚴(yán)遵循風(fēng)控標(biāo)準(zhǔn)對(duì)“可疑”借款申請(qǐng)?zhí)幪幵O(shè)防，黑中介自然處境艱難。

　　“比如傳統(tǒng)金融企業(yè)會(huì)覺(jué)得個(gè)人收入越高，越是好人；但事實(shí)上，若將借款人年齡與收入結(jié)合起來(lái)，發(fā)現(xiàn)某些借款人年齡很小但收入很高，平臺(tái)通過(guò)大數(shù)據(jù)比對(duì)很快就能發(fā)現(xiàn)其中所隱藏的疑點(diǎn)。”他舉例說(shuō)。

　　（編輯：曾芳，如有意見(jiàn)或建議，請(qǐng)聯(lián)系z(mì)engfang@21jingji.com）

責(zé)任編輯：楊群