互联网风控系统

一、常见的互联网黑色产业链

三大常见的互联网黑色产业链：

（1）作弊类黑产；

        · 以虚构的会员为主体

        · 参与网站促销活动

        · 常见于电商网站

（2）盗刷类黑产；

        · 盗取他人银行卡信息

        · 借记卡/信用卡

        · 快捷支付，CVV交易

        · 第三方支付，电商平台

（3）骗贷类黑产；

        · 冒用他人身份信息

        · 伪造信贷资料

二、常见的业务流程漏洞

在电商反作弊中的风控难点：

（1）高并发交易

（2）非标准化产品

（3）大品牌与个人店铺混杂

（4）优惠手段，结算方式复杂

（5）地域特征明显

在电商反作弊中的风控源头：

（1）市场参与主体的利益背离性

案例1：OTA与酒店利益背离

案例2：酒店老板与酒店前台的利益背离

（2）平台自身管理流程的漏洞

案例3：虚假酒店

案例4：服务流程管理漏洞

（3）来自竞争对手的恶意手段

案例5：来自竞争对手的技术手段

（4）平台对店铺管理权力的缺失

案例6：酒店对OTA平台商户端软件管理不规范

三、风控系统产品设计

（1）业务常见的风控难题

在业务风控中，常常会遇到海量的数据，群体欺诈多，风险高，没有完整的征信体系等问题，这时就需要建立风控系统，建立风控流程。

常见的风控难题

在实际业务可能会出现的风险难题主要集中在互联网电商和互联网金融两个行业。其中部分难题有交叉，比如撞库、虚假注册；部分难题是行业特有，如多头借贷、失信，主要发生在金融领域；账户盗用、盗卡盗刷、机器抢红包等主要出现在电商领域。

这些风险难题主要的防范难点在：

    1. 群体欺诈多：有组织，有规模。

互联网行业并发高，识别团体或个人难度很大，这种情况下，就很容易出现群体欺诈行为。

    2. 数据使用难：海量非结构化数据

很多数据是非常有价值的，比如用户浏览页面的使用习惯，点击区域，停留时间等，这些数据是有意义的，但是并不是结构化的，无法直接拿来使用，所以怎么使用，就成为了难点。

    3. 真价值数据少：大都没有强金融信贷数据

在互联网中数据造假难度低，IP、手机号、住址等都可以进行造假，是否相信某个人提供的数据，应该怎么进行验证，就是真价值的数据问题。

    4. 风险高：客群下沉、欺诈成本低

这方面主要发生在金融领域，如借呗、白条，已经把很多“好人”挑选走了，那么余下的相对而言客群质量就在下沉，欺诈和违约的比率相对较高。企业需要用大数据去量化期望收益，衡量客户的价值。

    5. 量大：人工无法大规模审批，成本高

    6. 比较权威的征信是央行征信，但由于其不开放给民间机构和企业，再加覆盖的征信数据较少，仅3-5亿人覆盖，导致很多人群信息缺失，企业无法独自为战。信息的不共享，经常会出现多头借贷，预期违约等问题。

（2）系统架构

风控系统架构

（3）常见的风控流程

1. 支付的风控流程

支付风控流程（直拒）

支付风控流程（人工）

2. 消费金融的风控流程

消费金融的风控流程

（4）数据平台服务

在企业中数据平台服务一般称作大数据平台，金融行业中，可能外部数据较多。

消费金融行业常见数据

四、风控策略模型构建

（1）风控大脑--策略平台

大数据平台提供的基本服务

常见的策略集关心要素

风控大脑-策略平台

（2）常见模型的构建

信用评分卡

使用逻辑回归模型

逻辑回归模型 主模型

信用评分卡模型

eda与数据描述

K-S

模型评估-混淆矩阵

信用风险标准评分卡模型

（3）互联网背景下的模型体系构建

模型体系构建

PS：以上来自《如何设计风控系统产品》的学习笔记总结。