参赛单位：天翼电子商务有限公司

案例名称：“跨域”大数据反欺诈风控平台

案例简介：

1、 国内运营商打造的首个“跨域”大数据反欺诈风控平台，预警能力远超单一机构反欺诈系统

（1）联合联通、移动数据进行标准化整合形成数据服务能力

（2）风控预警能力达到国内领先水平

2、 基于大数据和人工智能算法的风控模型创新

（1）羊毛党模型反欺诈准确率达到93.48%

（3）反套利、反盗刷模型可有效降低账户误冻率70%以上

3、 创新应用金融领域实时反欺诈决策引擎

（1）海量数据实时处理、毫秒响应、千万并发

（2）复杂规则管理

项目背景：

1、 互联网欺诈风险已在全球排名前三，网络犯罪导致损失占GDP比例为0.63%

2、 2018年公安冻结的电信欺诈涉案案件超300亿元

3、 1-6月通过136家互联网金融平台报告的羊毛党欺诈损失高达2.8亿元

创新技术/模式应用：

1、 借助于知识图谱技术，可以将跨域异构大数据统一为一致的数据结构，便于使用深度学习训练模型。

（1）在线推理

（2）群体识别

（3）社区发现

2、 基于深度学习的文本类数据特征提取--跨域的文本类数据都是非结构化的，利用深度神经网络提取词向量中的特征，基于特征构建分类器，实现金融欺诈事件的识别。

（1）羊毛党模型

（2）反套利模型

（3）反盗刷模型

3、 全自助服务：无需依赖技术人员对原有系统进行二次开发、服务升级，开发周期缩短。

超高并发，超低延迟，高可信性：基于专家知识的风控规则与基于大数据和机器学习有机结合确保检测可信性。

（1）海量数据实时处理，毫秒响应、千万并发

（2）复杂规则管理（优先级、冲突处理等）

解决行业哪些痛点：

1、 降低金融机构及客户交易的安全成本，提高了欺诈犯罪的作案成本；扭转了电信诈骗案件逐年上升的态势

2、 已面向第三方支付、互联网金融行业等输出反欺诈风控数据能力

执行过程及风险控制：

“跨域”大数据反欺诈风控平台基于翼支付积累的羊毛党/套利/盗刷样本，提取样本对应的运营商通讯、消费、在网、付费模式及拆机状态等多维度数据特征，使用决策树等机器和深度学习算法进行训练，实时训练出多条精准、易解释的欺诈识别规则，用于账户风险评估、营销风险评估和环境风险评估等反欺诈服务。

效果评估：

1、 经济效益

（1）年增加外部大客户130-220家，形成直接收入累计超过20000万；

（2）为集团内其他业务提供服务和安全保障所带动相关收入达到20亿以上，带动上游产业2000万以上；

（3）为电信客户规避欺诈风险，挽回经济损失预计可达5亿元以上。

2、 间接经济效益

（1）促进本公司及公司所在集团业务的发展

（2）互联网支付、移动电话支付、银行卡收单、预付卡发行与受理、基金支付结算、企业征信、虚拟货币交易、电信与信息服务业。

（3）助力智慧城市、智慧政务、安全芯片等相关产业链的发展。带动下游产业（银行、保险、消费金融、公共服务、石油、零售、电力、电商等行业）相关收入预计可达50亿元以上。

3、 社会效益

（1）提升套利用户识别率。对营销套利用户评估的准确率达93.48%，召回率达到72.24%；

（2）降低风险损失率。预计能帮该公司有效降低约70%左右的风险损失，产品效果处于行业领先水平。

责任编辑：方杰