2017-中国金融反欺诈技术应用报告-20170816-零壹智库-36页-2mb

中国金融反欺诈技术应用报告总结

核心内容

本报告系统分析了中国金融欺诈的现状、技术手段及发展趋势，重点探讨了人工智能、设备指纹、生物识别、区块链和TEE技术在金融反欺诈中的应用。

主要观点

• 全球金融欺诈形势严峻，网络犯罪每年造成损失超4000亿美元，中国是全球身份欺诈最高发地区之一。
• 中国金融欺诈涉及业务环节多、手段多样、隐蔽性强，欺诈组织呈现产业链化特征。
• 移动化趋势显著，欺诈行为通过手机等移动设备实施，占比不断上升。
• 金融科技公司因业务特性更易成为欺诈目标，需加强反欺诈技术应用。
• 人工智能技术在反欺诈中的应用逐渐深入，成为主流解决方案。
• 云计算、生物识别、区块链和TEE等新技术正在被引入，以提高金融安全水平。

关键信息

金融欺诈现状

• 全球形势：网络犯罪是商务世界头号威胁，2016年全球重大数据泄露事件达980起，其中60%来自移动设备。
• 中国情况：
  • 2015年-2016年，中国网民因欺诈造成的经济损失高达915亿元。
  • 2016年，电信诈骗发案28.7万起，造成损失80余亿元。
  • 2016年，中国网民遭遇网络安全事件的比例达70.5%，网上诈骗是首要问题。
  • 2015年，中国银行卡欺诈率1.99BP，欺诈损失率0.13BP，欺诈金额总计1392.6亿元，损失约87亿元。
  • 2016年，中国信用卡欺诈损失前三类型为伪卡、虚假身份和互联网欺诈。

金融欺诈技术手段

• 账户注册：伪造身份、自动化垃圾注册。
• 账户登录：账户盗用、异常共享。
• 贷款申请：提供虚假信息、多平台申请。
• 贷中管理：恶意拖欠。
• 支付：利用非法获得的信用卡交易。

金融科技反欺诈技术

• 设备指纹技术：
  • 主动式：通过SDK或JS收集设备特征，准确度高但易被篡改。
  • 被动式：基于通信协议栈特征识别，不侵犯隐私，应用广泛。
  • 混合式：在识别率、场景和对抗性之间取得平衡。
• 机器学习：
  • 用于异常检测、风险评分、欺诈网络识别。
  • 面对欺诈行为的实时性、隐蔽性、动态性等特性，机器学习提供更灵活的识别方式。
• 图学习：
  • 通过分析用户、设备、账号之间的行为关联，识别欺诈网络。
• 生物识别技术：
  • 包括人脸识别、指纹识别、虹膜识别等，但存在成本高、易受环境影响等问题。
  • 隐式行为特征（如触屏力度、滑屏轨迹）在反欺诈中具有重要作用。
• 区块链技术：
  • 提供数据一致存储、无法篡改、无法抵赖的特性。
  • 用于身份验证和反欺诈系统，如Chainalysis为银行设计区块链反欺诈系统。
• 可信执行环境（TEE）：
  • 用于保护支付敏感信息，提升支付交易安全性。
  • 国内企业如阿里巴巴、华为积极参与TEE标准制定与应用探索。

金融反欺诈趋势

• 人工智能应用：被国家政策高度关注，多项规划提出加快人工智能在金融领域的应用。
• 云计算发展：监管层推动云计算在金融行业的应用，鼓励“国家队”建设。
• 技术融合：反欺诈技术正向多领域融合，如生物识别与机器学习结合，提升识别精度和安全性。

金融反欺诈技术案例

Maxent猛犸反欺诈

• 成立时间：2014年11月
• 总部：上海
• 技术应用：
  • 采用非监督式和监督式学习结合的方式。
  • 设备指纹技术、图学习技术用于欺诈网络识别。
• 产品与服务：
  • 提供金融、电商、营销推广反欺诈解决方案。
  • 主要产品包括猛犸ID系统和猛犸反欺诈SaaS平台。

Sift Science

• 成立时间：2011年
• 总部：加州旧金山
• 产品与服务：
  • 通过机器学习系统“信任平台”监测欺诈行为。
  • 提供账户盗用、支付欺诈、内容滥用、营销推广滥用等多维度反欺诈功能。

ThreatMatrix

• 成立时间：2005年
• 总部：加州圣何塞
• 技术应用：
  • 提供数字身份识别、反欺诈和网络威胁防范服务。
  • 与多家生物识别公司合作，如Jumio、BioCatch、ImageWare Systems。
• 业务范围：
  • 覆盖电子商务、银行、保险、旅游等多个行业。

结语

随着金融科技的发展，金融欺诈呈现出更复杂、更隐蔽的特征。人工智能、设备指纹、生物识别、区块链和TEE等技术的应用，为金融反欺诈提供了新的解决方案。未来，反欺诈技术将更加智能化、系统化和多维度融合，以应对日益严峻的金融安全挑战。