电信欺诈！恶意套现！欺诈！大数据面前，原型揭晓

摘要：凡是不做商业推广的大数据都是流氓。在刚刚结束的第二届上海开放数据创新应用大赛（SODA）中，由上海电信和银联智策两家大数据公司组成的“电信银行政策团队”，在刷卡、银行卡盗窃等领域的大数据解决方案等领域终于夺得桂冠。 09期数据勇士实验室，DT君请来银联智策战略合规总监潘英杰、上海电信大数据运营中心产品推广经理王可可，为大家讲述如何使用电信和消费大每个人都想要的数据。突破性的解决方案为我们的日常生活带来了什么。

电信和消费者大数据有多大？

王可可：作为基础通信运营商，上海电信的数据来源于我们的用户。我们目前服务1000万手机用户、500万固网宽带用户、近300万IPTV电视家庭用户、800万固话用户、700万电信话费用户等。我们还拥有60%的移动互联网上海行为记录数据。

不仅数据量太大，电信数据类型也非常丰富，包括固网上网行为、移动上网行为、WIFI上网行为、移动用户、通信行为等。这些海量的数据基本涵盖了上海通信数据的方方面面，已经可以做很多事情了。

我们目前的应用方向包括通信、电子商务、金融、房地产和零售。其中，大数据对外实现的代表性业务包括：基于人口位置信息的智慧城市规划；基于消费群体特征、消费偏好等数据的智能营销；智慧商圈、智慧征信等部分。而这些已经有了具体的应用案例。

潘英杰：银联智策是一家有数据资源、有技术、有情怀、有颜值的大数据公司（笑）。作为中国银联旗下专注于大数据分析与服务的子公司，我们的消费大数据涉及全国60亿张银联卡，每年超过300亿次刷卡消费。数据量巨大。

那么这些数据能做什么呢？这些数据非常有用：比如银行在贷款的时候，会非常关心贷方的还款意愿和还款能力，以刷卡数据为模型的“银联智保消费综合评分”系列产品可以准确描述这些消费群体的画像，帮助银行找到“坏人”，留住“好人”。

此外，我们还可以通过消费数据提取行业指标，洞察行业趋势；通过分析人们在商圈的消费路径，可以对商户的选址和商圈资源的有效配置做出决策。协助决策等。

这两个大数据的结合，电信诈骗怎么处理？

王可可：电信诈骗，全称应该叫通讯金融诈骗，有两个关键词，一个是通讯，一个是金融。一方面，诈骗团伙需要通过电话、互联网等通讯工具与受害人取得联系；另一方面，在完成联系后，还需要通过刷卡、提现、转账等金融活动来实现非法占有资金。不管作弊手段如何千变万化，也跳不出这两个关键词。

我们利用此功能进行产品设计。电信是通信运营商，可以分析诈骗者的通信行为；银联智能保单拥有银行卡交易数据，可追踪资金流向。两款大数据产品合作构建电信金融诈骗识别模型。

在这个模型中，我们以通话行为为切入点，构建了欺诈行为特征模型和两个数据库。当有来电时，系统会首先对电话号码进行筛选，将数据库中列入黑名单的诈骗、骚扰号码过滤掉，并予以屏蔽。但是，一些海外诈骗电话可以通过技术手段进行伪装，运营商无法追查来源。这就是我们的电信欺诈行为表征模型派上用场的地方。

市场上有很多关于通信欺诈的基础研究，并且已经很好地了解了欺诈的一般方法。我们通过分析犯罪心理和犯罪过程设计了这样一个模型，以通信行为特征和资金转移行为特征为变量运营商查ip挖矿，构建反欺诈特征模型。如果一个号码同时匹配我们特征模型中的多个特征，则很可能是诈骗电话。比如伪装成政府部门的电话给用户打电话，用户在短时间内回电，然后出现了汇款行为，这显然是诈骗套路。

要完成反通信电信诈骗模型的闭环，电信与消费大数据的交叉点至关重要。

恶意套现方法变得越来越复杂。有没有办法用大数据捕捉它们？

潘英杰：银行卡恶意套现经历了一个进化过程。

过去是单笔大额套现。例如，在还款日后的第一天用信用卡刷卡。但这种行为更容易被银行察觉。当前的提现行为开始模拟正常的交易特征——小额、多笔交易、多日刷卡提现。提款人不是一次付很多钱，而是模拟正常消费，每次付三五百，连续几天付钱。

此外，以往使用银联卡消费时，由于手续费率不同，很多机构在实施提现时会选择折扣率较低的商户。 ，以降低提现成本，提现功能更加明显。但1996年收费变更后，商户类别的折扣率会统一，这个功能会逐渐消失，每个类别的商户都可能是套现商户。

更何况现在市面上有些POS机可以复制周边商户的信息，在实施提现的时候可以不断的改变自己商户的信息和类别。这些高科技套现方式让识别恶意套现的行为变得更加困难。

但魔高一尺，道高一尺。为应对新形势，我们通过大数据交叉设计了新的提现识别方案。我们不再只关注商户的特点，而是将商户视为一个由相关点连接的社交网络，而这些套现商户往往是强关联的。我们用一个网络模型将所有商户关联起来，然后经过反复测试，给模型设置一个有效的阈值，寻找一个小圈套现商户，即关联性强的小群体。这些商户通常可能是提现商户。

添加电信数据后，我们还可以对人和卡片进行位置匹配。相当多的提现用户不随身携带该卡，必须将其放置在一些POS机附近进行提现活动。也就是说，通常用于兑现的卡与卡是分开的。我们可以将电信位置数据和消费者位置数据作为模型中的变量进行匹配。如果卡和人经常“分开”，那么这很可能是个问题。

此外，电信数据还可以帮助识别POS机的准确位置，帮助更清晰地描绘提现人群画像，帮助后续模型优化。

结合电信消费大数据也能识别银行卡诈骗？

潘英杰：银行卡欺诈识别模型是另一个结合消费大数据和电信大数据的产品。

随着第三方无卡支付的普及，手机绑定银行卡的案例也越来越多。目前，复制或略读银行卡的技术手段有很多。银行卡一旦被复制或略读，很快就会发生欺诈。银行卡诈骗每年将带来数百亿元的经济损失。

我们通过关联消费者位置信息和持卡人手机信号位置，设计了一种反银行卡盗窃模型。

在模型中，我们首先从大量数据库中调用银行卡的历史交易数据，提取客户的消费特征。然后，判断新交易的特征，对异常概率超标的新交易，进行持卡人常用手机信号定位。如果ATM或POS机的位置和持卡人手机信号的位置超过一定的阈值，模型就认为这很可能是一次异常交易。

例如，模型检测到用户刚刚在云南进行了移动支付，五分钟后又在上海进行了信用卡支付，普通人无法在五分钟内从云南移动到上海。这可能是一起银行卡诈骗案。

制作大数据产品最重要的是什么？

潘英杰：做产品，要从市场需求做起。当市场有需求时，我们会设计产品来实现它。

但很多时候，面对一些需求，你需要考虑更多：数据是否可实现？是否应该实施数据？一是技术问题，二是行业责任。比如有客户想向我们索要某个品牌的店铺销售数据，但是没有该品牌的授权，这个可以给吗？这是一个明确的需求，技术上很容易实现，但我们不能给。出价再高，大数据公司也不应该出价。我们必须保持这个底线。

大数据产品化的思路其实很简单：先找到市场需求，然后评估技术上能不能做，用数据能不能做，能不能做，技术能不能做它，可以实现单个数据吗？ ，如果没有，找谁合作。

王可可：其实大数据在电信运营商方面起步比较早。最初，我们主要解决企业内部的一些问题。当需要大数据实现外部变现时，会经历一个螺旋上升的过程，因为外部客户对大数据本身的了解不够，我们需要设计符合原有业务本身逻辑的产品。

就像我有一个矿，我们是矿里的人，但现在我们必须直接告诉消费者，我会给你做一个金属酒杯。中间有很多过程。对于我们数据源公司来说，如何让消费者意识到大数据产品的价值是一个重点。我们现在必须从挖矿的动作开始，经过整个动作，直到杯子被卖掉。这对数据源公司来说是一个痛苦的过程，但必须这样做。

我们做了很多案例之后，发现大数据已经成为一种底层能力，就像“互联网+”一样，已经开始覆盖各个行业。那么大数据产品自然会在各个领域产生，形成新的产业链。数据将是其中的核心部分。

在数据法律制度不健全的情况下，如何保障普通人的数据安全？

王可可：信息安全和用户隐私保护受到运营商的严格控制。一是信息脱敏。我们内部员工可以处理的数据是加密和脱敏的。还有一些底线不能触及：第一，个人信息不能泄露。我们可以进行集体举报，但绝对不能泄露个人信息。只有国家安全、公安等国家有关部门才有权查看。其次，绝对不能裸露数据运营商查ip挖矿，比如向外界泄露一些电话号码。这是不可接受的。 大数据公司的信息安全级别往往很高。

潘英杰：与电信类似，中国银联对数据的安全使用有非常严格的规定，根据各类数据的敏感性和隐私性，将数据分为几个等级。持卡人或商户的信息只能在获得本人明确授权的前提下使用。此外，消费流向信息不得泄露，任何部门、分公司、子公司违反相关规定将受到严惩。

当然，现实是目前大数据行业并没有明确的上位法，也就是说，没有明确的法律来规定数据的使用规则。系统来规范数据的使用。比如现在很多APP都要求你在安装前同意协议。可能很少有人认真阅读该协议，但当您点击同意时，APP公司将“理所当然地”拥有您的数据并可以自由使用。使用这些数据。此时，您的数据安全已超出您的控制范围。如果开发这款APP的公司足够规范，你的个人数据可能会受到一定程度的保护，但谁能保证每家公司都能在巨大的经济诱惑面前如此“守卫”？

不幸的是，客观现实使我们无法不使用这些应用程序，因为它们极大地促进了我们的生活。所以这里是一个“度”的问题。比如有些人把自己所有的银行卡都绑定在手机上，所有的消费信息都记录在APP里。那么如果我们做一些改变，比如只绑定一张卡，在保证方便的同时，只传输部分行为数据，对您的个人隐私保护可能会稍微好一些。虽然失去了一些便利，但也安全了一些。

当然，我们希望政府能尽快出台相关的上级法律，从顶层体系上规范大数据产业的发展。在没有这样的规定的情况下，消费者应该信任谁？相比之下，以“国有”数据源为后盾的电信、银联智保等公司相对可靠。在这个市场上，数据源公司非常庞大，政府会对其进行非常严格的监管。他们通常有更多的责任和义务带头规范这个市场，没有太多的动力去做违规的事情。

事实上，政府在大数据行业开展了大量的研究工作。相信在不久的将来，大数据行业将会引入各种法律制度。规范，我们的隐私会得到有效保护，对此我们应该有足够的信心。

数据战士学校

王可可：上海电信大数据运营中心产品推广经理。目前主要专注于金融安全大数据产品建设和视频大数据精准营销领域。

潘英杰：银联智策战略合规总监。全国首批征信工作者和互联网金融从业人员牵头制定了各征信行业的行业标准和信息系统标准。

如何加入数据勇士

“数据勇士”栏目汇集了全球最IN的大数据勇士，运用人工智能、机器学习和各种前瞻性算法，打造一场理性酷炫的数据可视化盛宴。过去，我们使用文字、视频、图片来传达信息。现在，我们用大数据来说明事实和背后的逻辑趋势。

DT 时代的超级英雄正在联手！你也想成为数据战士吗？请将您开放的数据作品发送至程以翔邮箱：chengyixiang@dtcj.com。