深入浅出之图背景聚类在欺诈防控中的乘风破浪

作者：于是

来源：华夏时报

发布时间：2020-09-30 19:09:47

摘要：乘风破浪会有时，直挂云帆济沧海！招联金融将始终秉持"创新驱动"的金融科技理念，与同业的反欺诈小伙伴们一起期待"天下无诈"的夏天。

于是/文

乘着改（jin）革（rong）开（ke）放（ji）的春风，五花八门的科技工具在金融风控的蓝海中大展身手，各显神通。知识图谱、人脸识别、AI外呼、中文地址模糊匹配以及机器学习模型等技术已在互联网消费金融行业得到了成熟且广泛的应用。然而，诡变多端的欺诈团伙却总能从我们搭建的反欺诈防控网络中寻得些许蛛丝马迹，乘虚而入。现在的团伙欺诈作案已逐渐由原来的集中代操作转变为引导客户自己操作的方式，这就使得依赖于设备强关联的图谱关联技术在此类团伙欺诈的风险识别上受到了极大的限制。然而善于观察的我们，发现这些欺诈行为也存在着申请地点集中，申请照片背景普遍相似的特征。于是，善于动脑筋的风控人，拿起科技创新的长矛，对线下欺诈团伙展开了新一轮围剿。

今天小编驾着乘风破浪的小帆船，为您介绍招联金融自主研发的图背景聚类技术在实际欺诈防控中的应用。

（1）扬帆起航

GPS渔网聚类技术，在防控线下团伙欺诈中，帮助我们捕获了各式各样的"大鱼小虾"。GPS渔网技术，简单来讲，就是基于客户申请或者提现时的LBS信息，将我们的地球灵活而又实时地编织成一张巨大无比的渔网，以帮助我们捕捞各种各样的大（qi）鱼（zha）小（tuan）虾（huo）。当然了，在编织渔网时，我们可以根据不同的风险等级或者不同级别的客户风险标签，灵活自如地控制网眼的大小，管控的精度可以大到城市、街区，也可以小到小区，楼栋之间，支持100*100m、10*10m等不同维度的空间管控。

同时，人脸识别技术在贷款场景下的欺诈防控中得到了成熟且广泛地应用。但该技术的应用场景，往往在于借助活体检测和人脸比对技术来帮助我们识别贷款申请者是否为活人或者本人，这无疑为我们防范伪冒申请、账户盗用等风险提供了强而有力的工具。然而同样具有风险识别价值的人脸照片背后的"宝藏数据"也更值得我们去挖掘和深究。如果在人脸比对的同时，可以通过大量复杂而高效的图背景计算处理提取照片背后的风险特征，在不额外增加征信成本的同时，又能实现"一（yi）图（yu）多（duo）用（chi）"，为我们的欺诈风险防控体系添针补线（添砖加瓦？），何尝不是一件"爽事"？

GPS渔网聚类技术，与人脸识别技术碰撞在一起，又会激起怎样的浪花朵朵呢？

（2）乘风破浪

利用前沿的图像识别与机器视觉识别技术，招联自主研发了图背景聚类技术，借助深度学习的AI算法，将照片背景及地理位置信息等弱关联进行组合，与强关联的图谱网络形成了有效互补，构建了时间、空间及人物多维一体的多维空间防控体系。

该技术的成功应用主要是基于以下两点：

1）地理位置实时聚类，有效缩小识别范围

为了更加高效地对人脸图像中的风险数据进行提取和识别，我们首先需要借助类似于GPS渔网的地理位置聚类算法，有效缩小图照片的识别范围。基于客户申请地理位置聚类的方法有很多种，招联创新性地引入了基于空间密度方式的动态聚类算法（DBSCAN聚类算法），在空间中将距离相近的聚成一类，可实时动态的将足够高密度的客户所在区域划分成团。

2）计算机视觉技术加持，精准识别风险

接下来，借助于前沿的AI技术，招联自主研发了图片背景识别与聚类技术，基于大量的深度学习模型和计算机视觉的图像级联模块，从原始申请图片，将照片背景量化成数字特征，对照片背景进行分割，修复，特征提取，并计算背景相似度。

至于该如何判断两张照片是否相似，则可以使用欧式距离对照片背景间的相似度进行度量。通过大量的样本测算以及业务验证，最终得到合适的背景相似阈值。

（3）直挂云帆

目前该项技术已成功落地应用于招联的反欺诈防控场景。系统响应时长达毫秒级，能够实现高效快速的拦截高风险欺诈团伙申请。

以四川某公司欺诈团伙为例，该公司以免费领手机吸引眼球，诱导客户申请贷款购买手机，客户后续可以通过视频点赞的方式领取现金红包。但后续排查中发现该公司存在随时跑路的风险，后续需要客户自己还款，或诱发客户投诉风险和公司声誉风险。通过图背景聚类技术，我们发现，在短短3个月内，同一区域分团中，关联该背景相似的客户达到近20人，根据此特征对该地区和该背景相似客户进行深挖，最终发现了该欺诈团伙。截止案件发现时涉案共达58人，授信总额度9.7W，拦截金额8.3W。