信用卡是最常見金融信貸產品，初衷是爲了解決用戶提前消費和便捷支付的需求。髮卡機構根據申請人的信用資質授予其可以使用的信用額度，申請人可以在多個消費場景使用信用卡額度進行便捷的信用支付，而已經使用的額度可以在還款之後重新恢復、再循環使用於更多的消費支付場景。
套現養卡，信用卡常見的違規操作
由於信用卡剛出現的時候，並不是所有消費場景都支持刷卡支付，很多場所只接受現金支付，爲擴大使用場景、提升用戶體驗，很多信用卡產品在信用支付的基礎上也爲用戶開通現金取現的服務。通常信用卡的取現額度通常不超過信用額度的30%，透支取現的部分沒有免息期、其對應的手續費和利息也比刷卡消費高，借貸成本高、只適用於短期應急的情形。
相對於額度小規矩多的信用卡取現，信用卡套現最吸引欺詐用戶。利用不法商戶或刷卡設備製造虛假刷卡消費交易，以少量的手續費把信用額度全部轉化爲個人的現金。而套現的方式有“他人消費刷自己的卡”，與商家或某些“貸款公司”、“中介公司”合作套現，或者是利用一些網站或公司的服務等套現。
除了信用卡套現，還有欺詐用戶進行“以卡養卡”。通過消費或者套現等方式使用一部分信用卡的額度，然後在賬單日之後消費（提現）剩餘額度，將消費來的錢進行還款，反覆操作即可實現完成賬單的還款。而且多次消費的金額會出現在下一個賬單日上，這樣配合套現就可以實現無期限的貸款，每月只需要支付部分手續費即可。當然，欺詐用戶也可以辦理多張不同銀行的信用卡，也能實現以上的“以卡養卡”。
信用卡的每筆刷卡消費直接反饋刷卡場所、消費內容等具體信息，便於髮卡行及時掌握信用卡的資金用途和潛在風險，利於監管部門宏觀決策。而養卡、套現等欺詐行爲，無法把握資金流向、無法洞悉用戶的借貸用途，髮卡行要承擔的信貸風險也相對較大，並且是違反監管要求的。如去年以來，銀保監會多次發文通知，嚴控信用卡資金用於投資、房地產交易等。
央行《2019年第二季度支付體系運行總體情況》顯示，截至二季度末，信用卡和借貸合一卡在用髮卡數量共計7.11億張，環比增長3.04%。銀行卡授信總額爲16.32萬億元，環比增長3.23%；銀行卡應償信貸餘額爲7.23萬億元，環比增長3.64%。銀行卡卡均授信額度2.29萬元，授信使用率爲44.31%。信用卡逾期半年未償信貸總額838.84億元，佔信用卡應償信貸餘額的1.17%，佔比較上季度末上升0.02個百分點。
養卡套現不僅給銀行帶來損失，更擾亂金融秩序
養卡套現屬於金融欺詐行爲，不但與監管機構防止居民槓桿率的過快增長的願景是相違背的，更會給持卡人帶來信用風險和資金損失。主要危害集中以下三方面：
首先，信用卡套現增加了金融秩序中的不穩定因素。我國對於金融機構有嚴格的准入制度，對金融機構資金的流入流出都有一系列嚴格的規定予以監控。不法分子聯合商戶通過虛擬POS機刷卡消費等不真實交易，變相從事信用卡取現業務等行爲卻遊離在法律的框架之外，違反了國家關於金融業務特許經營的法律規定，背離了人民銀行對現金管理的有關規定，還可能爲“洗錢”等不法行爲提供便利條件，這無疑給我國整體金融秩序埋下了不穩定因素。另外，大量不良貸款的形成也將破壞社會的誠信環境，阻礙信用卡行業的健康發展。
其次，非法提現給髮卡銀行帶來資金損失。絕大多數的信用卡都是無擔保的借貸工具，只要持卡人進行消費，銀行就必須承擔一份還款風險。在通常情況下，銀行通過高額的透支利息或取現費用來防範透支風險。可是，信用卡套現的行爲恰恰規避了銀行所設定的高額取現費用，越過了銀行的防範門檻。特別是一些貸款中介幫助持卡人僞造身份材料，不斷提升信用卡額度，銀行的正常業務受到巨大的干擾，也帶來了巨大的風險隱患。由於大量的套現資金，持卡人無異於獲得了一筆筆無息無擔保的個人貸款。而髮卡銀行又無法獲悉這些資金用途，難以進行有效地鑑別與跟蹤，信用卡的信用風險形態實際上已經演變爲投資或投機的信用風險。一旦持卡人無法償還套現金額，銀行損失的不僅僅是貸款利息，還可能是一大筆的資產。
第三，信用卡套現行爲給持卡人帶來極大的信用風險。表面上，持卡人通過套現獲得了現金，減少了利息支出，但實質上，持卡人終究是需要還款的，如果持卡人不能按時還款，就必須負擔比透支利息還要高的逾期還款利息，而且可能造成不良的信用記錄，以後再向銀行借貸資金就會非常困難，甚至還要承擔個人信用缺失的法律風險。
防控養卡套現的傳統手段與新挑戰
針對養卡套現的識別，傳統的防控手段主要通過基於規則和基於模型的方法。
基於規則的方法：針對單個用戶的交易行爲和用戶信息，根據經驗閾值爲右變量生成規則，再通過邏輯運算符連接成策略。
基於模型的方法：抽取一批被打標的黑白賬戶作爲樣本，從這些賬戶的個人信息和交易行爲提取並衍生特徵，然後根據樣本的標籤和特徵訓練分類模型，如LR、GBDT和神經網絡模型等，最後將基於歷史數據訓練的分類模型應用於新的非打標賬戶，判斷新賬戶是養卡套現的概率。
傳統反養卡套現的手段主要基於個體用戶的防控，而現在的信用卡欺詐更加複雜多變，不僅時間和交易跨度長，還具有團伙性、隱蔽性的特點，這就給金融機構反欺詐帶來諸多新挑戰。
1、養卡套現往往具有一定的團伙性，如提供養卡套現服務的不法商家使用相同的手機號申請多個信用卡，或者擁有多個POS機進行虛假交易等；傳統的反養卡套現手段僅僅止於確認某個賬戶是否是養卡套現，並且只有在某個信用卡發生逾期時，纔可能會去追查與之交易的POS機。
2、針對單用戶的反養卡套現方法往往需要單用戶一定時間跨度和一定筆數的交易信息，如果時間跨度較短或者交易筆數過少，就無法命中規則或者衍生特徵；傳統的反養卡套現手段很難在欺詐的初期就能發現風險，等到能夠確認風險時，已經進行了多筆交易，此時損失已經形成。
3、進行養卡套現的欺詐用戶會通過各種手段隱藏自己的欺詐行爲，並將經驗分享給他人（如，調整虛假交易的策略，以低於某個金額閾值進行小額套現等），由此吸引更多人加入養卡套現陣營；傳統的反養卡套現手段的識別基於已發生的風險，策略規則沉澱相對滯後，風控更迭速度慢，因此不能及時有效防控。
如何利用關聯網絡有效防控信用卡欺詐
防控信用卡套現要從多方着手，除加強信用卡發放、審覈、後期維護的管理，規範信用卡營銷考覈機制，強化對特約商戶和第三方支付服務商的監管外，更需要加強客戶交易的管理。
1、基於POS機與信用卡的交易關係，身份證與手機號的綁定關係、信用卡交易網絡中信用卡的一度、二度甚至三度關係等數據構建立體的關聯網絡，爲金融機構提供了及時、快速的科學決策依據。
2、及時發現潛在和未知風險。一旦發現某個節點（如：手機號、身份證、信用卡、POS機等）存在風險，或確定是養卡套現，那麼所有與它有關係的節點都可能存在傳播風險。關聯網絡快速定位可疑交易和欺詐行爲，幫助金融機構將風險控制在初期。
3、大幅增加養卡套現的成本，讓欺詐用戶知難而退。如果欺詐用戶想完全隱藏自己的欺詐行爲，申請信用卡時需要用不同的手機號，使用不同信用卡套現時，也必須用不同的POS機，這樣養卡的成本可能會超過養卡套現的收益，完全得不償失。
關聯網絡防控信用卡養卡套現的主要步驟如下：
首先，基於申請信息和POS機等交易設備信息，建立信用卡的關聯網絡。其中，付款節點可以是信用卡賬戶號、信用卡卡號和身份證等類型中的一種，收款節點可以是POS機ID和商戶號等。
其次，通過節點度分析，對節點度較高的節點做過濾處理，對一些過小的交易做過濾處理。
第三，計算節點的風險值，並對已知的套現節點進行標註。
第四，通過迭代算法，將風險值在網絡中進行有效的傳播，挖掘出更多潛在信用卡賬號。
第五，將結果反饋給業務部門，對風險值最大的信用卡賬號進行確認。
藉助關聯網絡，某銀行挖掘出數千張存在風險交易的信用卡。對排名一千的高風險信用卡逐一排查發現，其中約80%被確認爲套現用戶。
被金融機構忽視的自有數據
上個月，監管部門針對非法爬取用戶數據的公司進行了整頓。受此影響，多個嚴重依賴三方數據進行貸前准入、風控審批和額度計算的金融機構，緊急調整風控流程，部分甚至叫停了信用卡和線上信貸業務。
此外，更多的金融機構和金融科技企業開始審查資深的業務和產品，是否涉及非法爬取、源頭不明的三方數據支持，並開始思考如何增強風控體系的韌性以應對市場變化、持續支持業務發展。
其實大部分擁有線上業務的金融機構，在相關業務開展了一定時間段後，會積累大量的用戶申請數據、產品運營數據和交易行爲數據。而這些數據在絕大多數的金融機構，除了被彙總在一些粗顆粒的業務現狀統計報表中，卻大部分散落在各個相互割裂的系統中無人問津，不但其蘊藏的巨大價值沒有被充分挖掘和利用，更是一種極大的浪費。
IDC今年春天發佈的一項白皮書披露，2018年國內產生了大約7.6ZB的數據，預計到2025年這一數字將增至48.6ZB。但其中只有2.5%的數據得到了分析和利用，97.5%的數據依舊在沉睡中。
關聯網絡可以完全使用金融機構自有數據，利用圖計算、傳統機器學習算法乃至前沿深度學習模型，挖掘關聯網絡中的風險點。它通過金融機構內部客羣特徵、業務數據、交易信息、核心徵信、合規數據等海量數據等“數據金山”的充分挖掘，基於對金融機構具體業務場景、業務邏輯、產品流程、客羣特徵、風險特點的深度理解，科學構建“有內涵、可外延”的複雜關聯網絡。再通過應用圖數據挖掘、無監督算法、半監督算法、有監督算法等多角度充分挖掘，進而結合應用場景、實際操作人員的具體需求直觀而智能的在運營和監測平臺呈現最有效信息，從而爲多個行業和場景提供反欺詐、精準營銷、精細化運營等應用服務，助力業務創新與增長。
