在數字技術的支撐下，金融市場的體量和發展潛力被逐步放大。與此同時，其暴露的風險隱患也與日俱增，欺詐現象層出不窮。
“由於數字與金融的“聯姻”，金融的欺詐行為呈現出專業化、產業化、隱蔽化、跨區域等新特徵，對傳統的反欺詐手段形成極大挑戰。因此，針對金融領域的反欺詐技術也應不斷革新，既要精準打擊存在的風險，也要執棋先行，做到防患於未然。”京東金融研究院院長孟昭莉表示。
（孟昭莉在《數字金融反欺詐白皮書》發佈會現場主題演講）
5月31日，由京東金融研究院和中國人民大學金融科技與互聯網安全研究中心、中國刑事警察學院共同撰寫的《數字金融反欺詐白皮書》（以下簡稱“白皮書”）在北京發佈。
白皮書中主要列舉了8個數字金融場景，即網絡支付，網絡運費險、網絡借貸、網絡營銷、供應鏈金融、消費金融、手機銀行、生豬保險。
供應鏈金融背後的欺詐
“相對於C端，其實B端防欺詐工作更復雜、更難做。因此，推動整個供應鏈金融反欺詐，是我們後續工作的重點。”京東金融供應鏈金融事業部信用與風險管理部負責人王越國表示。
的確，正如王越國所認為，就拿小微企業來說，為什麼大家都不願意把前借給它們，因為它們造假的成本很低，數據的真實性是最致命的。
除了小微企業，大企業的欺詐行為也是層出不窮。大企業供應商可能幾千家，甚至數萬家，這些企業的鏈條看似很透明，但根據以往數據來看，很多放貸機構依然經歷了很多慘痛教訓。
“以存貨質押為例。存貨是一種比較安全的供應鏈金融方式，但比如鋼鐵業，重複質押屢見不鮮。再比如煤炭行業，看似一堆一堆的的煤炭，結果挖開之後下面都是黃土。這些看似很拙略的存貨欺詐做法依然存在。”王越國舉例說。
那麼，遇到這些問題，我們怎麼辦呢？其實，對於金融機構而言，已不是採用量化模型的問題，而是做好數據的問題。“只有在專業的經驗基礎上不斷與數據融合才能防範於未然。這也是接下來三到五年整個反欺詐工作的主要方向。”王越國表示。
另外，區塊鏈技術和物聯網技術、以及人工智能算法非常關鍵，這些技術可以有效解決信息豐富度問題，以及很大程度上解決信息真實度的問題。隨著這些技術的加入，讓我們的數據最基礎設施更加完備，相信整個B端的數據量在未來幾年會得到巨大的成長。
京東金融有哪些高招？
而此時，B企業作為A企業的關聯公司，向某線上平臺提出了貸款申請（但B企業並沒有告知平臺其為A企業關聯公司的關鍵信息）。
（供應鏈金融-反欺詐過程）
“針對這樣的情況，京東金融的做法是，採用機器學習、關係圖譜和設備指紋識別等技術在辨別出企業的欺詐行為。”王越國介紹說，具體步驟包括：
第一步，運用機器學習等技術對A企業的公開信息進行自動化審計後發現，其企業經營數據不真實。
第二步，在發現A企業存在經營欺詐行為後，該線上平臺自有的企業圖譜及輿情繫統利用公開的上市公司報告信息，能夠描繪出包括註冊地址、股東結構、經營範圍、組織形態等信息在內的數千家企業關係圖譜，關聯出B企業是A企業的關聯公司。
第三步，由於B企業對線上平臺提出了信貸申請，因此需要利用機器學習技術對B企業的經營數據等信息進行全方位審核。與此同時，利用設備指紋技術和機器學習技術發現B企業存在刷單欺詐行為。
第四步，綜合B企業與A企業的關聯關係事實和B企業刷單炒信的行為，該線上平臺拒絕了B企業的信貸申請。
“數據是基礎，技術是支撐，機制是保障。白皮書的發佈是對數字金融領域的欺詐與反欺詐所做的一次較為全面的總結。通過介紹反欺詐的先進經驗，對行業的反欺詐以及防範金融風險起到借鑑作用，從而希望可以促進全社會數字金融行業的健康發展。”孟昭莉表示。
閱讀更多 掌鏈 的文章
