AI风控模型
传统的风控需要大量的人力和时间投入,并且在优化效果的过程中,很难形成指数型的突破。同盾将机器学习、人工智能应用到风控模型中,提升效果的同时,也大量地提高了效率。
【猎人说】这就没啥好说的了,依靠大量数据喂出来的各种算法、策略和模型。现在处于半人半机器状态,需要人监督,及时调整特殊情况。
黑产工具识别
同盾可以识别市场上黑产常用的作弊工具,覆盖度达到98%以上。比如识别设备是否处于root/越狱状态,是否安装了cydia框架、xposed框架、安卓模拟器、改机工具、代理软件、虚拟定位等黑产工具。
【猎人说】黑产工具,最常见的是改PC端IP,移动端IP;其他借贷类APP留痕删除;手机原识别码修改。目的就是为了掩盖这个设备已经黑化。
全网黑产名单库
基于同盾接入的海量客户,以及大数据的沉淀,形成了覆盖全网的黑产名单库,包括虚假号码、通信小号、代理IP、、垃圾邮箱、黑名单等。
虚假号、小号识别
同盾拥有对虚假号码、通信小号的识别能力。截止2017年6月,已沉淀了超过3000万的虚假号码和通信小号,并且对名单库持续的进行清洗。
【猎人说】虚假号码一般都需要长时间从风控中识别;小号一般可以通过运营商查询在网时长判断,但存在人为养卡行为就很难判断。
地址雷达
地址雷达包括四个产品:地址标准化服务、地址真实性校验、地址相似度匹配和地址资产价值评估。针对输入的文本地址信息,四个产品分别输出标准化、补全和修正后的地址,地址真实性评分,地址相似度评分,地址资产价值评估字段。
【猎人说】地址雷达,除了依赖上述的地理位置定位的几个方式获取用户相对准确的活动范围,还需要物流内部的常用联系地址,这个是相对精确的。地址雷达就是围绕这些数据衍生出各种地址产品,补全,验真,区域评分、地址价值评估。
实时团伙检测
实时团伙检测是一种能实时识别群体欺诈的新型智能工具。首先基于同盾大数据构建关系网络,再通过动态社团分割算法进行分团,同时配合规则策略进行筛选,实时返回命中详情和团伙分布图,从而进行团伙欺诈的识别,帮助用户在事前发现欺诈团伙,防患于未然。
以下说说金融领域,主要的信贷类相关金融产品的贷前、中、后流程主要有哪些,并按顺序大概说说每个流程点,需要应对的场景及可使用的同盾类产品(很多科技公司都有同类产品,比如通付盾、天创科技等)。
金融信贷领域的产品,除了理财稍微提及下,其他多为P2P信贷、小贷、消费金融、汽车金融、银行信贷等。 在贷款申请这个步骤开始前,一般逃不过营销获客、注册登录、实名认证及银行卡绑卡行为。

P2P资产端
贷款申请-贷前审批-审批完成-放款成功-贷后监控-逾期催收;
小贷

贷款申请-贷前审批-审批完成-放款成功-贷后监控-逾期催收;
消费金融
选定商品-分期申请-信贷审批-获取贷款-按时还款;
汽车金融
选定车辆-贷款申请-信贷审批-签订购车-办理手续-按期还款;
银行信贷
申请贷款-贷款审批-授信额度-贷后监控-逾期管理。
说完基本信贷流程,下文说说各流程的须知及防控方式,
营销推广
防控场景:薅羊毛-恶意抢红包,广告防作弊点击
对应产品:
识别:通过设备指纹技术,可以获取操作设备的多重属性,从而分析该设备参与营销活动的频率、关联账号等情况,有效识别。
代理IP分析:通过代理检测技术,可以及时发现通过使用代理技术隐藏真实IP地址的行为,准确识别当前用户是否使用代理访问网站,再结合机构本身的风控模型及用户信息,有效识别作弊用户。
欺诈用户行为:通过存量历史欺诈用户数据建模分析,准确分析用户行为特征,有效识别欺诈作弊用户。
本文来自电脑杂谈,转载请注明本文网址:
http://www.pc-fly.com/a/tongxinshuyu/article-73289-3.html
就是
这教授也是被骂得惨