蔣韜
同盾科技在2016年、2017年的信用業(yè)務(wù)出現(xiàn)了井噴發(fā)展趨勢。銀行的零售業(yè)務(wù)這兩年也是大幅增長,招商銀行、中信銀行整個的零售業(yè)務(wù)在整個行業(yè)里面占比逐步提升。2014年我國信用卡發(fā)卡量4.5億張,但是互聯(lián)網(wǎng)欺詐損失占比上升4個百分點。目前,在中國互聯(lián)網(wǎng)從事欺詐的團伙50萬人。在我們監(jiān)測的欺詐團伙里面,發(fā)現(xiàn)絕大部分的團伙為3-5個人,出現(xiàn)聚集性的效應(yīng)。
此外,銀監(jiān)會公布2015年第4季度不良貸款余額連續(xù)21個季度上升,其原因有:一是欺詐的風(fēng)險,盜用別人的身份信息申請貸款。
二是申請人在網(wǎng)上申請貸款時因為沒有身份證的驗證所以往往會提供一些虛假的資料,而怎么識別虛假資料,也是很多金融機構(gòu)要應(yīng)對的挑戰(zhàn)。三是金融機構(gòu)內(nèi)部人員和外部人員存在勾結(jié)行為,即存在著道德風(fēng)險。四是信用風(fēng)險,其實現(xiàn)在最大的難度是征信維度不是特別足,存在非常多跨平臺負債的問題。很多金融機構(gòu)特別是傳統(tǒng)的金融機構(gòu),包括銀行識別申請人的資料時,并不知道他在別的機構(gòu)、平臺貸款的情況,銀行無法獲取這些信息,進而無法評估這些人的風(fēng)險。
分享幾個案例,欺詐和信用風(fēng)險的案例:
在欺詐領(lǐng)域,以色列的一家公司在做的事情就是識別個人的生物行為信息,主要是申請貸款的人在這個網(wǎng)頁上敲擊鍵盤的頻率、時間的間隔、使用鼠標(biāo)的習(xí)慣,包括使用的一些偏好、和設(shè)備互動的方式等。通過這種方式可以識別是不是同一個人,輸入的身份證信息是否是本人輸入等。
說到信用風(fēng)險識別創(chuàng)新,美國有一家公司在評估個人信用風(fēng)險的維度和傳統(tǒng)的評分維度差別比較大,大家都知道消費者信用評估即還款能力的評估,主要是根據(jù)查詢報告的數(shù)量、個人在銀行帳戶的數(shù)量、違約的次數(shù)等。這家美國評估公司主要是用繳稅的記錄、搬家的頻率等。
同盾也是通過各式各樣的方式識別欺詐風(fēng)險,包括我們關(guān)聯(lián)手機設(shè)備等。我們統(tǒng)計出如果一個設(shè)備關(guān)聯(lián)出來的手機號,也就是說一臺手機有兩個手機號申請貸款,包括你在手機里面是否裝一些虛擬的軟件等,都是我們所要發(fā)現(xiàn)欺詐的線索。還有,就是你提交的地址是否在欺詐團伙地址范圍之內(nèi)。我們有一個統(tǒng)計,假如你的方圓五公里之內(nèi),如果欺詐個數(shù)超過1000個,你自己是欺詐人員的概率可能也會大幅提升。
除了通過技術(shù)的手段,也可以通過數(shù)據(jù)的手段。我們經(jīng)過互聯(lián)網(wǎng)監(jiān)控,包括一些合作客戶給的反饋,收集到非常多的信息,最終對這個人做風(fēng)控的識別。
通過收集這些信息,包括負債信息、地址穩(wěn)定性、行為偏好、還款能力等,最終會生成信用分。以跟金融機構(gòu)合作的方式,用自己的信息和金融機構(gòu)的信息生成一個模型,給個人客戶打分。
最后,我們通過智能化數(shù)據(jù)分析提升貸款的管理能力,還通過語音識別的技術(shù)規(guī)避客戶敏感信息的泄露。這是我們跟商業(yè)銀行做深入合作,幫他們識別欺詐風(fēng)險的案例。endprint