反欺诈团队该自建哪些能力,哪些适合外购?

反欺诈团队面临一个实际选择:外购由供应商托管的黑盒反欺诈能力,或是在内部建设核心反欺诈能力,并按需使用外部数据源。两种方式都行得通,但长期来看,结果会很不一样。

大量外购模式的主要风险不只是供应商锁定,还有数据锁定。许多反欺诈供应商会用设备、身份、行为、网络和联盟数据丰富原始事件。这些加工后的数据是整个体系中最有价值的资产,因为它们能改善欺诈检测、案件审核、规则调优和模型表现。如果这些数据留在供应商的平台中,团队就无法完整掌握影响通过、拒绝和调查结果的决策历史。之后再导出时,数据往往不完整、成本高,或无法按所需细节导出。

因此,反欺诈能力应当作为一项长期运营能力来建设。数据、信号和专业服务可以外购,但公司应当掌握决策逻辑、决策记录,以及用于评估欺诈风险的加工后事件历史。

设计或重建这项能力时,可以从客户旅程入手。欺诈可能发生在多个环节,包括注册、登录、修改资料、支付、提现、贷款申请、账户找回和联系客服。关键是找出这些薄弱环节,明确正常行为的特征,尽早发现异常,并用确定性规则处理所有重要事件。规则运行情况需要接受监测,审计所需记录也要保留,规则还应能及时调整。

反欺诈能力:自建还是外购

多数公司不会在全盘自建和全盘外购之间二选一。实际要决定的是哪些能力自己掌握,哪些向外部采购。

外购能带来什么

  • 快速获取欺诈风险信号,例如设备情报、IP 风险、邮箱画像、联盟数据和身份核验。
  • 缩短初期部署周期,前提是供应商提供预置规则、决策流和风险评分。
  • 覆盖团队尚未遇到的攻击模式。
  • 为反欺诈经验有限的团队提供运营支持。

外购可能带来的代价

  • 如果供应商只返回分数或建议,决策逻辑不透明。
  • 团队需要供应商协助更新规则或决策流时,调整周期较长。
  • 加工后的欺诈数据存放在供应商平台,且无法按可用格式导出时,会形成数据锁定。
  • 分析人员无法查看决策的具体依据时,难以查明决策过程。
  • 核心流程依赖供应商特有的对象、API 和历史数据结构时,更换供应商的成本较高。

较为实用的运营模式通常是:外购外部信号,掌握决策层。公司采集原始和加工后的事件数据,保存决策记录,并通过灵活的规则平台评估风险。供应商可以更换,反欺诈逻辑则由公司掌握。

关于可接入决策层的数据源,可参阅可用的数据源和集成。

图中显示,供应商向公司自有的决策层提供设备、IP、邮箱、联盟和身份数据,公司掌握决策记录、事件历史和欺诈标签。
外购专业数据,公司掌握决策层、决策记录和事件历史。

数据归属为何比团队预想的更重要

反欺诈能力通过反馈不断改进:收集事件数据、运行规则、审核结果、确认欺诈或误报,再调整决策逻辑。要让这一过程发挥作用,就需要保留底层证据。

最有价值的反欺诈数据通常不只是原始申请表或交易请求本身,真正的价值在于这些事件附带的加工后数据:

  • 设备指纹,以及设备随时间的一致性
  • IP 地址历史、地理位置、ASN、代理、VPN 和托管服务信号
  • 邮箱使用年限、域名质量、泄露风险和送达特征
  • 行为模式,例如打字速度、页面浏览路径和表单填写用时
  • 不同账户、身份、设备和支付工具之间的操作频率模式
  • 申请、收款人、地址和电话号码之间的关联分析
  • 决策结果、分析人员的处理结论,以及拒付或确认欺诈后的反馈

如果这些数据由供应商掌握,团队就很难回答一些基本问题:哪些信号最能识别已确认的欺诈?哪些规则造成了误报?过去 30 天出现了什么新的攻击模式?新的注册流程上线后发生了什么变化?

掌握事件历史有助于逐步改进风控措施,也关系到审计。自动化决策会影响访问、支付、放贷或注册时,需要保留决策记录,说明评估了哪些数据、触发了哪些规则,以及最终结果是如何得出的。更多内容请参阅追踪模型与决策。

如何把反欺诈作为一项规范的运营职能来管理

反欺诈运营应从梳理客户旅程开始,而不是先建模型。先绘制客户旅程,再明确欺诈可能从哪些环节进入、正常和异常行为分别是什么,以及每个阶段需要收集哪些证据。

1. 按关键节点梳理客户旅程

将客户旅程拆分为可观察的关键节点。具体节点取决于业务模式,通常包括:

  • 会话开始
  • 打开落地页或应用
  • 开始注册
  • 提交邮箱或电话号码
  • 发送并验证 OTP
  • 上传身份证明文件
  • 完成面部比对
  • 填写地址
  • 绑定银行账户或银行卡
  • 提交申请
  • 触发人工审核
  • 通过或拒绝
  • 首次交易、放款或提现
  • 从新设备登录
  • 重置密码或找回账户
  • 修改资料、收款人或收款账户

每个关键节点都应生成结构化事件,记录客户标识、时间戳、设备数据、网络数据、会话数据、请求元数据、载荷属性,以及外部核验结果。

2. 明确正常和异常行为

只有先用可衡量的方式定义正常行为,才能识别异常。正常行为不是一个模糊的概念,而是与客户旅程阶段相关的一组观测范围和模式。

例如:

  • 新用户通常需要一定时间才能从注册进入 OTP 验证。
  • 大多数正常用户填写表单时,操作节奏符合人工习惯,不会在不到一秒内出现一连串自动化操作。
  • 老用户通常会使用熟悉的设备,在熟悉的地理位置和时间段登录。
  • 银行账户变更和提现申请通常不会在几秒内接连发生。

异常行为可能包括:

  • 关键节点之间间隔极短,可能是自动化操作或脚本攻击
  • 同一设备反复提交申请,身份信息只有细微变化
  • 申报身份、设备画像和网络画像之间存在较大差异
  • 多个账户关联到同一电话号码、银行卡、IP 网段或地址模式
  • 出现账户被盗信号后,行为突然改变
  • 证件、人脸照片、邮箱和设备数据彼此不匹配

贷款业务相关示例请参阅防范消费贷款中的身份欺诈和合成身份欺诈,以及消费贷款和 BNPL 的反欺诈决策逻辑。

3. 收集完整的技术信息

许多团队只记录用户被通过、拒绝或转人工审核。这些信息还不够。要改进反欺诈措施,还需要收集每个事件背后的技术细节。

至少应收集:

  • 时间戳,记录每个关键节点
  • 时间间隔,记录关键节点之间的用时
  • 设备标识、设备指纹、浏览器、操作系统、应用版本和屏幕特征
  • 网络信号,例如 IP、ASN、代理或 VPN 标识、地理位置和连接类型
  • 用户提交的身份属性及核验后的信息
  • 可用的行为信号,包括操作速度和事件顺序
  • 外部数据响应,保存完整内容,而不只是最终分数
  • 规则结果,包括触发的规则及其输入值
  • 分析人员的决策和最终欺诈标签

许多反欺诈项目在这里出了问题:只收集供应商评分和最终状态,丢失了调优规则、比较供应商或还原历史决策所需的细节。

把时间间隔作为欺诈信号

不同阶段之间的用时常常是未充分利用的欺诈信号。如果事件设计合理,这类数据也很容易收集。

可用的时间信号包括:

  • 从会话开始到注册的用时
  • 从注册到验证 OTP 的用时
  • 从开始填写表单到提交的用时
  • 从上传身份证明文件到完成人脸照片的用时
  • 从创建账户到首次尝试支付的用时
  • 从重置密码到修改收款账户的用时
  • 同一设备或 IP 多次操作失败的间隔

欺诈攻击往往会留下时间模式。机器人操作速度快且规律。欺诈团伙可能在某些阶段操作很快,在其他阶段则有所延迟。账户被盗后,登录或重置密码往往会紧接着出现高风险账户变更。资金中转账户可能会在较短时间内集中操作多个关联账户。

应将这些模式用于确定性规则和决策表,而不是只留在日志中。

四条时间线分别展示正常申请人、机器人、欺诈团伙的注册用时,以及账户被盗后从登录、重置密码到变更收款账户的时间模式。
时间间隔对比了正常申请人、机器人、欺诈团伙和账户被盗的行为模式。

将这些审核规则纳入决策流

制定信贷、反欺诈或催收规则,并用于实际决策。

用决策引擎评估各个阶段

事件完成结构化后,接下来要用灵活的决策逻辑评估各个关键节点。此时,决策引擎或业务规则平台就成为核心工具。

不要只依赖一个固定的欺诈评分,而应在各个阶段用明确的规则评估风险。例如:

  • 注册时,筛查一次性邮箱特征、设备异常和异常操作频率。
  • 注册审核时,结合身份核验、证件核验、设备情报和时间规则。
  • 交易或放款时,评估账户开立时长、注册审核后的行为、收款信息变更、收款人风险和关联实体特征。
  • 登录或找回账户时,将当前信号与已知的正常历史行为模式进行比对。

这种做法有几项实际好处:

  • 按阶段设置相应的风控措施,不再只靠一个笼统的分数
  • 出现新攻击模式时,及时调整规则
  • 为每条触发的规则保留明确的决策记录
  • 分析人员可以查看误报和漏报,据此调优
  • 灵活更换供应商,无需重写整套运营模式

入门内容请参阅使用基础规则。如果反欺诈项目采用加权属性,也可以使用评分卡。请参阅在规则引擎中使用评分卡。

图中对比了单一固定欺诈评分与分阶段审核:注册、注册审核、交易或放款,以及登录或账户找回。
客户旅程的各个阶段分别设置风控规则,团队可以及时调整规则并查看触发记录。

反欺诈运营模式的组成

一套实用的反欺诈运营模式通常包括以下环节:

事件采集层

按统一的事件结构采集客户旅程中的关键节点、技术元数据和第三方响应。

数据加工层

调用外部服务,核验设备、身份、邮箱、IP、公司、文件或行为。保留原始响应,以及决策逻辑实际使用的映射属性。

决策层

运行确定性规则、决策树、评分卡和路由逻辑,输出 approve、step-up、review、challenge、limit 或 block 等结果。

案件审核与反馈

记录分析人员的决策、已确认的欺诈结果和误报反馈,并将结果用于规则调优。

监测层

持续跟踪攻击率、转化影响、误报量、人工审核量、各客群通过率和规则命中模式。

有了这套结构,企业就能把反欺诈能力作为一项可重复执行的职能来建设,而不是依赖一堆彼此割裂的工具。

五个环节从事件采集延伸到监测,决策结果和案件审核结果会用于调整规则。
这套模式将事件证据、决策结果和审核结论用于规则调优。

成熟的反欺诈运营是什么样

成熟的反欺诈体系不依赖来历不明的分数,而是有明确的事件节点、完整的技术记录、可复用的决策逻辑和完整的决策记录。需要时可以使用外部数据,但决策逻辑和加工后的历史数据仍由公司掌握。

这关系到成本、响应速度和控制权。团队掌握决策层后,就能及时应对新的欺诈模式,用证据而不是承诺来比较供应商,也能持续改进,而不必每年重建整套系统。

反欺诈能力建设离不开数据归属、决策记录和灵活的决策流。需要时采购外部信号,核心能力仍应掌握在自己手中。

常见问题

反欺诈体系中哪些部分应由团队掌握,哪些适合外购?

团队应掌握事件历史、决策逻辑,以及将决策结果与已确认欺诈或正常活动关联起来的反馈。设备情报、身份核验和联盟数据等专业数据,如果能补充团队难以高效收集的证据,可以考虑外购。选择时应确认数据能否查看和导出,因为有用的信号一旦被困在供应商平台中,就可能变成高成本依赖。

客户旅程的每个关键节点应收集哪些证据?

每个节点都应记录时间戳、相关账户和设备标识、网络环境、提交的属性、外部核验的完整响应、评估过的规则和输入,以及决策结果。之后还应将分析人员的决策和已确认的欺诈标签关联到原始事件,以便评估措施是否有效。许多团队只保留供应商评分和最终状态,缺少调优风控措施或比较服务商所需的细节。

如何设定可疑活动的时间阈值?

应按客户旅程阶段和客群设定阈值,并以观测到的正常活动作为基线。可以先从基线的某个百分位数入手,再结合已确认的欺诈、误报、转化和审核量检验阈值,然后再决定是否收紧。如果注册、账户找回和支付都使用同一个时间阈值,就会把性质不同的行为当作同一种情况处理。

依赖新的欺诈规则前,应如何测试?

用近期事件回放测试规则,事件中应包括已确认的欺诈和正常结果,然后检查欺诈识别效果,以及误报和人工审核带来的成本。历史测试结果理想后,可以先在观察模式下运行,或仅对一部分符合条件的流量启用,再用于决策。保留之前的规则集,以便结果变差时恢复。

除了报价,还应如何比较反欺诈供应商?

向每家供应商了解评分所依据的字段、完整数据导出的格式和成本,以及重现历史决策所需的证据。用相同的适用事件比较信号质量,并将集成和审核成本纳入评估。订阅价格较低,未必能抵消数据访问受限或日后更换供应商所需的工作量。

将这些审核规则纳入决策流

制定信贷、反欺诈或催收规则,并用于实际决策。