3、反欺诈基础：欺诈类型与损失影响
做风控这些年，我见过太多欺诈案例了。说实话，欺诈这东西，你永远不知道下一个套路是什么。但万变不离其宗，欺诈类型其实就那几大类。今天咱们就聊聊这个基础，把底子打牢。
3.1 身份盗用：最经典的欺诈手段
身份盗用，说白了就是「借你的壳，办我的事」。骗子拿到你的身份证号、手机号、银行卡信息，然后冒充你去申请信用卡、贷款。
我在项目中遇到过一起典型案例：一个用户的信用卡突然在境外刷了5万美金，但用户本人明明在国内。后来一查，是骗子通过钓鱼网站拿到了用户的身份证照片和银行卡号，然后伪造了授权书。
身份盗用的常见手法：
- 钓鱼攻击：伪造银行官网、短信链接，诱导用户输入个人信息
- 数据泄露：从电商平台、社交网站等渠道批量获取用户信息
- 社工攻击：冒充客服、公检法人员，骗取信任后套取信息
- 设备劫持：通过木马病毒控制用户手机，截获验证码
你想想看，身份盗用为什么难防？因为骗子用的是真实信息，系统很难识别「这个人是不是本人」。我们做评分模型时，通常会加入设备指纹、行为轨迹这些特征来辅助判断。
我的经验：身份盗用检测，重点看「信息使用模式」。比如一个用户平时都在北京登录，突然在境外申请信用卡，这就是异常信号。我曾经用这个思路帮团队减少了30%的误判率。
3.2 团伙欺诈：有组织的「专业户」
团伙欺诈，比个人作案可怕得多。他们通常有明确分工：有人负责收集信息，有人负责伪造材料，有人负责申请，还有人负责套现。一条龙服务，效率极高。
我记得有个案子，一个团伙控制了200多个手机号，伪造了100多份工作证明，同时向十几家银行申请信用卡。他们用的地址都是真实的，但都是空置房或者废弃厂房。银行审核时根本看不出问题。
团伙欺诈的特征：
- 关联性：多个账户共用同一IP、设备、收货地址
- 批量性：短时间内大量申请，且申请信息高度相似
- 隐蔽性：每个账户单独看都正常，但放在一起看就有问题
- 反侦察：会刻意规避风控规则，比如更换设备、使用代理IP
做反欺诈规则时，我建议重点关注「关联图谱」。把用户、设备、IP、地址这些实体连成一张网，一旦发现某个节点连接了大量异常账户，基本就能判定是团伙作案。
3.3 第一方欺诈：最让人头疼的「自己人」
第一方欺诈，指的是申请人本人参与的欺诈。说白了，就是用户自己申请信用卡，然后恶意透支不还。这种最难防，因为所有信息都是真实的，只是「不想还钱」而已。
为什么会这样？因为有些用户一开始就没打算还钱。他们可能已经负债累累，或者本身就是老赖。申请信用卡只是为了「最后一搏」，能刷多少刷多少。
第一方欺诈的典型场景：
- 恶意透支：短期内刷爆额度，然后失联
- 虚假交易：和商户串通，制造虚假消费记录套现
- 多头借贷：同时在多家机构申请，借新还旧，最终崩盘
- 破产逃债：故意申请破产，逃避还款责任
我曾经处理过一个案例：一个用户连续申请了8张信用卡，每张额度都不高，但加起来有20多万。他每个月都按时还最低还款额，持续了半年。然后突然有一天，所有卡都刷爆了，人也消失了。这种「养卡」行为，其实就是第一方欺诈的典型套路。
避坑指南：我曾经以为只要用户按时还款就没问题，后来发现「按时还最低」反而是危险信号。建议在评分模型中加入「还款行为模式」特征，比如还款金额是否固定、还款时间是否异常等。
3.4 欺诈损失：不只是钱的问题
欺诈带来的损失，远不止账面金额那么简单。我把它分成三类：
| 损失类型 | 具体表现 | 影响程度 |
|---|---|---|
| 直接经济损失 | 本金损失、利息损失、催收成本 | 高 |
| 间接经济损失 | 品牌声誉受损、客户流失、监管罚款 | 中高 |
| 隐性损失 | 风控资源占用、团队士气下降、业务发展受限 | 低但长期 |
直接损失好算，就是被骗了多少钱。但间接损失往往更大。比如一家银行被曝出大规模欺诈事件，用户信任度会急剧下降，新客户不敢来，老客户要销户。我见过一个案例，某平台因为一次欺诈事件，用户流失了40%，花了两年才恢复。
隐性损失最容易被忽视。风控团队天天处理欺诈案件，精力被大量消耗，就没时间做模型优化和业务创新。长此以往，整个团队都会陷入「救火」模式。
3.5 知识体系：一张图看懂反欺诈基础
说了这么多，咱们用一张图把核心逻辑串起来。这张图是我自己总结的，每次带新人都会拿出来讲。
这张图把反欺诈基础的核心逻辑讲清楚了。三大欺诈类型各有特点，对应的检测方法也不同。损失方面，直接损失只是冰山一角，间接损失和隐性损失才是真正的大头。
重要提醒：做反欺诈规则时，不要只盯着直接损失。我见过很多团队，为了降低0.1%的欺诈率，把正常用户也误杀了，结果用户投诉率飙升，业务量暴跌。这种「因噎废食」的做法，得不偿失。
好了，这一章的内容就到这里。欺诈类型和损失影响是反欺诈的基础，理解透了，后面做规则和模型才能有的放矢。
公众号:蓝海资料掘金营，微信deep3321