通过关联申请发现潜在欺诈团伙

导入包含手机号、邮箱、设备信息及已知结果的申请数据。系统会根据共享信息将申请关联起来,并显示哪些申请接近已知坏申请。

申请数据文件

已读取 400 条申请,其中 7 条为已知坏申请,122 条为已知好申请。

文件只在当前浏览器中读取,不会上传。只有在您选择通过邮件接收结果时,才会发送统计数量,不会发送文件中的具体信息。

用于关联的列:email, phone, device_id, iban, ip。

许多申请件共用同一个值,例如办公室 IP 或测试邮箱,可能会把所有申请件连在一起。超过此上限的值会被排除,并列在下方。

关联层数

这是包含 400 个生成的示例申请件的数据,其中预置了几个欺诈团伙。

与已知坏申请接近的申请

11
关联簇5
含已知坏样本的簇3
已关联申请占比7.2%

7 条已知坏申请通过共享信息可关联到 11 条其他申请,路径不超过 2 跳。每条申请都值得核查,但不能据此认定欺诈。

关联群组图

已知坏 已知好 未知 接近坏样本 共享信息

点击申请,可依次标记为坏、好,再恢复为未知。群组和关联申请列表会随之更新。

关联群组

排名申请量已知坏样本已知好样本未知风险关联关联字段值
183055email, device_id, phone
21210112phone, email
351044iban
420200ip
520110phone

风险关联申请

申请标签关联步数关联字段值
A0011未知1device_id: dev-ring-a1
A0012未知1device_id: dev-ring-a1
A0014未知1phone: 447700910518
A0015未知1device_id: dev-ring-a2
A0017未知1email: user10.c694@example.com
A0040未知1iban: gb29demo00000000ringb
A0042未知1iban: gb29demo00000000ringb
A0043未知1iban: gb29demo00000000ringb
A0044未知1iban: gb29demo00000000ringb
A0061未知1phone: 447700912220
A0062未知2email: user61.a6f7@example.com

已排除的值

字段值信息项申请量
81.2.69.160ip40

通过邮件获取结果

下一步是在决策时,自动核对每笔新申请与已确认的欺诈记录。开始试用

关联方式
申请关联 = 共享信息 ≤ 共享值上限
关联群组 = 申请关联 + 申请关联 + …
步长 1 = 申请关联 → 已知坏样本
步长 2 = 申请关联 → 步长 1
步长 3 = 申请关联 → 步长 2

清洗后仅按完全相同的值建立关联,不做模糊匹配,也不设置时间窗口。关联只提示需要查看某条申请,并不能证明存在欺诈。

欺诈关联分析能发现什么

欺诈关联分析会找出共用电话、邮箱、设备指纹或银行账户等信息的申请。工具会先清洗字段值,排除被大量申请共用的值,再按其余完全匹配的值建立关联。

关联簇会显示通过共用信息连接的申请,以及已知坏样本、已知好样本和未知结果。您可以查看哪些申请接近已知坏样本,并将这些关联作为进一步核查的依据。

常见问题

什么是欺诈关联分析?

欺诈关联分析用于找出通过共用信息相互关联的申请。工具会将互相关联的申请归入关联簇,并显示这些申请的已知结果。

如何通过共用信息发现欺诈团伙?

申请在清洗后存在完全相同的字段值时,会被归入同一簇。共用电话、邮箱、设备指纹或银行账户,都可能将申请关联起来,供后续核查。

欺诈关联网络图展示什么?

图中用圆圈表示申请,用小方块表示共用值。连线表示申请通过哪些共用值相互关联。

如何查找与已知欺诈记录相关的申请?

选择与已知坏样本相隔的步数,再查看关联申请。每条关联都提示需要核查,但不能证明存在欺诈。

为什么要排除被大量共用的值?

被许多申请共用的值可能会把无关记录连在一起,例如办公网络的 IP 或测试邮箱。工具会排除超过所选数量上限的值,并单独列出。