5月9日消息（记者 赵晋杰）5月9日，360金融研究院携手360集团联合发布了《2018智能反欺诈洞察报告》（以下简称“报告”）。报告显示，以移动网络为“温床”的金融诈骗，呈现受骗报案量占比高、受骗金额高、受害者低龄化的“两高一低”趋势。在网络贷款欺诈中，团伙欺诈的危害程度明显高于恶意欠贷、多头借贷、伪冒欺诈等个人欺诈行为，呈现“智能化、产业化、攻击迅速隐蔽、内外勾结比例上升、移动端高发”五大特征，给金融机构风控带来了严峻挑战。
男性更易受骗且损失数额大
报告数据显示，金融电信诈骗受害者中，90后占比37.6%。在网络普及呈现低龄化、中青年群体金融需求的日渐提升等趋势影响下，80、90一代正成为手机诈骗的重点目标。从受害者的性别分布来看，男性受害者占76.3%，女性占23.7%，男性受害者明显占比高于女性。同时，从人均损失来看，男性受害者为12032元，女性受害者为10547元。可见，男性不仅更容易被骗，损失金额也比女性更高。
从地域分布来看，广东、山东、辽宁、河南和江苏五省的金融电信诈骗受害者最多，举报数量约占到了全国用户举报总量的36.5%。受骗人群以大学毕业生、城市外来务工人员及农村地区人群居多。
黑中介骗贷 河南、山东、福建受害者最多
报告数据显示，在遭遇黑中介骗贷的受害者中，20岁-30岁占比45%，30岁-40岁占比35%，网络贷款、分期消费的主力客群80、90后已经成为黑中介盯上的“肥肉”。从性别比例分析，男性受害者占比76%，女性受害者占比24%。相较于女性，男性更容易成为黑产的“猎物”。
从地域上看，黑中介骗贷更容易向信用意识相对薄弱的三四线城市人群下手，受害者数量占比Top5省份依次为河南（8.18%）、山东（6.8%）、福建（6.78%）、广东（6.11%）、黑龙江（5.99%）。
损失金额上，由于黑中介在成功获得目标用户的个人信息后，往往会在多个平台进行高额度的骗贷，用户损失相较于传统诈骗更大。报告数据显示，遭遇黑中介骗贷后，损失2000元以下的受害者占比6%，损失2000到5000元占比17%，损失5000元到1万元占比28%，损失1万元到5万元占比38%，损失5万元以上占比11%。
团伙欺诈智能化特征凸显，黑中介、黑产深度融合
报告显示，相较于个人欺诈，团伙欺诈的波及范围更广、社会危害性更高，呈现“智能化、产业化、攻击迅速隐蔽、内外勾结比例上升、移动端高发”五大特征。随着欺诈技术的发展，黑中介和黑产出现深度融合的态势，开始以团伙形式开展线上贷款申请审批业务，骗取大量资金。
在团伙欺诈中，黑中介利用互联网金融平台采用大数据线上审核的业务特点，会着重选择一些新上线、不上征信、风控较为薄弱的平台为攻击目标，通过不断地挖掘平台风控规则的漏洞或弱点，进行信息包装或伪造、远程助贷等欺诈操作。部分黑中介还通过社群、传销、面授班等形式，向其他中介和个人提供技术传播、骗贷教学。黑产则承担为黑中介“助攻”的角色，从技术上为黑中介实施骗贷提供技术便利。如批量采集用户信息，窃取金融机构和平台数据库，包装伪造证件信息、银行流水，伪造通讯记录等。
围绕欺诈目的达成，黑中介伙同黑产构建了集用户数据获取、身份信息伪造和包装、欺诈策略制定、技术手段实施等一条完整的产业链。
当黑中介发现目标平台后，会深度梳理平台的风控漏洞，制定欺诈方案，在特定时间发起集中攻击。由于黑中介的隐蔽性强，对于平台反欺诈策略的灵敏度和迭代效率提出了更高的要求。在人员结构上，黑中介团伙中熟悉平台风控逻辑内部员工比例有所上升，“内外勾结”联合骗贷对平台的损害更大。
与此同时，360金融研究院还在调研中发现，在黑中介、黑产攻击平台的时间段上差异巨大。黑中介发动攻击的时间段主要为白天工作时间，与正常用户申请贷款的时间相一致，高峰期出现在上午10点到下午15点之间，夜间活动频次较低。黑产团伙则一般会选择贷款平台技术保护或风控相对薄弱的时间段，比如平台上线或活动上线初期、周末或节假日，在凌晨2点到4点对平台发起密集攻击。
金融科技平台智能反欺诈措施
目前互联网科技公司已经能够通过大数据、云计算、人工智能、区块链等最新互联网技术，获得更丰富、精准的信息采集来源，制定更个性化、定向化的风险定价模型，完成更科学、严谨的风险决策过程。
报告显示，360金融早期脱胎于国内最大的安全服务平台360集团，目前在金融反欺诈策略制定、模型构建等方面与其保持着深度、紧密合作。背靠360集团领先的数据智能优势，360金融目前已积累了千万级别的黑名单和数亿的白名单库。自主研发的Argus智能风控引擎从数十万个变量中用机器学习方法筛选出超过3000个风控模型数据变量，近96%的授信申请和99%的订单申请实现全自动审核，毫秒级反馈结果。
360金融反欺诈技术专家张峰透露，目前360金融基于人工智能技术建立的反欺诈模型和反欺诈策略成为平台预测、抵挡欺诈风险的有力武器。一方面，人工智能可以利用机器对数据的大规模以及高频率的处理能力，将申请人相关的各类信息节点构建庞大网络图，并在此基础上建立基于机器学习的反欺诈模型并对其进行反复训练和实时识别。另一方面，人工智能基于庞大的知识图谱，还能监测整个互联网的风险动态，当发现信用表现出现风险的时候，能够及时做出风险预警，启动“先知”的防御机制。（完）
