反欺诈

随着欺诈手段呈现隐蔽性、规模性、动态性的特点,传统的反欺诈技术开始暴露出维度单一、效率低下、范围受限、时效性差等诸多不足,基于Galaxybase图数据库的反欺诈方案能够实现欺诈行为早识别、早预防和早处置。

咨询方案详情
业务挑战
传统的反欺诈系统主要基于被动防御模式,利用规则、特征等对每一笔交易进行事中识别,但是无法从全局出发进行关联分析,缺少系统性案件的判断能力。 难以发现团伙性案件
传统的反欺诈系统主要基于被动防御模式,利用规则、特征等对每一笔交易进行事中识别,但是无法从全局出发进行关联分析,缺少系统性案件的判断能力。
反欺诈的规则、特征大多基于已有的经验进行设定,很难识别一些新的攻击手段或是漏洞。 无法应对欺诈的动态演变
反欺诈的规则、特征大多基于已有的经验进行设定,很难识别一些新的攻击手段或是漏洞。
欺诈团伙存在隐蔽性,传统的反欺诈大多基于数据的单点异常判断,可以发现正常范围之外的异常值,但是对于隐藏在正常范围内的欺诈行为却很难发现。 传统方法易出现误判漏判
欺诈团伙存在隐蔽性,传统的反欺诈大多基于数据的单点异常判断,可以发现正常范围之外的异常值,但是对于隐藏在正常范围内的欺诈行为却很难发现。
传统反欺诈核查主要通过翻阅申请件信息以及电话核查,过度依赖审核人员的经验;同时数据碎片化分散在不同的系统中,审核耗时耗力且成本高。 人工核查效率低,耗时长
传统反欺诈核查主要通过翻阅申请件信息以及电话核查,过度依赖审核人员的经验;同时数据碎片化分散在不同的系统中,审核耗时耗力且成本高。
方案介绍
欺诈团伙的目的是大量套现并逃避法律的追责,欺诈过程会对资源进行循环的使用,资源间出现隐性关联。Galaxybase图数据库构建个人、进件、公司、手机、电话等实体及相应关系的网络,利用图模型构建将欺诈环节的各个数据进行关联,从而挖掘出其中潜在的关系,找到欺诈团伙
模型构建
Galaxybase具备多元数据的整合能力,能够对银行内外部的数据拆解为申请人、申请件,以及相关的申请实体后构建为申请信息关联网络的图模型。
欺诈挖掘
利用分群算法挖掘异常关联社群,侦测实体间异常关联规律、自动定位风险实体及社群。利用风险传播算法对新进申请件进行风险评估,有效挖掘潜在欺诈风险。
方案介绍-创邻科技
方案价值
实时风险计算,提升反欺诈效率
反欺诈解决方案底层的Galaxybase图数据库能够毫秒级完成多跳风险指标计算,从而帮助金融机构实时防控动态化欺诈风险,提升业务效率和用户体验。
防范规模性欺诈,预防高额损失
反欺诈解决方案能够关联交易环节各主体,通过深链查询发现潜在的欺诈风险,有效识别规模性、隐蔽性的欺诈团伙,提高识别效率。
应用场景
信用卡申请欺诈检测_解决方案_创邻科技
信用卡申请欺诈检测
保险欺诈检测_解决方案_创邻科技
保险欺诈检测
电商欺诈检测_解决方案_创邻科技
电商欺诈检测
创邻科技是国内首家全自主知识产权的商业图数据库供应商,提供多源异构数据的关联挖掘、深链查询、可视化分析及行业图智能计算应用服务。
home.official

商务咨询

400-882-6897

售前咨询

0571-88013575、0571-88016275

企业邮箱

partner@chuanglintech.com

媒体合作

Marketing@chuanglintech.com

地址

杭州市西湖区西园八路三号智汇中心E2幢12层

联系我们