众安科技鹰眼反欺诈系统在风险欺诈领域的落地与探索

“ 金融机构在线下渠道向线上渠道转型的过程中，欺诈行为呈现出作案行为专业化、作案方式隐蔽化、案件高频化、作案人员团伙化等特征，严重影响着金融产业的健康发展。随着金融产品的不断创新， 欺诈手段如雨后春笋层出不穷，如虚假宣传、伪冒申请、团伙欺诈、网络诈骗、营销作弊等，给投资者和金融机构带来严重的损失与侵害，同时会对金融机构声誉造成不良影响。在此背景下，众安科技发布鹰眼反欺诈系统，为金融机构对于事前的欺诈风险主动及时感知和事中的实时识别与决策效果提供整套解决方案。”

一、团伙欺诈识别

团伙欺诈识别背景

在某金融业务的场景下，风控反欺诈人员在一次日常用户审查中，通过关系图谱发现在同一位置（基于LBS的经纬度计算一定范围内），集中申请人数超 3000，并发现其中存在大量背景相似度很高的图片，即这些用户的背景大多为办公场所。并且，活体人群衣着、姿态、外观、年龄差异较大，再结合针对这些用户的行为数据表现分析，风控反欺诈人员发现，这些用户保后表现不如正常客户理想，故推测疑似社会人员被“专业”的中介团伙利用做团伙性欺诈。

仅仅通过位置地理信息欺诈拦截可能会存在误判一些用户，但在此次发现的超 3000 人的列表中，风控人员通过判别部分普通用户的背景和“团伙用户”的背景之间的差异，判断出这些用户在非集中场所内。因此，更精准的、能够代替人工肉眼的图像识别的技术，值得引入并积极应用到团伙反欺诈场景中来。

用户活体图片分析

通过图示可以发现以下团伙的各自特点：

➢ 1 号团伙图片特性：

○ 网格形天花板

○ 存在形状一致位置相似的顶灯

○ 相似的排风扇

○ 背景墙的颜色相似

➢ 2 号团伙图片特性：

○ 红色大小相似的大门

○ 颜色大小相似的网格天花板

○ 相似的中央空调

○ 左后方几乎都存在一个饮水机

➢ 3 号团伙图片特性：

○ 一样的“担当”标语

○ 一样的“服务”标语

○ 米黄色背景墙

○ 灯开关独特且一致

经过图片及数据分析，不难发现：通对团伙的活体图片进行分析，不同团伙之间的背景特征是存在差异的，相同的团伙也可以通过识别背景的相似度来快速判断，经图片背景初步分析属于欺诈团伙作案的行为。同时，风控人员通过数据分析发现，对 LBS（基于位置服务）网格化，该批用户交易时的 LBS 信息均位于同属 GPS 网格内，对网格内用户进行行为分析，可较为容易识别高风险用户。

在反欺诈策略上，如果通过转人工审核方式对用户图片背景识别，首先无法实时防范、效率低下，人工投入精力巨大；其次，人工审核会存在遗漏的欺诈用户；再者基于传统的反欺诈策略拦截可能无法行之有效的规避团伙欺诈风险。

二、反欺诈团伙欺诈博弈（应用）

科技创新日新月异，大数据、人工智能、云计算、生物识别等技术的不断创新与发展，鹰眼反欺诈系统助力金融机构数字化转型，进一步推动金融体系的创新，为金融机构模式探索、安全提供强有力支撑。通过知识图谱、有监督、半监督、无监督机器学习、多模态学习等技术，鹰眼自动升级反欺诈风险模型，挖掘欺诈风险，提升欺诈案件识别的精准度，构建健全的反欺诈体系，防范欺诈风险。

在业务开展过程中，风险模型评估、人工智能、数据分析、身份认证、监控控制等均是金融领域欺诈防范的常用技能。人脸识别和活体检测双结合的生物识别技术，可通过有效防范假冒身份或伪造身份等行为，在不暴露个人隐私的前提下，验证用户的真实身份，是防范伪冒申请的强有力工具。然而团伙欺诈通过虚假宣传或欺诈手段，诱使受害者交易，从中收取高额手续费或利息，或冒用他人身份将钱款转移至自己账户，从中获利。

思考与分析

我们如何有效防范团伙欺诈案件？

针对申请用户，对 LBS 的经纬度计算一定范围内的用户进行圈选。当圈选范围内用户数量达到阈值，我们就需要对该批用户的活体人脸照片进行检测判断，是否存在团伙欺诈行为。

针对用户活体背景分析，我们大致可以分为 5 个步骤

1.  活体采集：收集活体人脸采集照片，进行人脸检测。

2.  人形图像抠除：对人形图像抠除，进行人像分割，并对图像进行修复。

3.  图像特征提取：基于算法进行图像特征提取计算。

4.  聚类分析：对特征数据进行查重，聚类分析。

5.  欺诈防范拦截：对欺诈用户进行加团伙加黑处理，策略中进行欺诈用户防范拦截。

落地方案

基于以上思考与分析，在某机构渠道，我们落地了鹰眼反欺诈解决方案。以下是鹰眼反欺诈解决方案的全景：反欺诈解决方案解决安全风险、欺诈风险、信用风险等风险问题。全景中重点包含数据采集、图像中心、决策引擎、团伙管理等。基于数据超市服务能力获取外部数据；基于特征指标加工内部数据；基于活体图片进行图像识别，通过特征提取、聚类分析进行团伙特征识别；基于识别出的团伙数据及用户进行团伙风险管理；基于决策引擎在交易过程进行风险及欺诈拦截；基于实时预警对风险快速通知，并进行大盘展示。由此形成全闭环的反欺诈体系解决方案。

数据采集

数据采集技术主要是应用于从客户端或网络获取客户相关数据的技术方法。值得强调的是，数据采集技术的使用，应当严格遵循法律法规和监管要求，在获取用户授权的情况下对用户数据进行采集。众安科技采用人脸活体采集技术，在用户主动活体认证过程中，通过快速抓拍动作姿态，从若干动作姿态中获取质量最高的几张人脸照片作为用户的活体图片，活体图片采集的照片质量会直接关系到后续对图片的分析结果。

图像中心

传统方式中，团伙识别采用人工肉眼识别的方式，每天抽样几百张人脸图片，既费时费力，而且难以识别复杂的背景，团伙识别的实时性得不到保障。借助于最前沿的图像识别技术，可代替繁杂又低效的人工肉眼识别工作。如何把图像识别技术应用到团伙识别场景中，为此，众安科技自主研发了团伙背景识别及背景相似度聚类技术。

基于众安科技自研的图像背景识别技术，首先对活体人脸照片进行人脸监测、抠除，其次利用 AI 模型进行背景修复，将背景信息量化为数字指纹，并结合基于海量数据训练的相似度聚类模型，同时结合模型加速技术，实现了实时、精准的风险团伙识别。

● 背景特征提取

图片背景特征提取，值得提及的是如何从一张活体图片上区分人物特征和背景特征，这里利用了 AI 模型进行人物抠图及背景修复，再通计算机卷积神经网络算法，得到图片背景不同维度的特征，最终将特征降维，即可获取一个可计算的背景特征组。

● 背景特征聚类

得到特征后，通过轮廓系数等，计算特征之间的相似度，最终聚类得到最终的图片相似结果。

这套技术目前已经在线上实时应用，应用实践过程中，通过人工离线质检的方式，结合线上实时识别的结果，经过多次的优化，目前团伙识别精准度已超 80%。

目前众安科技自主研发的图像识别技术除了在团伙识别上有着杰出的表现外，也在图片人物特征识别上有着杰出的表现，如：纹身、赤膊、多人、口罩等，这些人物活体时的特征可以结合反欺诈策略，帮助风控人员更全面的判断用户的性质，有效防范团伙欺诈，减少客户损失。

决策引擎

反欺诈决策引擎是反欺诈体系里的大脑和核心，基于众安科技自主研发的 X-Decision 决策系统（以下简称 XD），反欺诈实时决策效率有了全面提升。XD 将信誉库、专家规则和反欺诈模型等各类反欺诈方法有效的整合，并为反欺诈人员提供一个操作高效、功能丰富的人机交互界面，大幅降低反欺诈运营成本并提升响应速度。

基于 XD 决策引擎，可以快速部署丰富的反欺诈专家策略集，有效识别“团伙欺诈”、“电信诈骗”、“账号盗用”等多种风险行为，为金融业务安全保驾护航。此外，基于前端数据采集，进行用户行为轨迹分析；基于活体图片进行图像识别，在决策中心对用户进行风险评估；基于认证中心进行数据安全认证；通过调查中心对可疑交易进行人工审查，最终实现有效闭环，形成反欺诈一体化解决方案，实现对金融领域的全场景覆盖。

团伙管理

通过图像识别技术可精准识别出用户是否命中了团伙，以及命中了哪个团伙。仅仅依赖系统的识别显然是不够的，在必要策略阶段，比如某个用户命中了一个新团伙，新团伙人数很小，那么就需要结合策略让人工介入案件调查，判断当前用户是否真实具有团伙性质，此时人工调查阶段辅助的工具是必不可少的。此外，团伙的管理，团伙性质定义—是否是“真正”的坏团伙，需要一个统一的团伙案件库来管理，便于分析团伙性质。对此，我们提供了“人工调查”和“团伙案件库”功能。

● 人工调查

人工调查提供了快速查询用户信息的入口，用户信息包含“姓名”，“身份证号”，“活体图片”，“历史支用记录”等，为了保障用户信息的安全性，只有拥有较高调查权限的调查员才能查看用户的敏感信息。反欺诈调查专员可以通过“人工调查”页面快速概览用户信息，以此协助判断用户是否可能具有较高“风险”行为。

● 团伙案件库

团伙案件库丰富了团伙的管理功能，结合图像识别团伙功能，反欺诈调查专员可以在页面上快速查看到当前团伙成员列表。除系统自动识别的团伙之外，调查员也可以手动添加人工识别到的风险用户到团伙成员列表中。通过完善对团伙案件的管理，调查员可以通过分析团伙的各项指标特征，来更全面地判断某团伙是否是真正的”坏“团伙。在最终的反欺诈策略集中，命中团伙黑名单后就会实时拒绝，以达到止损的目的。

三、应用成果

目前整套方案已经在某机构渠道完整进行落地，且业务效果显著：

● 欺诈团伙识别准确率 80%+；

● 背景识别准确率 99%+；

● 累积减损数千万；

● 有效识别团伙上百个，涉及团伙人数上万人；