信通院-移动数字金融与电子商务反欺诈白皮书-2019.7-98页_13mb

报告摘要

本白皮书由CAICT 泰尔终端实验室与中国移动等单位联合编写，主要探讨了移动数字金融与电子商务领域的欺诈现状、黑产态势、反欺诈方案以及相关技术与效果评估。内容涵盖欺诈类型、欺诈行为特征、技术手段、反欺诈策略及未来发展趋势。

欺诈类型多样：包括营销活动欺诈、渠道流量欺诈、虚假用户裂变欺诈、盗取信息欺诈、恶意交易欺诈、金融支付欺诈、网络刷单欺诈、电信欺诈、网贷欺诈、优质内容爬取欺诈等。
欺诈行为影响广泛：涉及用户和企业，不仅造成经济损失，还破坏行业生态，影响公众信任。
黑产规模庞大：据估计，相关从业人员超过500万，涉及金额达千亿级别。
欺诈损失持续增长：2014-2018年欺诈造成的损失从1032亿增长至3513亿，预计2019-2022年损失将增至3870亿至7100亿。
欺诈占GDP比例上升：2018年欺诈损失占GDP约0.3%，预计到2022年将上升至0.61%。

现有方案挑战：
- 防御能力单薄，无法全面覆盖欺诈类型。
- 防御时效性差，缺乏实时监控。
- 防御进化慢，缺乏闭环迭代机制。
- 过分依赖设备显性ID，易被篡改。
- 黑名单库准确性低，难以应对新型欺诈。
全栈式实时反欺诈方案：
- 全场景识别体系：识别多种欺诈行为，如伪冒转账、刷单、虚假流量等。
- 全路径实时布控体系：从设备启动到用户行为的各个环节进行风险识别和拦截。
- 全方位策略体系：基于多维度数据进行策略配置，识别黑产行为。
- 全流程运营体系：形成“攻防研究 - 策略设计 - 策略研发 - 验证 - 上线 - 运营”的闭环迭代机制。
移动设备唯一性甄别方案：
- 利用“可信ID”等技术识别设备真实性，防止虚假设备的伪装。
- 识别虚假账号、恶意注册、虚假流量等，提升运营数据质量。
- 保护账号安全，防止撞库攻击、暴力破解、账号盗号等行为。

技术体系架构：
- 接入层：负责接口安全检查、流量控制、参数校验等。
- 业务逻辑层：包括设备指纹、业务事件、验证码等模块。
- 决策层：基于规则引擎进行实时判断。
- 基础引擎层：包括行为模型、名单服务、实时统计、实时画像等。
- 模型数据层：提供多种欺诈模型和相关数据。
- 基础平台层：基于大数据平台进行模型训练和数据处理。
- 管理层：规则管理与系统监控。
关键技术：
- 反欺诈情报体系：从多个维度收集黑产情报数据，进行分析和风险量化。
- 设备指纹技术：通过采集设备特征生成唯一ID，用于识别设备风险。
- 实时决策引擎：采用RETE算法，实现规则快速推理。
- 知识图谱：构建包含账号、设备、IP、行为等多维度数据的黑产知识图谱。
- 有监督机器学习：通过有标签数据训练模型，识别欺诈行为。
- 无监督机器学习：通过聚类、密度估计等发现数据结构，识别共性欺诈行为。
- 实时画像引擎：对用户行为进行实时分析，识别异常操作。
- 实时统计引擎：对业务数据进行实时统计，辅助决策。
技术效果评估：
- 通过事前评估、事中分析、事后评估，验证反欺诈效果。
- 反欺诈技术有效降低欺诈发生率，提升风控效率。