2019-2020移动数字金融与电子商务反欺诈 分析报告 2019年 10月I 目录 图目录 . VI 表目录 . VIII 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 II 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 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 III 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 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 IV 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 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 V 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 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 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 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 VIII 表目录 表 1 电子商务及欺诈市场明细 . 16 表 2 拟合参数结果 . 16 表 3 预测损失结果 . 16 表 4 欺诈损失 GDP 占比预测 . 17 表 5 策略动态配置示例 . 55 表 6 风险控制与管控策略对应表 . 72 1 一、移动数字金融与电子商务中的欺诈现状 随着移动互联网与传统金融和电子商务的深入结合，其不仅带给 用户更便捷的使用体验，同时极大地推动了我国数字经济的发展。目 前我国在移动互联网服务的发展深度和市场规模都已经领先全球，但 与此同时，新的欺诈手段也不断衍生。这种情况不仅给我国广大消费 者造成了巨大的经济损失，同时也影响了行业的整体形象，给我国移 动互联网的长期健康发展和产业创新带来了诸多消极影响。 按照欺诈对象的不同，欺诈行为主要分为两大类：针对用户的欺 诈和针对企业的欺诈。本白皮书主要研究针对企业的欺诈行为及其防 范方法。 1.1 移动数字金融与电子商务欺诈概述 金融和商品交易是现代经济体系的核心。随着信息技术的发展， 金融和商品交易也在逐步信息化，形成了数字金融和电子商务的模式。 无论是服务方式、获客渠道都基于现有的信息化基础设施，极大提升 了传统经济活动的服务效率，降低了服务成本。然而，与此同时信息 服务也给欺诈行为带来了更多的手段和渠道，使得传统欺诈行为的危 害大大提升。 以网贷平台为例，截止 2018 年末，累计出现问题的平台数量超 过 4000 家，占网贷平台总量的 70 以上。而在电子商务领域，根据