参与单位牵头编写单位中国信息通信研究院泰尔终端实验室中移信息技术有限公司China Telecommunica on Technology Labs-Terminals泰尔终端实验室北京数美时代科技有限公司中国电信世纪龙有限公司统一推送联盟电话邦浙江每日互动网络科技股份有限公司深圳市和讯华谷信息技术有限公司泰尔卓信科技（北京）有限公司北京数字联盟网络科技有限公司威胁猎人联洋国融 ( 北京 ) 科技有限公司北京邮电大学四川享宇金信金融科技有限公司t i移动数字金融与电子商务反欺诈白皮书 I 目录 图目录 . VI 表目录 . VII 一、移动数字金融与电子商务中的欺诈现状 . 1 1.1 移动数字金融与电子商务欺诈概述 . 1 1.1.1 营销活动欺诈 . 2 1.1.2 渠道流量欺诈 . 3 1.1.3 虚假用户裂变欺诈 . 5 1.1.4 盗取信息欺诈 . 6 1.1.5 恶意交易欺诈 . 6 1.1.6 金融支付欺诈 . 7 1.1.7 网络刷单欺 诈 . 7 1.1.8 电信欺诈 . 8 1.1.9 网贷欺诈 . 9 1.1.10 优质内容爬取欺诈 . 9 1.2 移动数字金融和电子商务领域的反欺诈场景 . 10 1.2.1 移 动用户的身份判断 . 10 1.2.2 移动欺诈的状况评估 . 11 移动数字金融与电子商务反欺诈白皮书 II 1.2.3 移动欺诈的行为判断 . 12 1.3 数字欺诈对我国经济的影响与分析 . 12 1.3.1 当前网络欺诈的现状 . 12 1.3.2 移动互联网欺诈的模型和结果分析 . 13 二、黑产欺诈态势分析 . 19 2.1 黑产欺诈问题当前态势 . 19 2.2 欺诈在移动业务中的趋势和特点 . 29 2.2.1 行为模式： “ 被动 ” 变为 “ 主动 ” . 30 2.2.2 安全漏 洞： “ 碎片 ” 变为 “ 系统 ” . 31 2.2.3 商业逻辑： “ 孤岛 ” 变为 “ 融合 ” . 31 2.2.4 变现逻辑： “ 量变 ” 变为 “ 质变 ” . 33 2.2.5 迭代速度： “ 缓慢 ” 变为 “ 迅速 ” . 34 三、移动数字金融和电子商务领域的反欺诈方案 . 35 3.1 现有反欺诈方案面临的挑战 . 35 3.2 全栈式实时反欺诈方案 . 36 3.2.1 全场景识别体系 . 37 3.2.2 全路径实时布控体系 . 37 3.2.3 全方位策略体系 . 39 移动数字金融与电子商务反欺诈白皮书 III 3.2.4 全流程运营体系 . 39 3.3 移动设备唯一性甄别实时反欺 诈方案 . 40 3.3.1 账号识别及保护反欺诈方案 . 41 3.3.2 营销活动反欺 诈方案 . 41 3.3.3 网络安全 /提供风控方案 . 42 3.3.4 互联网金融反欺诈方案 . 42 四、反欺诈的技术与效果评估 . 45 4.1 反欺诈技术体系架构 . 45 4.1.1 接入层 . 46 4.1.2 业务逻辑层 . 47 4.1.3 决策层 . 47 4.1.4 基础引擎层 . 47 4.1.5 模型数据层 . 48 4.1.6 基础平台层 . 48 4.1.7 管理层 . 49 4.2 反欺诈技术详解 . 49 4.2.1 反欺诈情报体系 . 49 4.2.2 设备指纹技术 . 49 移动数字金融与电子商务反欺诈白皮书 IV 4.2.3 实时决策引擎（规则引擎）技术 . 55 4.2.4 知识图谱 . 56 4.2.5 有监督机器学习技术 . 58 4.2.6 无监督机器学习技术 . 60 4.2.7 实时画像引擎技术 . 61 4.2.8 实时统计引擎技术 . 64 4.2.9 可信 ID技术 . 65 4.3 运营商风控技术实践 . 66 4.3.1 运营商业务风控系统 . 66 4.3.2 通信数据在风控中的应用 . 68 4.4 反欺诈效果验证与评估 . 70 4.4.1 事前评估 . 70 4.4.2 事中分析 . 71 4.4.3 事后评估 . 72 五、移动业务反欺诈的挑战及展望 . 75 5.1 反欺诈的困难和挑战 . 75 5.1.1 业务风险不确定性分散 . 75 5.1.2 风控效果不可判断性高 . 75 移动数字金融与电子商务反欺诈白皮书 V 5.1.3 认知盲区不认知性强 . 75 5.1.4 追求数据美观不务实性多 . 76 5.2 反欺诈未来展望 . 76 5.2.1 加强技术升级优化 . 76 5.2.2 基础共性技术开源 . 78 5.2.3 构建产业协作组织 . 78 5.2.4 推动完善法制建设 . 79 附录 A：移动互联网欺诈模型推演 . 80 附录 B： RETE算法详解 . 81 移动数字金融与电子商务反欺诈白皮书 VI 图目录 图 1 营销活动反欺诈示例 . 3 图 2 渠道流量反欺诈示例 . 4 图 3 虚假用户裂变反欺诈示例 . 5 图 4 网络刷单欺诈示例 . 8 图 5 反欺诈扩散模型示例 . 14 图 6 支付诈骗趋势（中国信息通信研究院） . 20 图 7 恶意机器流量趋势 （ CNNIC） . 20 图 8 黑产广告造成的人均损失 2018年网络诈骗趋势研究报告. 21 图 9 诈骗场景示例 . 22 图 10 黑产手法及设备 . 22 图 11 黑产态势 . 23 图 12 黑产链条示例 . 23 图 13 全栈实时反欺诈方案 . 37 图 14 全路径实时布控体系 . 38 图 15 全流程闭环策略体系 . 40 图 16 反欺诈技术流程体系 . 45 图 17 反欺诈云架构 . 46 图 18 设备指纹的作用 . 50 图 19 虚拟机示例 . 51 图 20 安卓和苹果设备信息篡改示例 . 52 图 21 多开软件示例 . 53 移动数字金融与电子商务反欺诈白皮书 VII 图 22 RETE算法 . 56 图 23 知识图谱示例 . 57 图 24 黑产知识图谱建模 . 58 图 25 无监督学习 . 60 图 26 实时画像数据流转示意图 . 62 图 27 实时画像架构图 . 63 图 28 实时统计引擎示意图 . 64 图 29 运营商业务风控系统 . 67 图 30 通信大数据优势 . 69 图 31 反欺诈效果评估体系 . 72