我國網絡借貸行業出現早、發展快。自 2007 年，我國第一家網絡借貸平臺拍拍貸成立。經過數年的發展，我國 P2P 網貸規模已經成爲世界第一。據網貸之家的數據顯示，2017 年全年網貸成交量 接近 2.8 萬億元，相比 2016 年增長 0.8 萬億元，接近 2015 年成交量的 3 倍。
網絡借貸行業快速發展的同時欺詐行爲也層出不窮，據愛錢進網的統計，每 100 個拒貸案件中大約有 16 起涉及不同程度的蓄意造假或欺騙。由於線上造假成本低廉，詐騙技術不斷更新，代辦公司迅速崛起，社會個人徵信體系不完善等原因，網貸行業也成爲詐騙者競相追逐的“蛋糕”。
網絡借貸的欺詐行爲主要有中介代辦、團伙作案、機器行爲、賬戶盜用、身份冒用和串聯交易等。 其中，身份冒用是比較常見的欺詐行爲，它是指貸款人對提供的個人身份、財產證明等材料進行造假， 甚至採用欺騙等違法手段獲取他人信息，進而冒充他人身份騙貸。
網絡借貸欺詐案例：網絡借貸中的身份冒用欺詐
2017 年 3 月，某中介通過 QQ 羣招攬學生做兼職，中介給予每個學生一張手機卡，並要求學生 拿此卡去銀行辦理工資卡。中介以登記爲由，利用銀行卡和手機號獲取了學生的身份證、學籍、學歷等信息，而後用綁卡方式向網貸平臺申請了多筆信貸業務。
反欺詐手段
針對身份冒用的欺詐行爲，主要採取了人臉識別、用戶畫像等技術。
具體步驟包括：
一方面，利用人臉識別技術識別是否是借款人本人發起的申請，具體操作上利用視頻畫面截取申請人臉部特徵，與身份證照片進行比對驗證。但由於該網貸平臺沒有視頻驗證的流程，就需要配合精準畫像等技術進一步驗證；
另一方面，通過文本語義分析、用戶行爲分析、終端分析等等方法，刻畫客戶個人的特徵，並用於網絡貸款交易事前、事中、事後全過程的欺詐識別。
例如， 通過大數據分析投資者的行爲軌跡發現，正常投資者會在申請的每個節點都停留幾秒，完成整個貸款申請流程至少需要 5 分鐘，而數據分析發現欺詐者不到 10 秒鐘就走完所有流程，且該用戶的申請時間是凌晨 2 點。根據對用戶申請速度、申請時間的分析，就可以判定出來這個人應該是欺詐者，於是平臺立即拒絕了其貸款申請。
反欺詐效果和可移植性
人臉識別和用戶畫像技術在身份冒用的欺詐行爲識別中發揮了重要作用，通過圖像採集、人臉檢測、精確定位、數據標準化、人臉特徵比對等步驟識別是否是本人操作，利用用戶畫像能夠鎖定客戶的個性化特徵，綜合判定欺詐的可能性。這兩類技術不僅在網絡借貸虛假申請識別中的應用效果顯著，同時也可向其他金融及非金融領域移植、複製。
人臉識別技術除在金融反欺詐中得到應用外，還可在公安刑偵、社會保障、邊境檢查等公共服務領域得到廣泛應用。當然，該技術也存在一定的風險：一是臉部數據的可複製性，個人的臉部特徵數據可在公開環境下直接獲取並複製。二是臉部數據的不穩定性。臉部化妝、過敏、受傷、整容都會導致臉部特徵發生變化，從而影響人臉識別準確率甚至無法識別。三是後臺數據的安全性至關重要，一旦人臉識別、虹膜識別的後臺數據被黑客攻破，對行業和社會都是毀滅性的打擊。因此，人臉識別技術並不是風控中具有絕對殺傷力的武器，而應該結合反欺詐的其他技術手段配套使用，這是人臉識別技術運用的重要前提。
用戶畫像技術的本質是給用戶行爲貼標籤，該技術的主要作用是通過數據挖掘，利用關聯規則計算以及聚類算法分析用戶偏好行爲以及行爲之間的內在聯繫。因此，該技術不僅能夠識別用戶潛在的欺詐行爲，更重要的是能準確瞭解用戶習慣和需求，在基於用戶需求角度下的各類商業場景和公共服務場景都有應用的可能。值得注意的是，用戶畫像技術是多學科的結合，需要知識圖譜、自然語言處理、機器學習和數據挖掘等方面的交叉融合。
相關文章：