随着金融业务的不断下沉，其风险也在不断扩张。各类金融机构，无论是银行、互联网金融平台，还是私募基金、保险等，都面临着愈发严峻的风控挑战。

▲图片来自网络

当今在数字科技的驱动下，越来越多高技术、高水准、高欺诈能力的“黑产”、“黑中介”出现，他们通过电脑程序不断“试错”，寻找各家金融机构及金融平台的风控漏洞，虚构大量借款人材料开展批量贷款，骗取大量资金，这一切正在干扰数字金融行业的良性发展，并带来日益严重的负面影响。

在此背景下，反欺诈成为金融风控系统中必不可少的一环。为覆盖多种不同的场景和业务，在面对新技术、新业态催生的复杂环境下，反欺诈也需要结合人工智能等新技术，有针对性地进行防范。

传统的反欺诈依靠专家多年经验来识别欺诈，黑白名单以及规则引擎的系统更新速度通常较慢，需要大量人工调试规则，无法检测出最新且复杂的欺诈模式，从而导致传统反欺诈存在滞后性，在实操过程中难以做到真正的“防患于未然”。

▲图片来自网络

随着数据智能算法不断地深入各类应用，正改变传统反欺诈的被动防御局面，也正帮助金融机构和平台化被动为主动，提前拦截欺诈发生。

MobTech袤博作为全球领先的数据智能企业，自主研发的智能风控系统，以AI技术贯穿反欺诈全业务链条，大幅提高金融机构事前欺诈识别率、欺诈应对效率以及事后欺诈案件挖掘效率。

通过多年积累，我们已覆盖全球设备138亿+，数据特征维度标签高达6000+。基于MobTech自建大数据库，以及通过合法脱敏处理的机构共享的大数据库，例如，识别网贷灰名单、电商消费风险数据、社交媒体欺诈数据等，使得交易有风险的“黑名单”与“灰名单”（高欺诈风险用户）无处遁形， 将交易风险降低到可控范围内。

▲图片来自网络

结合金融市场“移动化”的大背景下，黑灰产利用用户身份识别手段（手机号、IP、IMEI号、MAC地址等）进行欺诈行为时，MobTech基于物理层和协议层信息，结合设备显性标识，生成的移动设备标识ID，可用以标识移动设备的唯一性，并通过设备的状态去判断用户的状态。

目前，MobTech欺诈风险筛查包含：行为反欺诈、设备反欺诈、反欺诈规则集、社交关系图谱、欺诈评分。

• 行为反欺诈：MobTech覆盖全球130亿+设备，可实时监测设备号异常登录等情况，可以为金融机构对此部分使用者进行风险预警提示；
• 设备反欺诈：通过设备指纹技术对于虚拟机、改装机、短时间内反复换机操作、黑中介和黑设备等高危设备群体进行识别；
• 反欺诈规则集：通过前期对欺诈客群特征分析，预置判断标准依据联合建模进行防御；
• 社交关系图谱：挖掘隐藏在复杂网络之下的设备间关联关系风险，全面提升风控专家在海量数据下，精准甄别、有效防范和化解业务风险的效率；
• 欺诈评分：机器学习下，综合授权金融机构 +MobTech三方平台数据给出欺诈评分。

同时，针对当前越来越突出的“数据孤岛”问题，MobTech 在业内率先探索“联邦学习”模式，利用这种加密的分布式机器学习技术，使金融机构的自由数据在不出本地的情况下，通过加密机制交换数据，即在不违反数据隐私法规的前提下，建立虚拟共有模型，仅为本地目标服务。

数字金融时代，反欺诈早已不再是企业与欺诈分子的单打独斗，构建完整、有效的反欺诈体系，离不开数据、技术与场景。未来，MobTech 将立足行业需求，扎根技术创新，发力数字金融反欺诈，以硬核科技实力精准助力。