风控

风控

业务风险就是业务中产生的各类风险,主要是指不法分子利用业务规则漏洞和技术手段,进行薅羊毛、刷单炒信、数据爬取、账户盗用、信息冒用、盗卡盗刷、交易欺诈、虚假申贷等。

背景

移动支付的出现,让随时随地的在线交易成为可能。2013年,一大批O2O服务如雨后春笋般出现。为了拓新拉客占领用户手机,企业的推广红包、优惠券、免单券等“羊毛”越来越多,一部分人开始利用社群社区有组织、有计划的薅羊毛。在可观收益的吸引下,“薅羊毛能赚钱”的理念迅速流行并扩散。

2014年,大批互联网金融公司涌现,无门槛的加息券、返利券、现金和丰厚推广资金吸引了大批参与者,并创造出更多薅羊毛的方法和工具。也就是这一年开始,业务欺诈逐步呈现职业化、团伙化特征,并形成了信息倒卖、工具制作、攻击实施、商品转售的完整产业链条,业内称之为“黑灰产”。

2017年《网络安全法》的实施,进一步遏制了网络攻击行为。而随着企业的数字化转型,企业越来越多的关键业务的暴露在互联网中,利用业务欺诈进行牟利成为无数网络黑灰产团伙的重要手段。权威部门的一项统计显示:网络黑灰产从业人员就已超过150万,市场规模达千亿。IDC认为,中国数字化转型及数字化原生企业将长期面临业务欺诈的严峻挑战。

IDC 中国 IT 安全市场研究经理赵卫京表示,“黑灰产的欺诈攻击已经覆盖了几乎所有业务场景,业务安全反欺诈已经成为全球各行各业企业级用户不容忽视的问题。面对每天频繁的业务交互,如何实时精准识别海量数据的真实性、合规性对于业务提供者来说尤为重要。”

策略

策略防护是业务安全1.0时代的特点,目前依旧被大部分企业采用。主要是基于业务规则、名单规则、行为规则等策略。

所谓业务规则,即业务设定的规则和条件,例如注册48小时才可以享受服务、新用户才能够享受优惠等等;名单规则即业务参与者的名单信息,包含风险IP、恶意手机号、欺诈者名单、逾期名单等;行为规则即参与者从登录到交易结束的所有行为,包含进入平台、登录账号、比较选购、交易下单、完成支付等。

由于很多策略规则比较独立,这就导致兼容协同性弱,甚至出现了“互相打架”的情况。此外,很多策略是人为设置,主观局限性明显且灵活性不够,无法应对风险的快速变化。

数据模型

基于数据模型做防控是业务安全2.0时代的特征,已经广泛应用于银行业。做为整体业务防护的大脑,模型不仅可以防御已知风险,更能够挖掘未知的威胁,帮助企业提前做好未雨绸缪。

模型是基于目标群体的大规模数据采样和数据分析,挖掘出某个实际问题或客观事物的现象本质及运行规律,利用抽象的概念分析存在问题或风险,计算推演出减轻、防范问题或风险的对策过程,并形成一套体系化的策略或规则集。

模型建设是一个复杂的工程,一般需要几个或十几个专业开发人员,耗费几个月乃至大半年才能够完成。由于人才、技术、成本等原因,大部分企业并不具备模型建设的能力。由此也催生出一批创新企业,通过新技术新服务,让模型建设和应用落地更加快捷。

风控中台

自助化风控中台的出现,推动业务安全进入3.0时代。风控中台不仅提升了防控效果,更降低了建设和应用成本。

风控中台通过人工智能和大数据技术,将策略+系统+模型融形成标准化、模块化,实现数据对内的共享和对外服务的统一,打破“烟囱式”、“项目制”系统之间的集成和协作壁垒,提高服务重用率,降低前台业务的试错成本。使数据、规则、策略的实现共融共享和整体的联防联控,让策略、模型升级调优和配置更加灵活,帮助企业快速构建专属业务安全系统,有效防范已知和潜在未知风险,大幅降低部署建设成本,满足业务快速变化需求。

通过专业的业务安全体系,防范业务流程中出现的交易诈骗、网络诈骗、盗卡盗号等欺诈行为,避免企业遭遇各类欺诈威胁或遭受经济损失,保障企业整体业务逻辑的顺畅,帮助企业降低成本,提升运营效率和收益,推动行业的数字化转型。

Todos