【風控術語】數字金融反欺詐技術名詞表

轉自：https://blog.csdn.net/hajk2017/article/details/80866115

感謝部落客分享

另附Tech Fin微信社群，感興趣可添加微信wu805686220，備注研習社+姓名，邀您進群：

社群面向所有金融領域風險管理人員、資料分析人員。旨在紮根TechFin，了解科技金融業務、管理、技術方面的知識，研讨包括分類聚類關聯、UML、複雜網絡、社交圖譜、模糊比對、分團叢集、推薦算法等機器學習技術在自識别交叉營銷和全自動風險管理方面的應用。

1.大資料分析（Big Data Analysis）

大資料指無法在一定時間範圍内用正常軟體工具進行捕捉、管理和處理的資料集合，是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的資訊資産。大資料分析是指運用可視化分析、資料挖掘算法、預測性分析能力、語義引擎、資料品質和管理、資料存儲等方法對大資料進行分析的過程。

2.裝置指紋（Device Fingerprint）

裝置指紋是指通過使用者指紋為每個使用者賬戶建立唯一的ID，将使用者的網絡行為、裝置、資料等綜合資訊建立穩定聯系，保證使用者安全。裝置指紋技術可以用于包括賬戶安全、支付安全、營銷安全在内的交易全生命周期監控。

3.網絡爬蟲（Web Crawler）

網絡爬蟲技術既可以用于使用者營運商資料、信用卡資料、網絡交易資料等各類資料等的爬取，也可以應用于司法老賴名單、網絡核查資料的爬取。

4.黑名單篩選（Blacklist Screening）

黑名單篩選是針對注冊使用者反欺詐的技術手段。根據使用者注冊時填寫的姓名、身份證号、手機号、銀行卡号等要素資訊，加上平台通過SDK抓取到的裝置指紋和IP，進行多元度篩選，與黑名單進行比對，命中即拒絕。

5.生物識别（Biometric）

生物識别技術如聲音識别、人臉識别等，是指對使用者特定生物特征進行檢測和識别的一種技術手段，通過比對使用者的生物特征資訊，判斷使用者身份，主要用于使用者身份的核實等場景，防止出現使用者賬戶被盜用的情況。

6.人臉識别（Face Recognition）

人臉識别是基于人的臉部特征，對輸入的人臉圖像或者視訊流進行識别的技術。首先判斷其是否存在人臉，如果存在人臉，則進一步給出每個臉的位置、大小和各個主要面部器官的位置資訊，并依據這些資訊，進一步提取每個人臉中所蘊涵的身份特征，并将其與已知的人臉進行對比，進而識别每個人臉的身份。

7.虹膜識别（Iris Recognition）

虹膜識别基于眼睛中的虹膜進行身份識别。其核心是使用模式識别、圖像處理等方法對人眼的虹膜特征進行描述和比對，進而實作個人身份自動認證。虹膜識别的主要步驟包括虹膜圖像的擷取、預處理、特征提取與編碼和分類。

8.生物探針（Biological Probe）

生物探針可以通過用戶端等途徑采集到使用者在使用過程中的多項名額（如按壓力度、裝置仰角、手指觸面、線性加速度、觸點間隔等），基于這些行為的曆史資料，通過機器學習計算專屬行為模型，用于識别是否為本人操作。

9.地理位置識别（Geographic Location Recognition）

地理位置識别是一種通過真實地理位置識别基于位置欺詐行為的技術手段。地理位置識别利用包括IP、基站、WiFi、身份證、手機号及銀行卡等多元度的地理位置資訊的資訊庫，精準定位網絡通路者的資訊，包括城市、經緯度及網絡類型等，進而識别欺詐行為。

10.活體檢測（Vivo Detection）

活體檢測技術主要通過要求使用者做特定動作或朗讀特定内容，對使用者是活人還是機器進行判斷和檢測，是防範欺詐團夥批量攻擊的一種有效手段。

11.文本語義分析（Text Semantic Analysis）

文本語義分析主要用于對文本類資料的解析和挖掘，從使用者評論等文本内容中提取使用者特征。

12.關系圖譜（Map of Relationship）

關系圖譜是利用圖資料庫，從特定次元對不同使用者和不同操作行為之間進行關聯和計算，進而發現不同使用者和不同操作之間的關聯關系，可以用于團夥特征檢測等場景。

13.使用者畫像（User Profile）

使用者畫像是一種通過精準識别使用者進行反欺詐的手段。使用者畫像根據使用者社會屬性、生活習慣、消費習慣等資訊抽象出标簽化的使用者模型。建構使用者畫像的核心工作是給使用者貼标簽，而标簽是通過對使用者資訊分析獲得的高度精煉的特征識别。

14.有監督機器學習（Supervised Machine Learning）

有監督機器學習是反欺詐檢測中最為廣泛使用的機器學習模式。機器學習通常從有标簽資料中自動建立出模型，來檢測欺詐行為。其中包含的學習技術分别有決策樹算法、随機森林、最近鄰算法、支援向量機和樸素貝葉斯分類。

15.無監督機器學習（Unsupervised Machine Learning）

無監督機器學習是無需依賴于任何标簽資料來訓練模型的機器學習模式。其可以通過利用關聯分析和相似性分析，發現欺詐使用者行為間的聯系，建立群組，并在一個或多個其他群組中發掘新型欺詐行為和案例。

16.半監督機器學習（Semi-Supervised Machine Learning）

半監督機器學習是有監督學習與無監督學習相結合的一種學習方法。半監督學習使用大量的無标簽資料，并同時使用标簽資料，來進行欺詐識别工作。

17.區塊鍊（Block Chain）

區塊鍊技術是利用塊鍊式資料結構來驗證與存儲資料、利用分布式節點共識算法來生成和更新資料、利用密碼學的方式保證資料傳輸和通路的安全、利用由自動化腳本代碼組成的智能合約來程式設計和操作資料的一種全新的分布式基礎架構與計算方式。區塊鍊去中心化、去信任的機制能夠在預防性反欺詐領域進行有效應用。

18.使用者行為序列（Behavioral Sequence）

使用者行為序列也叫“基于時間序列的使用者行為”，是某一時間段内，按照時間先後順序記錄的使用者從事某種活動的每一步行為。

1.大資料分析（Big Data Analysis）