用设备指纹、人脸识别等手段保护借贷 App

借贷 App 面临欺诈和身份盗用风险。保护客户数据、确保授信审批可靠都很重要。设备指纹是一个实用的起点。

设备指纹与设备画像:收集设备的独特技术信息

设备指纹是指收集设备的独特技术信息,包括品牌和型号、操作系统及硬件规格。

利用设备画像识别并追踪设备在不同会话中的活动,增加冒用身份和滥用多账户的难度。

通过 App 行为数据识别潜在滥用

先记录 App 内各个页面或环节的开始和结束时间。

再标记异常模式,例如时间完全重复,或看起来不像真人的页面操作。这些模式可能意味着存在机器人或其他自动化工具。

收集 IP 地址并监测网络变化

记录 IP 地址,同时监测网络变化。

这些信息有助于发现可疑访问,并阻止未经授权使用借贷 App。还可以结合 AbuseIPDB 等第三方数据,了解连接情况,以及某个 IP 地址是否有机器人活动记录。

这些信号有助于识别欺诈,也能缩短调查时间。

通过移动设备信息识别潜在滥用

陀螺仪数据和电池电量有助于发现多台设备上的自动化操作。一台长时间静止且持续连接电源的设备,可能属于用于提交欺诈申请的设备农场。

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。

监测信号强度和网络信息

监测信号强度和网络信息,获取更多背景信息。多台设备连接同一个 Wi-Fi 网络,可能意味着存在协同操作。

读取 Wi-Fi 扫描结果需要 App 获得位置权限,并由客户授权。Android Wi-Fi 权限说明。

这应触发复核。

使用 App 专属设备标识符识别潜在欺诈活动

在 iOS 上,应用可以使用供应商专属的设备标识符 identifierForVendor。用户移除该供应商的所有应用后,这个标识符会改变。应用无法获取设备自身的 MAC 地址。Android 通过 Wi-Fi 和 Bluetooth API 响应硬件标识符请求时,会返回固定值 02:00:00:00:00:00。iOS 响应 MAC 地址请求时也会返回同一个固定值。Android 文档和Apple 文档。

用人脸识别和活体检测加强安全防护

人脸识别可用于身份验证。将申请人的人脸与身份证件上的照片进行比对,核实申请人身份,并确认实际申请人与本人一致。

用于识别个人的人脸模板属于 GDPR 第 9 条所指的生物识别数据,处理这类数据需要申请人明确授权。

增加活体检测,防止伪造。确认镜头前是真人,而不是回放视频或静态照片。

采集时验证人脸深度和自然动作。检查API 接口收到的照片元数据,再与设备画像交叉核对。

信息不一致可能意味着图像经过伪造或篡改。

总结

目标是保护借贷 App 及其客户免受欺诈。结合设备指纹、App 行为数据、人脸识别和活体检测,支持准确、可靠的授信审批。

追踪 IP 地址、网络变化和信号强度。只有在客户授予所需权限后,才能收集 Wi-Fi 网络信息。

常见问题

哪些情况应转人工复核,而不是自动拒绝?

单个较弱的信号应触发进一步核查,不应直接拒绝申请。只有在欺诈信号置信度较高,或多个相互独立的信号组合达到经过测试的策略标准时,才自动拒绝。新设备、共享 IP 地址或异常电池读数都可能有合理原因。应根据已确认的欺诈案例和被误拒的正常申请检验阈值。

设备指纹在申请决策中应占多大权重?

设备画像只是一个输入,不能作为身份或欺诈的证明。在设定固定权重前,应测试它在现有信号之外能带来多少价值。设备共用、设备更换和属性缺失都可能导致误判。如果设备画像对欺诈识别的改善不足以抵消对正常申请人的影响,就应限制它在决策中的权重。

扫描 MAC 地址能可靠识别设备农场吗?

不能。移动操作系统会限制应用访问 MAC 地址,地址随机化也使 MAC 地址无法作为稳定标识符。不要仅凭 MAC 地址或厂商前缀设置拦截规则。网络聚类可作为调查线索,但还需结合更有力的证据。收集设备数据前,请检查平台要求和隐私要求。

将设备和行为信号用于拒绝申请前,应如何测试?

先用结果已确认的历史申请进行测试,再以影子模式运行,之后再让这些规则影响决策。将欺诈损失、误拒率、申请完成率和复核量与当前做法进行比较。条件允许时,采用按时间划分的留出组,因为欺诈模式会变化。还要留出足够时间,等待还款或调查结果明确。

人脸比对或活体检测结果不明确时,应该怎么办?

应提供重试机会或转人工复核,不要把结果不明确的采集记录当作欺诈证据。设置重试次数上限,并为光线不足、摄像头故障或证件不匹配的情况提供其他验证方式。按设备和申请人群体统计失败率和转人工率。收集或保存人脸数据前,应核对适用的隐私和生物识别规则。

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。