当前机器学习在金融行业已经运用非常广泛，尤其在金融业的信贷领域。在实践中，欺诈与信贷业务强相关，所以，反欺诈变成机器学习在信贷领域的一大应用。反欺诈一般会用到机器学习、深度学习以及图谱关系，其中，机器学习与深度学习多是针对个人欺诈风险，而图谱关系则多用于团伙欺诈风险的识别。因此，本次分享将介绍欺诈风险的特点以及机器学习、深度学习和图谱在实践中的应用。
一、关于反欺诈
（一）欺诈风险简介
在信贷领域有两类风险，一类是信用风险，一类是欺诈风险。信用风险主要是对借款人还款能力和还款意愿进行评估，而反欺诈则是对借款人的目的是否正当进行判断。
一般借款人出现信用风险，金融机构可通过风险定价和自有备付金进行防范，风险可控性较大。而当借款人在借款时便以骗贷或骗钱为目的，且金融机构未能及时识别欺诈，则会出现未能通过借款赚取利息，反而被骗走本金的情况，尤其无法识别团伙欺诈时，会在短时间内遭受非常严重的后果，金融机构面对此类风险的可控性便会非常小，所以欺诈风险是金融机构零容忍的。
（二）反欺诈生命周期简介
信贷反欺诈要从防御开始做起，所以应从用户申请到放款整个生命周期的各个阶段特点进行分析，针对各个阶段采取具有针对性的反欺诈措施。其生命周期可参见下图：
如上图，设备与网络防御是反欺诈的第一步，可通过设备和网络层面的检测，防止用户利用设备对金融机构进行欺诈；在第一层进行防御了部分欺诈用户后，再从用户行为层、业务频次层及业务事件异常层识别用户是否有欺诈行为；再经过前四层之后还会通过复杂网络对团伙欺诈进行识别。
二、机器学习应用
（一）反欺诈规则的缺点
反欺诈一般通过两种方式，一种是设定规则，另一种是通过算法。
规则在反欺诈实践中应用也较多，但是缺点也明显，主要表现为：
1. 策略性较强，命中直接拒绝，而且黑名单本身的误伤性也较强；
2. 无法给出用户的欺诈风险有多大；
3. 未考虑用户从信用风险向欺诈风险的转移，尤其是在行业不景气时。
以上缺点机器学习可以进行有效的避免，如可计算用户的欺诈概率有多大，从而采取一定的措施争取客户，而不是直接拒绝，同时也可以通过模型计算用户从信用风险转移为欺诈风险的概率，从而金融机构可及时进行风险控制与准备。
（二）机器学习有监督模型
评分卡一般运用在信用风险评估，如：
A卡（申请评分卡）和B卡（行为评分卡）等，反欺诈也会运用有监督学习，如评分卡（F卡），具体如下：
做模型的过程中，特征很重要，特征决定模型的效果。反欺诈模型需要从欺诈的角度来做特征，要注意与信用特征区分开，以免与
A卡和B卡的耦合度过高。模型算出的多是概率，一般会将用模型算出的概率映射到分数，具体如下图：
（三）部分常规机器学习在反欺诈中应用
在反欺诈中用到的机器学习主要有下图几种。其中，
iforest通常用来做数据离群点的异常检测，在应用方面，金融公司可根据自身的规则和算法，将检测出的离群点在评分卡入模的数据方面，进行加权或算法调整。svm通常也用来做异常检测；arima则用来作时间序列预测分析；根据现在信贷数据坏样本较少的特点，knn和kmean可以用来做聚类；随机森林则是在做异常检测时进行分类，以上机器学习可通过博客进行更多了解，此处不进行深入讲解。
三、深度学习应用
此部分对人工神经网络（
ANN）和时间序列进行简单介绍。
神经网络通常需要大量彼此连接的神经元，每个神经元通过特定的输出函数，计算处理来自其他响铃神经元的加权输入值。神经元质检的信息传递强度，通过加权值定义，算法会不断自我学习，调整加权值。神经网络算法的核心是：计算、连接、评估、纠错和疯狂培训。
时间序列部分介绍
RNN（循环神经网络）和LSTM（长短记忆循环神经网络）两种算法。LSTM是RNN的优化版，在特征较多时，RNN计算量会呈指数式增长，其计算复杂度也会增加，如下图：
LSTM则是在RNN的结构以外加入遗忘阀门（forget gate）、输入阀门（input gate）和输出阀门（forget gate），其通过这些阀门节点实现记忆功能，改善了RNN在计算过程中会出现的问题，如下图：
时间序列在信贷中有两个比较重要应用场景，一是
B卡（行为评分卡），一是异常检测。我们着重介绍LSTM在这两个场景中的应用。在行为评分卡的应用中，当用户在金融机构进行多次借款时，可以将其以往的借款行为通过统计方法或其他相关方法生成embedding进行LSTM计算。异常检测的应用可参考下图：
另外在使用
LSTM时需注意4点：
1. 应限制每一个时间序列embedding的长度；
2. 对缺失数据做补0操作；
3. 针对离散变量的embedding尽量不要做onehot处理；
4. 样本量少时，应通过仿真模型进行异常检测评估，仿真模型能够有效解决信用风险转欺诈风险的导致模型失效的问题。
四、图谱相关应用
图谱主要用来防止团伙欺诈，也可以根据用户的周边关系判断用户的好坏概率。此次介绍三种图谱关系在反欺诈中的应用。
其中，常规统计一般不会直接用规则，而是将规则做成特征，再带入模型进行统计。比如一度联系人中有多少黑中介，一度联系人中的逾期人数有多少，此类特征的
KS较高且有效。常规统计一般会用到社群分割和强连通算法。而种子传播层面则需要用到trustrank，关系embedding则可以通过衍生变量将关系向量化，将向量化的关系带入模型进行进一步的分析和统计。
（一）常规统计
因为资源限制或提高投资回报率的原因，黑产一般会最大程度的利用已有资源，比如，重复的使用现有设备和信息进行多次贷款申请，这样就会出现同一手机号码、登录
IP或硬件设备出现在多个申请信息中，形成关联网络。常规统计的运用，是通过将数据进行关联，形成关系网络图，然后使用社会关系网络分析工具，分析关系网络图中是否有大量共用设备等拓扑结构。
（二）复杂网络
embedding算法
有时候机器无法识别信息，需要将信息向量化（
embedding），将信息向量化后才可以做后续的算法操作。embedding的方法有很多，此次仅介绍node2vec一种。node2vec的原理是前端为随机游走（random walk），后端为word2vec。random walk则采样，将概率最大的关系采样出来并生成类似文本的序列数据，这类序列数据相当于词的共现性，对词的共线性可以做word2vec，这里的word2vec与NLP的word2vec无差异。Embedding后会生成50维到128维的向量，之后进行聚类和分类的操作，具体如下：
（三）
trustrank算法
Trustrank是pagerank的升级版，当前我司用的trustrank并不是传统的trustrank，而是改变其中的某些算法。trustrank是传播关系的一种算法，根据人与人的关系进行判断和识别。比如，小红和小明是情侣关系，当小红违约时，小明的违约概率会增大，根据类似传播关系用来做定额和模型的衍生变量。Trustrank的使用需要建立起图谱关系，数据量小时，spark的sparkgragh对trustrank的图谱关系支撑较好。
Trustrank涉及种子用户（含白种子和黑种子）的定义，当前的大多使用中只有一种传播方法，也就是白种子只传播白用户，黑用户只传播黑用户。但是其实可以进行变量的衍生和算法的改进，比如一个用户既跟黑中介有联系，又跟高净值用户有联系。
以下图为例，
trustrank为种子用户（下图的1和2）定义一个初始值，每次传播后会改变矩阵的值，最后收敛得到trustrank的分。
以上图谱关系可以进行改进和升级，如在传播的过程中可以加入通讯录关系，号码通，老乡、目前所在地、兴趣、职业等，形成以用户画像传播的好坏用户，在不同的用户画像传播中做不同的权重传播。
