之前有句網(wǎng)紅語，說你要了解一個(gè)人枷遂，要看他的朋友樱衷，看他的對(duì)手，看他的配偶登淘。其實(shí)這句話背后講的是箫老，透過一個(gè)人的社會(huì)關(guān)系網(wǎng)，你可以了解一個(gè)人的真實(shí)情況黔州。

真實(shí)情況很重要耍鬓，在需要人與人接觸的場(chǎng)景中，真實(shí)能提升效率流妻，避免風(fēng)險(xiǎn)牲蜀。

1、知識(shí)圖譜的優(yōu)勢(shì)

以前反欺詐只采用基于規(guī)則的方法绅这，而沒有使用關(guān)聯(lián)分析技術(shù)去偵測(cè)身份和關(guān)系風(fēng)險(xiǎn)涣达。

知識(shí)圖譜利用大數(shù)據(jù)收集的大量異構(gòu)、多樣化的信息证薇，包括可交叉驗(yàn)證信息主體所提供的信息以及第三方信息來源的真實(shí)性度苔，使用關(guān)聯(lián)分析技術(shù)，全方位描繪一個(gè)人的真實(shí)數(shù)據(jù)與社會(huì)關(guān)系網(wǎng)浑度，使得反欺詐識(shí)別能力更高寇窑。

2、場(chǎng)景應(yīng)用

行業(yè)應(yīng)用包括但不限于：

招聘箩张，相親甩骏，借貸，征信先慷，刑偵饮笛，投資，融資论熙，招標(biāo)福青。
也就是銀行、保險(xiǎn)、電信无午、零售二蓝、公安、政府等各行業(yè)中的企業(yè)指厌。

場(chǎng)景應(yīng)用包括但不限于：

1）識(shí)別數(shù)據(jù)造假：

當(dāng)融合來自不同數(shù)據(jù)源的信息構(gòu)成知識(shí)圖譜時(shí)，有一些實(shí)體會(huì)同時(shí)屬于兩個(gè)互斥的類別（如如同時(shí)在兩個(gè)不同的城市工作）踊跟，或某個(gè)實(shí)體所對(duì)應(yīng)的一個(gè)屬性（如同一個(gè)人的住址）對(duì)應(yīng)多個(gè)值踩验，這樣就會(huì)出現(xiàn)不一致性，這個(gè)不一致性即可判定為潛在的可疑點(diǎn)商玫。

通過這種不一致性檢測(cè)箕憾，我們利用繪制出的知識(shí)圖譜可以識(shí)別潛在的欺詐風(fēng)險(xiǎn)。

在P2P行業(yè)拳昌，欺詐風(fēng)險(xiǎn)主要的騙術(shù)包括個(gè)人信息造假袭异、工作單位虛假、代辦包裝炬藤、虛假聯(lián)系人御铃、組團(tuán)騙貸等。

2）識(shí)別組團(tuán)欺詐

圖結(jié)構(gòu)帶來的天然關(guān)聯(lián)檢索的特點(diǎn)沈矿，知識(shí)圖譜可以識(shí)別潛在的代辦包裝或是組團(tuán)騙貸上真。

組團(tuán)欺詐有個(gè)特點(diǎn)：部分信息會(huì)被團(tuán)體共享，那么共享的信息使得他們的知識(shí)圖譜會(huì)有比較多的關(guān)聯(lián)關(guān)系羹膳，從而識(shí)別出風(fēng)險(xiǎn)睡互。

比如利用征信公司提供的欺詐數(shù)據(jù)，擁有的代辦包裝公司數(shù)據(jù)陵像，互聯(lián)網(wǎng)公開欺詐黑名單就珠，行業(yè)黑名單聯(lián)盟等數(shù)據(jù)開發(fā)了大量的標(biāo)簽數(shù)據(jù)，對(duì)實(shí)體（包括公司和人）貼上標(biāo)簽醒颖，例如逾期匠楚，虛假手機(jī)號(hào)，代辦包裝或是組團(tuán)騙貸等標(biāo)簽倦畅。

當(dāng)借款人進(jìn)行申請(qǐng)貸款時(shí)乾闰，如果我們發(fā)現(xiàn)他和黑名單的人具有較多的關(guān)聯(lián)關(guān)系，那么這個(gè)人有很大的可能是欺詐疏日，從而識(shí)別出風(fēng)險(xiǎn)偿洁。

3）輔助信貸審核：

基于知識(shí)圖譜數(shù)據(jù)的統(tǒng)一查詢，全面掌握客戶信息沟优；避免信息孤島造成信用重復(fù)使用涕滋、信息不完整等問題。

4）失聯(lián)客戶管理：

挖掘出更多潛在新的聯(lián)系人挠阁，從而提高催收的成功率

3宾肺、知識(shí)圖譜的數(shù)據(jù)展示

數(shù)據(jù)展示人物實(shí)體之間的關(guān)系結(jié)果溯饵、風(fēng)險(xiǎn)警告以及可視化社會(huì)關(guān)聯(lián)。反饋內(nèi)容包括但不限于：

人物的基本信息锨用、社會(huì)關(guān)系結(jié)果丰刊、風(fēng)險(xiǎn)警告、不同實(shí)體之間的關(guān)聯(lián)增拥，是否有可疑的共享身份信息網(wǎng)絡(luò)啄巧，對(duì)隱蔽關(guān)系的搜索，是否有過欺詐行為等掌栅。

針對(duì)不同行業(yè)秩仆，可以給出關(guān)系驅(qū)動(dòng)的預(yù)測(cè)性分析模型，如欺詐團(tuán)伙的模型分析猾封。

4澄耍、落地場(chǎng)景舉例（來自FICO案例）

1）面向保險(xiǎn)的索賠欺詐：

幫助醫(yī)療保險(xiǎn)、財(cái)產(chǎn)和意外傷害險(xiǎn)及車輛保險(xiǎn)公司檢測(cè)串謀式索賠欺詐晌缘。 通過檢測(cè)和關(guān)聯(lián)共享身份信息齐莲，跨孤立數(shù)據(jù)發(fā)現(xiàn)欺詐團(tuán)伙之間的聯(lián)系，從而揭露個(gè)體欺詐犯以及他們之間的關(guān)聯(lián)枚钓。

2）面向醫(yī)療的服務(wù)欺詐：

主動(dòng)識(shí)別潛在欺詐團(tuán)伙之間的關(guān)系铅搓、關(guān)聯(lián)、互動(dòng)及隱藏的信息共享模式搀捷，其中包括：共享的病患星掰、提供商和不當(dāng)關(guān)系，以及收款人嫩舟、企業(yè)氢烘、資產(chǎn)、親友和同事之間的關(guān)聯(lián)家厌。

3）面向零售商的退貨欺詐：

通過構(gòu)建客戶播玖、組織、地點(diǎn)饭于、產(chǎn)品和事件的360度視圖蜀踏，以及關(guān)系驅(qū)動(dòng)的預(yù)測(cè)性分析主動(dòng)識(shí)別有組織的欺詐。

5掰吕、數(shù)據(jù)源

數(shù)據(jù)源包括但不限于：
銀行果覆、征信公司、保險(xiǎn)行業(yè)殖熟、互聯(lián)網(wǎng)公開欺詐黑名單局待、行業(yè)黑名單聯(lián)盟、社交媒體信息等。

6钳榨、信用評(píng)分標(biāo)準(zhǔn)

以FICO和芝麻分舉例說明舰罚，以大數(shù)據(jù)為基礎(chǔ)的信用評(píng)分考量維度和信用等級(jí)劃分。

FICO（全稱Fair Isaac Corporation薛耻，中文名為費(fèi)埃哲公司）致力于利用大數(shù)據(jù)和算法預(yù)測(cè)消費(fèi)者行為营罢，通過提供FICO評(píng)分和決策管理系統(tǒng)的方式，為企業(yè)提供決策依據(jù)饼齿。

支付寶的芝麻信用考量維度有：
身份特質(zhì)愤钾、履約能力、信用歷史候醒、人脈關(guān)系、行為偏好杂瘸。

身份特質(zhì)的收集內(nèi)容包括：

1）基本信息

• 學(xué)歷學(xué)籍
  • 地區(qū)
  • 院校名稱
  • 當(dāng)前狀態(tài)（在讀/ 畢業(yè)）
  • 最高學(xué)歷
  • 畢業(yè)時(shí)間 / 入學(xué)時(shí)間

• 單位郵箱

• 職業(yè)信息
  綁定職場(chǎng)社交賬號(hào)（領(lǐng)英倒淫、釘釘、名片全能王败玉、脈脈敌土、赤兔）

• 駕駛證

2）資產(chǎn)情況

• 車輛信息
• 房產(chǎn)信息（房產(chǎn)證/不動(dòng)產(chǎn)證）
• 公積金

3）信用消費(fèi)

• 信用卡消費(fèi)
  添加賬單郵箱