移动数字金融与电子商务反欺诈白皮书
移动数字金融与电子商务反欺诈，白皮书 移动数字金融与电子商务反欺诈白皮书目录V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11.1 移动数字金融与电子商务欺诈概述11.1.1 营销活动欺诈21.1.2 渠道流量欺诈31.1.3 虚假用户裂变欺诈51.1.4 盗取信息欺诈61.1.5 恶意交易欺诈61.1.6 金融支付欺诈71.1.7 网络刷单欺诈71.1.8 电信欺诈81.1.9 网贷欺诈91.1.10 优质内容爬取欺诈91.2 移动数字金融和电子商务领域的反欺诈场景101.2.1 移动用户的身份判断101.2.2 移动欺诈的状况评估111.2.3 移动欺诈的行为判断121.3 数字欺诈对我国经济的影响与分析121.3.1 当前网络欺诈的现状121.3.2 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192.1 黑产欺诈问题当前态势192.2 欺诈在移动业务中的趋势和特点292.2.1 行为模式：“被动”变为“主动”302.2.2 安全漏洞：“碎片”变为“系统”312.2.3 商业逻辑：“孤岛”变为“融合”312.2.4 变现逻辑：“量变”变为“质变”332.2.5 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353.1 现有反欺诈方案面临的挑战353.2 全栈式实时反欺诈方案363.2.1 全场景识别体系373.2.2 全路径实时布控体系373.2.3 全方位策略体系393.2.4 全流程运营体系393.3 移动设备唯一性甄别实时反欺诈方案403.3.1 账号识别及保护反欺诈方案413.3.2 营销活动反欺诈方案413.3.3 网络安全/提供风控方案423.3.4 互联网金融反欺诈方案42四、反欺诈的技术与效果评估454.1 反欺诈技术体系架构454.1.1 接入层464.1.2 业务逻辑层474.1.3 决策层474.1.4 基础引擎层474.1.5 模型数据层484.1.6 基础平台层484.1.7 管理层494.2 反欺诈技术详解494.2.1 反欺诈情报体系494.2.2 设备指纹技术494.2.3 实时决策引擎（规则引擎）技术554.2.4 知识图谱564.2.5 有监督机器学习技术584.2.6 无监督机器学习技术604.2.7 实时画像引擎技术614.2.8 实时统计引擎技术644.2.9 可信 ID 技术654.3 运营商风控技术实践664.3.1 运营商业务风控系统664.3.2 通信数据在风控中的应用684.4 反欺诈效果验证与评估704.4.1 事前评估704.4.2 事中分析714.4.3 事后评估72五、移动业务反欺诈的挑战及展望755.1 反欺诈的困难和挑战755.1.1 业务风险不确定性分散755.1.2 风控效果不可判断性高755.1.3 认知盲区不认知性强755.1.4 追求数据美观不务实性多765.2 反欺诈未来展望765.2.1 加强技术升级优化765.2.2 基础共性技术开源785.2.3 构建产业协作组织785.2.4 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53VIII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移动数字金融与电子商务反欺诈白皮书一、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17Pymnts.com 在 2017 年 10 月发布的一份全球电子商务欺诈报告，电商欺诈将导致全球电商市场在 2017 年损失 580 亿美元。在此背后的“黑色产业”肆虐发展，已经渗透到账号注册、身份伪造、宣传导流、 借贷支付等各个环节。据估计，相关“黑色产业”从业人员超过 500 万，涉及金额达到千亿级别。总体而言，数字金融和电子商务是欺诈行为高发的“重灾区”，成为形形色色的黑色产业攻击的主要对象。整个市场流量“移动化”的背景下，不论是传统线下业务还是原 本由 PC 互联网承载的业务，都在逐步向移动端拓展。而其在整个移动互联网业务中，数字金融和电子商务是两个非常重要的领域，与广大居民的日常生活息息相关。与此同时，上述两个领域所暴露的欺诈 风险也越来越严峻。具体而言当前的移动欺诈主要包括以下几种形式：1.1.1 营销活动欺诈营销活动欺诈指，在企业进行新用户获客及老用户唤醒时所采取的如红包、优惠券等运营成本，被黑灰产利用技术手段不正当获利， 导致营销活动失败的场景。在营销活动欺诈中，存在羊毛党和黄牛党两种关键角色。图 1 营销活动反欺诈示例l 羊毛党：操纵大量账号仿冒新用户，参与营销活动，获取优惠券奖励。或者通过收取费用代人下单，从而获取利益。l 黄牛党：操纵大量账号参与营销活动，活动购买资格，购买后，高价卖给其他用户，从而获取利益。对于比较稀缺的、价 值比较高的商品，会出现黄牛党。1.1.2 渠道流量欺诈渠道流量欺诈指，黑灰产利用技术手段仿冒移动应用新增用户， 独自或与第三方推广平台合作，共同骗取移动互联网应用（App）市场运营成本的场景。据数美科技统计，2017 年全球范围内 App 安装欺诈占总 App 推广安装量的 7.8%左右，亚洲地区 App 安装欺诈占同地区总 App 推广安装量的 11%12%左右。保守估计 2017 年全球由于渠道流量作弊导致的损失高达 1113 亿美元。目前，随着移动互联网的高速发展，渠道流量作弊也呈现出快速增长的趋势。图 2 渠道流量反欺诈示例如上图所示，App 安装渠道流量作弊有不同的形式，其中常见的几种：l机刷：通过批量地虚拟机、篡改设备等手段，刷安装激活； l人刷：通过做奖励任务形式，人肉刷安装激活； l木马刷：通过感染移动设备，在正常手机后台偷偷刷下载激活；l点击劫持：通过恶意软件，当检测到用户下载安装某 App 时， 发出点击记录。除了这些手段，App 安装渠道流量作弊也越来越隐蔽，使得检测难度越来越大，常见的伪装包括：l通过代理 IP、位置模拟、设备型号伪装等，让群控设备看起来像是自然分布；l在安装激活后，继续模拟后续的 App 内用户行为，使得留存率看起来正常；1.1.3 虚假用户裂变欺诈虚假用户裂变欺诈是指 App 采用“用户裂变”的方式来进行推广获客时，黑产通过控制大量假账号，骗取平台拉新补贴的场景。当前，移动互联网用户流量红利渐渐消失，App 常常使用“用户裂变”的方式进行拉新获客，以期降低流量获取的费用。如下图所示， 所谓用户裂变，就是将 App 已有用户都是获取新用户的渠道，即通过一定的激励措施，刺激已有用户通过自己的关系链帮助平台拉新。图 3 虚假用户裂变反欺诈示例该场景中，常依靠邀请码等方式建立师徒关系后，要求徒弟或者 师傅做任务，才能获得所有奖励或者获得提现资格。例如，拉取新用 户以后，需要徒弟每天完成一定的任务量才可以获得奖励，一般需坚 持 7 天时间才能将拉新奖励的 3-8 元拿完。黑产通常通过注册大量的假账号，骗取平台拉新补贴。1.1.4 盗取信息欺诈盗取信息欺诈指，欺诈团伙通过高额利息、高价值奖品、高额度 折扣等虚假宣传欺骗网络用户，并要求用户填写个人信息，从而实现 非法盗取用户信息的目的。相关欺诈作案手段多样，难以发现。而非法获取的公民信息又常 常通过非法转卖的方式流入地下黑产，给居民造成巨大的隐患。1.1.5 恶意交易欺诈恶意交易欺诈指，黑灰产利用移动互联网交易的便利性，在交易 中的货到付款、退、换货政策等环节中，利用漏洞进行牟利。不同于传统的线下交易模式，在移动互联网的线上交易中，由于交易实现的便利性，交易生成的过程得到了大大简化。这在给消费带来便利的同时，也使得以欺诈为目的的大规模恶意交易成为可能。这些交易通常利用货到付款、退、换货政策等电子商务交易机制中的漏洞进行牟利，或以让商家受到损失为目的。这类欺诈通常隐蔽性更高， 其中很大部分并不直接以牟利为主要目标，而来源
