欺诈检测场景
概述
欺诈检测也是非常适合图数据库的一种应用场景。在现代欺诈及各种类型的金融犯罪中,例如银行欺诈,信用卡欺诈,电子商务欺诈,保险欺诈等,欺诈者通常是使用改变自身身份等手段,来达到逃避风控规则的欺诈目的。但是,欺诈者往往难以改变所有涉及网络的关联关系,难以在所有涉及的网络群体中同步执行相同操作来躲避风控。而图数据可通过建立跟踪全局的用户跟踪视角,实时的利用图数据库来分析欺诈行为的离散数据,识别欺诈环节,在最大程度上快速防范和解决欺诈行为。同时,图数据库的欺诈分析还可以结合业界有广泛应用的label propagation algorithms(LPA) 、LabelRank、louvain Fast unfoldingalgorithms 等社区发现算法,发现欺诈犯罪团伙的群体规律。另外,图数据库的数据分析还可以便捷的转化为可视化的点边连接图形分析,这都将使您的欺诈分析更加直观和深入。
示例
我们以以下几种欺诈场景分别举例:
- 信用卡欺诈
信用卡欺诈一般是由诈骗者偷取或复制受害者信用卡,冒充受害者进行消费,可以根据最近的消费记录分析,实际消费是否属于同一个人
//用户信用卡基本信息
gremlin> g.V('jason').valueMap(true)
==>[id:jason,label:credit card,address:[jiujiang-NO.1 middler school],birthday:[1990-09-09],cardNum:[1111-2222-3333-4444-5555],password:[xxxxx],phone number:[1234567]]
//用户最近消费记录
gremlin> g.E().hasLabel('records').valueMap(true)
==>[id:credit card record,label:records,card number:[1111-2222-3333-4444-5555],consumption location:[jiujiang],consumption time:[2019-03-25 14::00],customer:[jason],money:[200RMB],seller:[xinhua bookstore]]
==>[id:credit card record1,label:records,card number:[1111-2222-3333-4444-5555],consumption location:[beijing],consumption time:[2019-03-25 19::00],customer:[jason],money:[300RMB],seller:[heaven bar]]
//用户同一张信用卡相隔5小时内,分别在九江和北京刷卡两笔,根据地点和时间分析,通知持卡人异常消费,并报警协助追踪信用卡盗刷者
- 银行欺诈
银行欺诈者通常使用合成账户来执行预谋的犯罪活动。罪犯可能会从十个不同的人那里窃取身份信息。罪犯然后混合并匹配社会保障号码、地址、电话号码和电子邮件地址,创建“新”合成身份,然后用于开设银行账户。应用这些账户来进行欺诈钱财转移。
//受骗的用户
gremlin> g.V().has('status', 'cheated').valueMap(true)
==>[id:lisi,label:accounts,status:[cheated]]
==>[id:liuliu,label:accounts,status:[cheated]]
==>[id:yangwu,label:accounts,status:[cheated]]
==>[id:zhangsan,label:accounts,status:[cheated]]
//受骗用户的钱都转到了同一个骗子中间账户上
gremlin> g.V().has('status', 'cheated').out().valueMap(true)
==>[id:fraud,label:accounts,status:[not arrested]]
==>[id:fraud,label:accounts,status:[not arrested]]
==>[id:fraud,label:accounts,status:[not arrested]]
==>[id:fraud,label:accounts,status:[not arrested]]
//骗子中间账户的资金流向
gremlin> g.V('fraud').out().valueMap(true)
==>[id:other,label:accounts,status:[get money and run away]]
//根据银行诈骗账户的资金流向追踪诈骗者。实际情况可能比这复杂,但建立图数据模型可以清晰的追踪骗子卷钱转移的路径
版权声明
本文仅代表作者观点,不代表本站立场。
本文系作者授权发表,未经许可,不得转载。
评论