如今，线上交易已经成为人们日常生活的一部分，包括手机支付、网上申请贷款等，都极大便利了人们的生活，提高了效率。然而，技术的快速更新，在带来诸多益处的同时，也出现了新的风险
小雨点网贷首席风控官陈绍林告诉《经济日报》记者，由于网络上实施信用贷款，没有线下检验，放款速度快，因此最大的风险就是批量欺诈。据他介绍，骗贷集团突破反欺诈算法以后，可以快速造成巨大经济损失。与此同时，经济损失后的追查也很困难，对很多互联网金融平台而言，欺诈所造成损失已经超过了客户信用风险损失。
那么，在互联网金融领域，目前反欺诈技术已经发展到了哪一步？还有什么需要突破的地方呢？
反欺诈的核心要点是“三真”
针对真实身份、真实场景（交易）、真实还款意愿的反欺诈核心要点，人工智能可以根据多维度、全方位的信息，进行准确、快速判断，成为反欺诈的核心技术手段
“反欺诈不是一个静态过程，因为对方永远在寻找你的漏洞。”在互联网金融领域，这样的看法已经成为业内共识。也就是说，反欺诈需要互联网金融机构准备一整套“抵御”方案，必须做到与时俱进，能够自我更新，识别新的欺诈手法，提高防欺诈成本。
当前互联网金融业务中，常见的欺诈行为有哪些呢？据了解，金融欺诈涉及的业务环节多且手段多样，也较为隐蔽。主要包括伪造身份注册或冒用他人身份注册，盗用或冒用账户，同时向多个互联网金融平台申请超过自身偿还能力的贷款，恶意拖欠；此外，还包括返利套现、“薅羊毛”等行为。
“反欺诈的核心要点是‘三真’，即真实身份、真实场景（交易）、真实还款意愿。”陈绍林表示，反欺诈的核心技术是人工智能，核心技术要点是根据多维度、全方位的信息，数据准确、快速判断“三真”。在他看来，用于反欺诈的人工智能技术还需要及时更新。“因为面对新的欺诈出现，使用旧有反欺诈手法是不能预警的，所以需要用到机器学习、快速学习和识别。”陈绍林说。
比如，小雨点网贷采用了人工智能的机器学习算法，在客户申请初期，就可以发现可疑行为，并自动关联之前类似贷款，产生新的反欺诈规则。又如，凡普金科创始合伙人兼首席执行官董祺介绍，为增强公司的风控能力，凡普金科在去年底就发布了自主研发的“Finup 云图”大数据动态风控生态系统。通过将知识图谱和深度学习相结合，“云图”可以模仿人类大脑行为，自动发现隐藏在复杂关系里的风险点，挖掘潜在欺诈行为。
图计算技术直指团伙性欺诈
在当前反欺诈业务中，团伙性欺诈识别仍属难点。为此，金融机构引入图计算技术，能够极大提高团伙性欺诈识别效率和处置时间节点
值得注意的是，不少业内人士表示，不管是欺诈还是洗钱等多种恶意行为，已经越来越倾向于群体性产业链的一系列相关事件行为。据网贷之家研究员苏筱芮介绍，近期暴雷的网络借贷平台背后，多多少少都离不开“羊毛党”的身影——团体行动从某个平台上获取佣金或返利等行为，在一定程度上也导致平台出现流动性风险。
“对于行业来说，在当前反欺诈业务中，对于团伙性欺诈的识别仍是一个难题，特别是在车贷业务中，团伙性欺诈会造成非常大的经济损失。”美利金融有关负责人表示，目前，互联网金融行业主要是通过人工线下调查的方式去发现欺诈团伙，效率低且发现时间晚。如果能借助一些大数据技术进行风险防控，就能够自动发现一些疑似欺诈团伙并进行提示。如果再结合反欺诈团队的人工排查，就能极大提高效率和处置时间节点。
实际上，这就是图计算技术。京东金融集团副总裁、技术研发部总经理曹鹏坦言：“我们需要更多的把一个用户及其行为，以及和他行为相关人的一系列行为，全部拿出来，并在这个维度上去做风控才能更准确。”据他介绍，在这一过程中，京东金融会运用图计算技术，通过超过10亿个用户节点的图，以及所有在这些节点上发生的相关行为连接，最终可以把一系列的用户和行为都描述出来。
“所谓物以类聚、人以群分。单个人的节点即便看起来再好、收入再多，如果他周围相关联系人都是做欺诈、套现或者其他相关灰色产业的人，这个人存有恶意的机率就非常大。”曹鹏说，反之，如果我可能没有这个人的具体描述，但与其相关的周围区域ID都是很良性的、信用良好的或者收入很高的人，这个人也相应信用良好的概率就比较大。
与之类似，美利金融风控审批系统以客户、合同、设备、工作单位等作为图谱节点，以实体之间的关系（如紧急联系人、担保人等）作为图谱边缘，基于“坏人具有高黑度值，而好人具有低黑度值”的假设，根据社交网络传播理论实现染黑度模型算法，评估客户的潜在欺诈风险。
基础数据建设仍有待完善
目前，对于反欺诈技术来说，仍然存在一些难点有待突破。专家认为，开发完备国内基础数据服务，提升数据质量，处理好用户体验是实现突破的关键
“在当今大数据时代，面对每个用户都能抽象出上亿个维度的时候，我们有足够能力可以通过这些维度测出这个人的还款能力、还款意愿以及欺诈性。从经营整体效率上来讲，这会大大提高普惠金融的程度。”北京互联网金融协会副会长、INK银客集团创始人、总裁林恩民表示。
尽管当前反欺诈技术不断提升，却仍然存在一些难点有待突破。在陈绍林看来，这些难点主要表现在：目前国内很多基础数据服务还不完备，数据质量和完整性还不够，以及在反欺诈过程中，如何处理好用户体验，以免误伤真实客户等方面。林恩民同样认为，我国还有很多基础建设实质上有待开发，比如移动支付技术、生物识别技术等，这些基础信息建设完成之后，对于整个金融业将具有巨大推动作用。
以生物识别技术为例，曹鹏介绍，基于该技术，京东金融可以通过APP采集到用户在整个使用中超过120个指标，通过收集用户的行为去判断此人是否为风险用户，实现用户的身份判定。也就是说，如果一个人手机丢失，基于生物识别技术，金融机构就可以识别出是否是本人在使用。据了解，这项技术已经大量应用于京东金融的反欺诈和防盗刷的场景之中。
那么，这项技术具体是如何实现的呢？记者在生物探针系统的后台看到，当一个人在前台进行相关操作时，在后台可以看到其行为是在“0”附近正负波动。然而，一旦整个操作换人以后，其整个行为相关度就会迅速下降到负数。
此外，有业内人士表示，对于互联网金融公司而言，不能为了科技而科技，应该根据公司发展具体情况，选择更为合适的反欺诈手段。比如，票据宝结合票据业务的特点，采用“人工+机器”双审核的方式，即由运营团队的专业票据人员筛选票据，再运用专业的验票仪器进行检验，最后关卡手工验票等方式，严控短期流动性风险，进而降低由虚假票据所产生的欺诈风险。