由于欺诈的模式是随着时间不断演化和发展的，仅仅使用过去的数据表现来预测未来的欺诈风险效果可能会不那么显著。同时，随着反欺诈技术不断的提升，单打独斗式的欺诈变得越来越困难，团伙式的欺诈变得更加普遍。因此，采用关系网络对欺诈进行识别尤为重要。
关系网络在反欺诈中最常见的应用即为团伙欺诈识别。在进行贷款申请的时候，团伙欺诈分子往往会使用一些共同的信息，比如说联系人信息重合度较高、使用相同地址等等。在关系网络中，一个正常的个体往往是一个独立的节点，或者与一两个其他节点组成一个团体。而当出现了多个关系密切的节点时，就需要引起重视了。比如在反欺诈的图数据库中，团伙欺诈的关系有以下特殊：





单独看个体很难发现异常，但当视角扩大到网络后，会有新的发现，本着最小化成本的原则，团伙作案通常会共享一部分信息或共享几台设备。目前这种是比较高明的的团伙欺诈，最危险的图形。黑产团伙多会在社区里多次频繁更换信息。最开始的时候会用到两到三次信息，接着再继续更换信息。目前这种特殊社区，因为还没有统一的标准名称，我们统一称为特殊社区。一般不具有关系图库的话，根本没有办法发现这是一个社区团伙。作为这一步欺诈团伙欺诈分析后，紧接着我们需要上线的策略也有以下类型：





比如在以上的关联度计算中，我们还可以拆分为：

a.用户总计关联度计算
b.用户设备指纹关联度计算
c.用户基本信息关联度计算
d.用户通讯录关联度计算

......

以上各个策略的计算逻辑是什么？做好了相关的变量之后，策略的阈值又该如何设置？在做图数据库的相关计算中，又可以分为哪些类型，本次我们在即将开播的关系网络专题课中，继续为大家带来这样一节一天的干货课程。

本次专题课我们用到OrientDB为大家进行实操演示，并且此次通过云端数据库即可实操这一内容，省去了本地安装部署的繁琐步骤：













关于关系网络染色的过程，我们在这一次的关系网络实操专题课中更会重点介绍。本次专题内容，不仅仅是关系网络理论知识的讲解，我们还将从理论+实操案例的角度，为各位童鞋深度剖析关系网络实操落地。对本课程感兴趣，可以点击底部左下角【阅读原文】了解：





另外：本文所提及的相关数据案例，各位童鞋也可到番茄风控大数据下载相关excel学习了解：





原创文章

...

end