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银河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
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。
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。
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。
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银河图数据库构建个人、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银河图数据库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银河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
保险欺诈检测
电商欺诈检测
联系我们