(网经社讯)· 数字技术为金融发展提供新动力，但也为金融欺诈提供了可乘之机，对金融机构和金融科技企业的风控提出了严峻挑战。数字金融欺诈不仅会造成企业经济损失，还会影响企业品牌声誉，甚至对数字金融行业的普惠目标和创新发展带来负面影响。
· 对金融机构与金融平台而言，数字金融欺诈带来了黑产化、专业化、高频化、关联化四大威胁。对数字金融用户安全来说，数字金融欺诈随着金融科技发展，呈现出欺诈地域广泛化、受骗人群年轻化、欺诈事件小额化以及欺诈手法多元化的新挑战。
· AI和大数据技术的有机结合改变传统反欺诈的被动防御局面，帮助企业化被动为主动，提前拦截欺诈发生。以乐信为代表的案例，充分展示AI技术对于反欺诈的重要作用。乐信打造了集数据、技术和机制于一体的全AI反欺诈体系，大幅提高事前欺诈识别率、欺诈应对效率以及事后欺诈案件挖掘效率。据调研结果显示，乐信欺诈率仅为0.003BP，而2018年银行卡欺诈率约为1.16BP，说明乐信欺诈风险远低于行业平均水平，位列国内反欺诈技术服务领域的第一阵营。
· 数字金融反欺诈离不开数据、技术与场景的有机结合，更需要平台用户、金融机构、相关企业、监管、执法部门以及社会舆论力量的全方位参与。此外，在“数据孤岛”带来的挑战与保护用户隐私安全的监管要求下，反欺诈要适应“小数据”环境，对存量数据深度挖掘，实现数据的精细化运营。
目录
一、序言
二、数字金融欺诈的缘起、演进及现状
2.1 数字金融欺诈的演进及发展
2.1.1 欺诈、金融欺诈与数字金融欺诈
2.1.2 金融欺诈的演进历程
2.1.3 日益繁杂的金融欺诈种类
2.2 数字金融欺诈的四大典型特征
2.2.1 黑色产业链成熟化，且规模庞大
2.2.2 欺诈技术专业化，且更迭快速
2.2.3 欺诈事件高频化，且成本低廉
2.2.4 欺诈行为关联化，且异地高发
三、数字金融时代下欺诈事件洞察与受欺诈人群画像分析
3.1 欺诈事件洞察 8
3.1.1 欺诈事件数量：年均降幅超20%，各月总体呈下降趋势
3.1.2 欺诈金额分布：2000元以下小额诈骗比重提高
3.1.3 欺诈类型：中介诈骗占比最高
3.2 受欺诈人群画像分析
3.2.1 地域特征：中东部地区欺诈事件集中
3.2.2 性别特征：男性更易被骗，女性更易遭受薅羊毛
3.2.3 年龄特征：受欺诈人群年轻化，90后人群最易遭受欺诈
3.2.4 学历特征：受欺诈人群中，专科学历占比超44%，博士学历占比仅0.1%
3.2.5 受欺诈时间段分布：下午为欺诈事件高峰期，用户易遭受欺诈
四、数字金融反欺诈的新形势：AI赋能反欺诈
4.1 新形势：金融反欺诈的攻防博弈
4.1.1 Round1：线下金融欺诈 vs 传统金融反欺诈
4.1.2 Round2：互联网金融欺诈 vs 互联网金融反欺诈
4.1.3 Round3：数字金融欺诈 vs 数字金融智能反欺诈
4.2 数字金融反欺诈的生态链
4.3 新手段：AI赋能，让反欺诈更智能
4.3.1 AI成为数字金融反欺诈的主流选项
4.3.2 场景、数据和技术是人工智能反欺诈系统的三大关键要素
4.3.3 AI赋能数字金融反欺诈的实例分析
案例一：乐信：全AI反欺诈体系
案例二：DataVisor：无监督反欺诈机器学习
案例三：中诚信征信：万象智慧风控体系
案例四：慧安金科：半监督主动式机器学习
五、数字金融反欺诈的挑战及建议
5.1构建数据、技术与场景三位一体的反欺诈体系
5.1.1 数据方面：适应“小数据”环境，与征信数据互补共享
5.1.2 技术方面：探索“联邦学习”，强化反欺诈系统的核心
5.1.3 场景方面：尽量细分，针对性设计反欺诈体系
5.2 营造用户、金融机构及企业、监管部门和社会舆论全方位参与的反欺诈生态
附录1：常见的数字金融欺诈作案工具
附录2：十大常见数字金融欺诈手法及防范指南
