Hubble數據庫x某股份制商業銀行 信用卡反欺詐項目構建2.4億條社交網絡庫

 

項目背景

據央行發布的《支付體系運行總體情況》顯示，截至2017年二季度末，全國信用卡和借貸合一卡在用發卡數量共計5.2億張，應償信貸余額為4.69萬億元。價值市場愈大風險愈高。

數字化讓金融更具有技術性、規模性隱蔽性等特點，這使得風險愈加復雜多樣，諸如信用卡套現、偽卡欺詐、支付資金詐騙案件頻發，而且手段逐漸向高科技、專業化，這對信用卡持卡人帶來了巨大的資金安全威脅，也對信用卡所屬公司造成了業務威脅。

如何保障客戶隱私，同時又可以保證資金。在整個營銷獲客這個閉環流程中，反欺詐是保障效果的重要前提。有效防范欺詐行為，才能保障真實客戶的合法權益?；诮灰篆h境與欺詐形勢的快速變化, 某大型股份制商業銀行積極調整工作思路與防范策略,不斷完善交易欺詐防范體系,提升自身欺詐防控能力 ,實現全方位的交易欺詐風險防控。

 

解決方案

天云數據解決方案，Hubble數據庫將超過30萬基礎數據構建社交網絡圖：

天云數據在某大型股份制商業銀行北京地區信用卡申請客戶的基礎信息數據（總計超過30萬）借助Hubble數據庫產品，把申請人基礎信息構建社交網絡圖，設計并計算出相關社交數據。

 

網絡視角衡量欺詐風險，結構化分解構建特征模型訓練：

構建完成社交網絡后，設計并計算階度，階欺詐數，欺詐占比、最短路徑等網絡指標。從好友數量、親密程度等網絡視角衡量欺詐風險的傳播。此外，將建模中的客戶基礎信息進行結構化分解，共同構建特征以用于后續模型的訓練和驗證。

 

信用卡申請反欺詐，基于圖譜網絡實現32種關系構建：

Hubble數據庫，基于圖譜網絡實現32種關系構建，其中，基于進件節點的電話號碼和郵箱相同構建關系22種，基于地址高相似匹配構建關系6 種，基于特定業務規則相同構建關系4 種。

 

信用卡申請反欺詐，全行信用卡客戶的近2.4億條社交網絡庫：

將信用卡申請人信息及外部信息構建成客戶社交網絡圖，社交網絡包括780萬節點，2.33億條關系。

 

信用卡申請反欺詐，網絡特征引入提升AUC值12%：

網絡欺詐因子標簽將更新到到圖譜網絡中，用于更新節點欺詐屬性，使網絡中部分節點的特征發生變化，最終體現到AI模型中。AUC 由原先的 0.69 提升到 0.81。