时下，金融欺诈主要来源于网络黑产。据统计，网络黑产的直接从业者已超过40万，上下游人员总计超过170万，黑产手里握有的身份证约有1000万张，造成的欺诈金额每年正以40%的比例增长着。
面对肆虐的黑产，金融界最看好的反欺诈手段，就是AI。那么，AI如何利用先进的技术对抗黑产呢？
无论是传统反欺诈的方式，还是当下备受关注的AI技术，要想有效地对抗黑产，就必须先搞明白一点，那就是黑产究竟是如何骗贷的?
首先，他们需一个伪装的身份。
因为骗贷的人只有伪装成好人，他们才能够骗得贷款。但是，无论他们的骗贷手法多么精巧，他们的身份伪造过程都有迹可循：通常这些黑产分子要冒用他人身份注册，随后进行贷款申请，最后恶意拖欠，并利用非法获得的信用卡进行交易。
也就是说，黑产分子打一开始就摆明了想要骗钱，无论是贷前、贷中、贷后，都充斥着虚假信息，其目的就是骗取资金。
数据显示，2017年，网络欺诈导致的损失已达到GDP的0.63%，损失估计高达4687.2亿元，已有互联网金融公司被“羊毛党”薅到倒闭。
金融机构防范黑产欺诈，要从以下三步入手：
第一步 贷前
戳穿黑产分子伪装的面具
AI技术如果想有效地反欺诈，就必须从源头上开始杜绝：戳穿黑产分子用以伪装的身份。反欺诈身份识别一般包括三个部分：设备风控、活体识别、OCR文字识别。通过这三层筛选能有效防控伪冒申请、虚假资料。
具体来说，设备风控可以保障产品应用环境更加安全，识别模拟器、盗号、羊毛党刷单等设备风险；活体识别可精确到真实的个体；OCR文字识别则是虚假身份证等伪冒风险的克星。
第二步 贷中
身份背后究竟跟谁有关系？
仅仅是贷前拦截欺诈，并不能算是完全的反欺诈。在贷中，AI反欺诈仍然可以发挥效用：在贷款的环节上，借款人是否多头借贷、是否涉及黑产，AI反欺诈系统都必须有所反应。
实际上，多头借贷在整个互联网金融行业中十分多见。
在去年出台的《网贷信息披露指引》中，监管层就要求平台披露借款人收入及负债情况、截至借款前6个月内借款人征信报告中的逾期情况、借款人在其他网络借贷平台借款情况，剑指多头借贷。
AI又如何知晓借款人究竟是不是多头借贷呢？
例如，一位用户肖某在某互联网金融借贷平台C上申请2万元小额贷款，平台C通过AI反欺诈多头查询接口输入该用户信息，发现肖某近7天内在8家互联网金融公司申请了现金贷款，故拒绝了肖某此次申请。
那么，AI是如何识别黑产分子的贷款的？
例如，某学生向某教育信贷机构申请分期贷款，该机构通过磐石关联黑产接口对用户资质进行审核，发现该用户与多达15个风险名单、恶意逾期用户、骗贷团伙关联密切，故该机构拒绝了该学生的教育贷款分期需求。
据介绍，除了风险名单、多头防控、关联黑产，AI反欺诈系统还根据地理位置核验、信用分、用户授权认证等数据打造了防范风险的天罗地网。
值得注意的是，与其他AI一样，反欺诈系统的数据越大、维度越多，坏人就越不容易漏网。
第三步 贷后
需要建立长效的治理机制
无论是贷前还是贷中，拦截金融欺诈其实只不过是反欺诈的第一步，而拦截之后，行业对于这些涉及黑产或是蓄意骗贷之人的长效治理机制的建设，才是最为关键的一步。
正所谓除恶务尽。对付庞大的黑产产业链，短期的打击可谓静态手段，只能是治标之策。而长期行动才能治本，这就需要大数据积累和持续的技术升级。
说到这儿，很多人可能会问，积累技术几十年的银行没有自己强大的风控技术吗？
没错，银行的技术也很强，不过大多是依靠线下场景锻炼的风控技术和风控能力，对于互联网电商、互联网借贷、互联网教育等各类场景并无实操和交叉机会。
而银行判断贷款与否的最重要的依据是央行的征信系统，但其覆盖的信贷人群有限，大量薄征信以及白户群体涌入市场，产生信贷风险。
有银行人士曾在与互联网巨头签署战略合作协议时直言，银行虽然数据量极为庞大，但是银行并没有互联网的数据资源，但是客户却都在转网。
“银行有转网的战略，却没有转网的技术，这也是为什么银行要与互联网公司合作的重要原因。”
这些数据是什么？是平时用户在百度上搜索的痕迹、在网上商城购物的订单、在游戏里充值的会员等级……
而这些数据，更多地掌握在互联网巨头手中，借助于这些数据，互联网公司正在帮助金融机构补齐短板。
相关文章