信用盾简介

基于大数据和机器学习等核心技术,面向消费金融线上信用分期业务,提供智能化、自动化信用评估和风险决策系统。辅助金融机构客户实现“秒级放贷”的极致体验,并有效识别欺诈风险和信用风险。

信用盾架构

嵌入人人信SDK

嵌入人人信信息采集页面

设备指纹

用户通话等运营商数据

用户行为数据

用户电商消费等数据

用户行为授权数据设备数据

用户申请信息

决策输出

通过API接口请求风控服务

输出决策建议结果,欺诈报告、
信用报告、数据详单

接入方客户端APP

接入方后台

人人信

风控决策引擎

信用盾特色

反欺诈规则、评分卡和准入策略

沉淀金融信贷领域千余条专家规则和数十张专家评分卡,覆盖了机器注册、团伙欺诈、多头申请、中介代理、可疑操作行为、申请评分、额度指引等多维度,可根据业务场景灵活配置,全方位甄别欺诈风险和信用风险。

配置平台和规则引擎

丰富灵活的规则与策略定义模板,满足客户定制化需求;

高性能规则引擎支持在海量数据维度下高并发的复杂规则处理

多维度风险数据库

高覆盖且稳定可靠的负面信息数据源 :

多头申请 逾期表现 欺诈记录 法院失信执行名单 羊毛党
手机号代理 养卡库 阿里小号 交叉验证 ......

设备指纹、行为特征和模型

应对日趋增长的互联网金融业务需求,采集用户侧设备指纹和操作行为数据,清洗、加工、衍生了数千个维度的线上风险特征变量,并利用机器学习技术训练出特有的行为风险识别模型。

用户授权信息采集和第三方数据源服务

提供稳定的授权数据爬取服务,覆盖移动、联通、电信三大运营商,淘宝、京东等电商平台;配合风险识别需求,可配置辅助的第三方数据源

  • 三大运营商

  • 电商平台

  • 第三方数据源

关系图谱和图分析算法

基于保险受益人、申请联系人、通话记录等数据构建的多层次社交关系网络,通过图聚类分析算法评估申请人的传递风险程度。

信用评估报告

量化用户的信用程度,帮助客户提供风险决策。

1、通过还款能力、还款意愿、客户稳定性这三个维度来评估用户信用风险。

2、结合专家经验和机器学习算法训练,提供百余张多粒度信用评分卡来量化风险。

3、提供信用主报告、反欺诈主题、数据详单,汇总多维度信息辅助风险决策。

根据决策结果辅助业务优化

高还款能力客户

(高还款能力、低还款意愿、低稳定性)

策略:流量转让

不稳定客户

(高还款能力、高还款意愿、低稳定性)

策略:短期贷款

优质客户

(高还款能力、高还款意愿、高稳定性)

策略:长期合作

可转换客户

(低还款能力、高还款意愿、高稳定性)

策略:降低授信额度

还款能力

稳定性

还款意愿

案例

欺诈风险识别案例

  • 命中率

    7.12 %

    所有进件中,高欺诈风险客户

    占比 7%

  • 命中客户欺诈率

    25.34 %

    经过调查,高欺诈风险客户中,

    确认欺诈的比例为 25%

  • 核发客户逾期率

    11.23 %

    未被调查认定为欺诈的客户

    核发后,首期逾期率为 10+%

    (较总体水平高2倍)

某知名新兴消费金融科技公司,月入件在十万以上